基于梯度的多式联网连接分析中不同组级模板的比较

科学领域:

• 神经科学是一个神经科学.
• 大脑的连接性 大脑的连接性
• 计算精神病学是一种计算精神病学.

背景情况:

• 无监督梯度分析正在出现,用于研究大规模的大脑连接和个人间的变化.
• 一个关键的挑战是选择一个合适的组级模板来对准个别的大脑连接梯度.
• 自闭症谱系障碍 (ASD) 研究可以从分析大脑连接差异的精细方法中受益.

研究的目的:

• 为了比较各种小组级模板构建策略,用于大脑连接的梯度分析.
• 确定检测功能和结构连接体的群体间差异的最佳策略,特别是在ASD个体中.
• 评估选择的策略在不同数据集和神经疾病中的通用性.

主要方法:

• 利用自闭症脑成像数据交换 (ABIDE) 倡议II和人类结合体项目 (HCP) 的多式磁共振成像数据.
• 设计了六个模板构建策略,包括不同的控制对象和数据集映射.
• 将个别的功能和结构梯度与不同的组级模板对齐,并评估效果大小,以确定与ASD相关的差异.

主要成果:

• 将ABIDE中的ASD和对照对象的组合模板与HCP模板对齐,产生了最显著的效果大小.
• 这一策略在功能和结构梯度上强有力的确定了与自闭症相关的大脑区域.
• 该方法通过在焦点的研究中成功复制证明了可通用性.

结论:

• 最优的模板构建策略涉及将一个数据集 (ABIDE) 的ASD和控制数据结合起来,并将其与另一个 (HCP) 的模板对齐.
• 这种方法提高了梯度分析的灵敏度,用于检测ASD的神经生物学差异.
• 这些发现为基于渐变的脑连接研究提供了精细的方法,适用于各种神经疾病.