深度学习模型揭示了人类功能大脑组织中的可复制,可概括和行为相关的性别差异

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 遗传学 是一个遗传学.

背景情况:

• 性对大脑发育,衰老和疾病的表现有很大的影响.
• 以前关于大脑组织性别差异的研究产生了不一致和不可重现的结果.

研究的目的:

• 开发一种新的AI模型,以确定人类功能大脑组织中可靠的性别差异.
• 调查这些性别差异的行为相关性和概括性.

主要方法:

• 用一个时空深度神经网络 (stDNN) 来分析功能性大脑动态.
• 使用可解释AI (XAI) 技术来识别区分性别的关键大脑特征.
• 该模型在多个会议和三个独立队列 (N ≈ 1,500) 中得到验证.

主要成果:

• 在区分男性和女性大脑方面,stDNN模型实现了高精度 (>90%),证明了强大的可复制性和可通用性.
• 在默认模式网络,纹状体和边缘网络中,XAI发现了显著的性别差异.
• 来自XAI的大脑特征预测了高准确度的性别特异性认知概况.

结论:

• 功能性大脑组织表现出强大,可概括和行为相关的性别差异.
• 这些发现挑战了男性-女性大脑连续性的概念,并突出了性别作为一个关键的生物学因素.
• 该研究提供了人工智能驱动的工具,用于在神经和精神疾病中个性化,性别特定的生物标志物开发.