贝叶斯的多重图形分类器的功能性大脑连接跨认知控制的各种任务的功能性大脑连接

科学领域:

• 神经科学是一个神经科学.
• 图形理论 图形理论
• 统计建模 统计建模

背景情况:

• 衰老会影响功能性大脑连接,这对认知控制至关重要.
• 现有的方法在预测衰老时与多重图形数据作斗争.
• 识别与早期衰老相关的大脑区域是一个挑战.

研究的目的:

• 开发一种新的统计框架来分析衰老中的功能连接性.
• 确定与早期衰老相关的特定大脑区域和网络不对称性.
• 为了提高预测准确性和不确定性量化在老化分类.

主要方法:

• 提出了贝叶斯多重图形分类器 (BMGC) 用于分析多重图形数据.
• 在贝叶斯框架内使用双线相互作用建模边缘系数.
• 实施了对节点特定潜伏效应的变量选择,以确定关键的大脑区域.
• 使用模拟研究和功能性MRI (fMRI) 数据验证了该方法.

主要成果:

• 在模拟中,BMGC在替代方法上表现出优越的性能.
• 对fMRI数据的分析揭示了老年成年人大脑网络对称/不对称的独特模式.
• 识别了具有横向对称性的感觉运动网络.
• 在与早期衰老相关的默认模式网络中观察到显著的大脑不对称.

结论:

• BMGC是一个计算高效和准确的工具,用于分析大脑连接和衰老.
• 这些发现突出了默认模式网络中的特定网络不对称性,作为早期衰老的潜在生物标志物.
• 这种方法提供了一种强大的方法来理解与年龄相关的大脑功能变化.