休息状态大脑网络分离和整合的措施因数据量而有所不同:这对功能性大脑网络组织在主体内和主体之间进行比较的影响

科学领域:

• 神经科学是一个神经科学.
• 认知科学 认知科学
• 数据科学数据科学数据科学

背景情况:

• 功能性大脑网络分离和整合措施对于理解大脑组织至关重要.
• 这些措施与年龄,认知和健康相关,使它们成为有价值的研究工具.
• 关于这些网络措施的稳定性和可靠性的数据有限.

研究的目的:

• 评估功能大脑网络分离和集成的测量可靠性和稳定性.
• 确定数据量对这些网络措施可靠性的影响.
• 为准确解释功能性大脑网络数据提供准则.

主要方法:

• 利用人类数据集,包括午夜扫描俱乐部和人类连接组项目 (年轻人和老年人).
• 分析了来自参与者在广泛的成年年龄范围内进行多次扫描会议的数据.
• 检查了数据量与静态网络测量的可靠性之间的关系.

主要成果:

• 大脑网络分离和集成的测量可靠性取决于数据量.
• 当使用足够的清洁数据时,这些指标的可靠性和稳定性会稳定.
• 不够的数据可以系统地偏向对大脑网络组织的解释.

结论:

• 充足的数据量对于可靠的功能性脑网络分析至关重要.
• 意识到数据量的影响对于避免研究中的误解至关重要.
• 这些发现对截面,纵向和干预性大脑研究具有重大意义.