将功能性和结构性大脑组织与健康成年人的行为联系起来

科学领域:

• 神经成像是一种神经成像.
• 认知神经科学 认知神经科学
• 数据科学数据科学数据科学

背景情况:

• 多模式数据集成增强了对大脑行为关系的敏感性.
• 调查跨模式的组织模式可以揭示新的见解.
• 链接独立组件分析 (LICA) 是一种整合不同类型数据的方法.

研究的目的:

• 为了确定组织模式是否在结构和功能大脑成像模式中持续存在.
• 评估多式联通是否增加对大脑行为关联的敏感性.
• 探索区域间功能和结构组织之间的关系.

主要方法:

• 利用多式磁共振成像 (T1w,静止状态fMRI,DWI) 和来自人类连接体项目的行为数据 (n=676).
• 提取的单模特征包括灰色物质密度,曲谱连接性和连接图.
• 应用LICA来整合特征,并检查结果组件与人口/行为变量之间的关联 (n=308).

主要成果:

• 来自LICA的100个独立组件中,有15个显示出与人口/行为指标的显著关联.
• 与中毒有关的两个成分是由扩散权重成像 (DWI) 数据驱动的.
• 一个组成部分,由条状功能性MRI (fMRI) 数据驱动,与工作记忆相关.
• 很少有组件在结构和功能数据之间表现出共同的差异,没有一个组件显示出显著的行为关联.

结论:

• fMRI连带图绘制显示了未来工作记忆研究的前景.
• 目前的研究质疑整合连体图和轨道图数据的实用性,因为缺乏行为相关的共享方差.
• 使用LICA的多模式集成可以识别特定的大脑行为关系,特别是当由单一模式驱动时.