阅读网络的神经发育成熟度差异的建模,使用功能连接数据的支持向量回归来对功能连接数据进行建模.
Oliver H M Lasnick1,2, Jie Luo1, Brianna Kinnie1
1University of Connecticut, Storrs-Mansfield, CT, United States 06269.
bioRxiv : the preprint server for biology
|August 13, 2025
概括
大脑年龄模型准确地预测了阅读网络中的成熟度. 阅读不好的读者显示低估的大脑年龄,表明异常的神经发育,而高级读者显示高估. 这项研究提供了关于阅读障碍 (RD) 和大脑成熟的见解.
科学领域:
- 神经科学是一个神经科学.
- 发展心理学 发展心理学
- 计算精神病学是一种计算精神病学.
背景情况:
- 来自神经成像数据的脑年龄指数可以揭示神经发育轨迹.
- 阅读障碍 (RD) 与非典型的大脑网络成熟有关.
- 功能连接 (FC) 模式对于理解大脑网络发展至关重要.
研究的目的:
- 使用功能连接 (FC) 数据调查阅读能力和大脑年龄预测之间的关系.
- 评估不同大脑网络模型如何预测阅读困难和没有阅读困难的个体的时间年龄.
- 识别特定的大脑区域和网络,在阅读发展的背景下,对年龄预测至关重要.
主要方法:
- 这是一项对742名年龄在6至21岁的参与者进行的横截面研究.
- 支持向量回归模型经过训练,可以从全脑和阅读网络特定的FC数据中预测时间年龄.
- 通过对不同数量的大脑区域的模型进行预测准确性的比较.
主要成果:
- 所有模型都成功预测了大脑成熟度,全脑模型显示了最高的准确性.
- 阅读能力显著影响了大脑年龄差距:阅读能力差的读者低估了大脑年龄,高级读者高估了大脑年龄.
- 在默认模式和前对对照控制网络中确定了大脑年龄的关键预测区域.
结论:
- 来自FC数据的脑年龄指数对阅读能力和神经发育变异敏感.
- 阅读和语言网络的非典型成熟与阅读障碍有关.
- 这些发现突显了基于神经成像的脑年龄模型在理解发育障碍方面的潜力.


