一个原则框架来评估大脑功能子电路的信息理论适应性
Duy Duong-Tran1,2, Nghi Nguyen3, Shizhuo Mu1
1Department of Biostatistics, Epidemiology, and Informatics (DBEI), Perelman School of Medicine, University of Pennsylvania, Philadelphia, PA, USA.
ArXiv
|July 9, 2024
概括
本研究引入了一种使用随机块模型 (SBM) 评估功能网络 (FN) 和大脑连接学值的新框架. 它验证了常见的做法,确保更好地分析功能连接体 (FC).
科学领域:
- 系统和网络神经科学 系统和网络神经科学
- 计算神经科学是一种计算神经科学.
- 神经成像分析分析神经成像分析
背景情况:
- 大脑连接组分析的常见实践,如绘制功能网络 (FN) 和值功能连接组 (FC),往往缺乏严格的信息理论证明.
- 预定义的网络分区的适当性和对加权FC的门的选择仍未得到充分审查,这可能会影响研究结果的有效性.
研究的目的:
- 正式定义和量化预先确定的功能网络 (FN) 的信息理论适应性,当它们被映射到单个功能连接组 (FC) 上时.
- 开发一个框架,用于评估和优化选择FC颗粒度,FN分区和值策略,以保持人类大脑连接体的拓特征.
- 评估连接学分析中常见实践的信息理论有效性,包括值.
主要方法:
- 利用近期随机区块模型 (SBM) 的理论进展来量化 FN 的信息理论适应性 (突出性).
- 将框架应用于来自人类连接体项目的功能连接体,使用多个细分级别的Schaefer分片.
- 评估不同组合的FC颗粒度,FN分区和值策略.
主要成果:
- 开发的框架成功量化了功能网络和分区的信息理论适应性.
- 对人类连接体项目数据的分析证实,0.25的共同值是对群体平均功能连接体信息理论上有效的.
- 该研究提供了一种优化连接组分析选择的方法,以更好地保存拓特征.
结论:
- 拟议的框架提供了一种严格的方法来审查和优化系统和网络神经科学中的常见实践,特别是功能连接学.
- 结果支持已建立的值方法的有效性,同时强调了信息理论证明的必要性.
- 这项工作为大脑连接学更强大,更有洞察力的研究铺平了道路,包括开发个性化分片.
