一个多模式,不对称,加权,并签名解剖连接的解剖学连接的描述

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 大脑成像分析分析

背景情况:

• 宏观连接体代表大脑区域之间的白质道,连接重量表明通信有效性.
• 目前分配权重的方法依赖于成像特征或统计模型,但基本真实权重仍然未知.
• 这种局限性需要探索用于连接组数据的替代,更准确的边缘权重方案.

研究的目的:

• 开发和评估一种新的多式模式,基于回归的模型,用于为重建的纤维段分配定向和签名的重量.
• 评估模型适应观测数据的能力,并优于现有的零模型.
• 为了确定估计的重量的主体特异性和可靠性,即使有有限的训练数据.

主要方法:

• 采用基于回归的多模式方法来估计宏观连接组中的连接重量.
• 该模型将指向和签名的重量分配给重建的白物质区域.
• 使用观察到的神经成像数据,对一套无效模型进行了性能基准测试.

主要成果:

• 拟议的基于回归的模型显示出与观察到的数据有很强的匹配性,超过了所有测试的零模型.
• 由此产生的连接权重被发现是特定于主体的,并且非常可靠,即使是稀疏的训练样本.
• 从模型中获得的加权连接组网络保留了可取的网络属性,以便进一步分析.

结论:

• 已经提出了一个简单而有效的框架,用于权重连接组数据.
• 该模型易于实施,并为宏观大脑网络提供可靠的,主体特定的权重.
• 这种方法增强了连接组数据的实用性,用于图形理论建模和脑行为关联研究.