一个融合分析框架,用于研究功能性大脑连接差异,使用静止状态fMRI

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 功能磁共振成像 (fMRI) 数据复杂且高维,对分析构成挑战,特别是在静止状态扫描中.
• 识别感兴趣区域 (ROI) 之间的相互联系对于理解大脑活动和群体差异至关重要.

研究的目的:

• 开发一个可解释的融合分析框架,以识别和理解群体之间的ROI连接差异.
• 揭示认知障碍中大脑活动模式的独特特征.

主要方法:

• 从静止状态的fMRI数据构建基于ROI的功能连接网络 (FCN).
• 采用自我注意深度学习模型 (Self-Attn) 进行二进制分类和注意力分布生成.
• 使用潜空间项目响应模型 (LSIRM) 来提取群体代表性ROI特征.

主要成果:

• 该框架有效地确定了重要的ROI,这些ROI有助于四种类型的认知障碍的差异.
• 显现出明显的功能连接模式和独特的ROI特征,使认知障碍区分开来.
• 在功能连接方面强调了特定集团的差异,证明了框架的能力.

结论:

• 新的可解释的融合分析框架成功地解决了分析高维fMRI数据的挑战.
• 结合FCN,Self-Attn和LSIRM,提供了一种创新的方法来发现ROI连接差异.
• 该框架提供了对大脑活动模式的可解释的见解,有可能增强对认知障碍的理解和治疗.