基准测试方法用于绘制大脑中的功能连接

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.
• 网络科学 网络科学

背景情况:

• 大脑的网络架构促进了同步的神经元活动.
• 功能连接 (FC) 网络使用神经成像绘制这些通信模式.
• 目前的FC研究主要采用皮尔森的相关性,忽视了其他统计措施.

研究的目的:

• 调查对联统计的选择如何影响功能连接 (FC) 矩阵的组织和解释.
• 在广泛的统计方法中对法典FC网络特征进行基准比较.

主要方法:

• 利用239个对联统计数据库来分析功能连接 (FC) 矩阵.
• 评估了FC网络属性,包括枢纽映射,重量-距离关系,结构-功能合以及与其他神经生理网络的对应.
• 评估了不同FC方法在个人指纹和大脑行为预测方面的能力.

主要成果:

• 观察到FC网络组织的大量定量和定性变化,取决于所选择的对联统计数据.
• 确定了特定的措施,如协变率,精度和距离,以证明可取性质.
• 这些选定的措施与结构连接性和个人差异化和行为预测能力的增强有很强的对应性.

结论:

• 选择对联统计学对功能连接 (FC) 网络的特征和可解释性产生了关键影响.
• 像共变率,精度和距离这样的测量为了解大脑组织和个体差异提供了优势.
• 优化FC映射包括将统计方法定制为特定的神经生理机制和研究问题.