大脑指纹和认知行为预测使用功能连接组的高跨主体可变性

科学领域:

• 神经科学是一个神经科学.
• 脑部成像 脑部成像
• 机器学习 机器学习

背景情况:

• 大脑功能连接 (FC) 图表作为独特的个人"指纹".
• 现有的方法难以将共享的学科间信息与FC图中的个人特定信息分开.
• 这种限制导致个人识别准确度和认知行为预测不足.

研究的目的:

• 开发一种新的方法来增强大脑FC图的跨主体变异性.
• 从fMRI数据中提高个人识别准确度.
• 为了提高基于精细的FC图表的认知行为预测.

主要方法:

• 提出了一种结合条件变量自编码器 (CVAE) 网络和稀疏字典学习 (SDL) 模块的方法.
• 将fMRI状态信息嵌入到CVAE的编码和解码过程中,以捕获共同特征并增强主体间的可变性.
• 利用人类结合体项目 (HCP) 数据进行实验验证.

主要成果:

• 实现了高个体识别准确度:99.7% (剩余1-剩余2) 和99.6% (剩余2-剩余1).
• 任务对任务的识别准确度从94.2%到98.8%不等.
• 识别了Frontoparietal和Default网络对于个人识别至关重要,并显示了改进的认知行为预测.

结论:

• 拟议的CVAE与SDL框架有效地增强了FC图的学科间变异性.
• 精致的连接体改善了个体识别准确性和认知行为预测.
• 这种方法为研究大脑功能,认知和行为提供了一个有希望的途径.