权衡结构连接组:探索其对网络属性的影响,并预测人类大脑的认知表现

科学领域:

• 神经科学是一个神经科学.
• 网络科学 网络科学
• 计算生物学 计算生物学

背景情况:

• 大脑功能源于复杂的神经网络相互作用,而不是孤立的活动.
• 人类连接体包括结构 (解剖) 和功能 (动态) 方面.
• 结构连接的权重方法可以影响研究的解释.

研究的目的:

• 研究不同的结构连接体 (SC) 重量化方法如何影响网络属性和认知性能预测.
• 介绍和比较轴心直径分布 (ADD) 权重方法与传统方法.
• 通过使用人类结合体项目 (HCP) 数据,探索加权SCs的功能相关性.

主要方法:

• 开发了三种SC权重模型:流线数量 (NOS),分数异构 (FA) 和轴子直径分布 (ADD).
• 使用AxSI方法提取ADD加权的SCs.
• 采用图形理论属性和NIH工具箱,使用HCP数据构建用于认知表现的预测模型.

主要成果:

• 不同的权重模型产生不同的网络属性.
• 对ADD加权的SC,特别是与功能子网络模型相结合时,证明了对认知表现的卓越预测能力.
• 通过AxSI提取的ADD方法,与NOS和FA相比,显示了独特的见解.

结论:

• 选择SC权重方法显著影响网络分析和结论.
• 用ADD加权的SCs为理解大脑结构和认知功能之间的关系提供了一个有希望的方法.
• 与功能子网络集成的ADD方法为估计认知表现提供了更准确的模型.