在MEG成像中使用光谱图模型的频率特定功能连接的贝叶斯推断

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.
• 图形理论 图形理论

背景情况:

• 了解大脑的结构连接 (SC) 和功能连接 (FC) 关系至关重要.
• 现有的复杂的神经质量模型缺乏结构-功能关系的直接解释,需要密集的计算.
• 需要直观且计算效率高的模型来弥合SC和FC.

研究的目的:

• 开发一种新的方法来利用光谱图理论将大脑结构连接映射到功能连接.
• 创建一个具有生物物理基础的节模型,预测功能连接.
• 为了验证模型的性能与现有方法和现实世界的神经成像数据对比.

主要方法:

• 采用光谱图理论和图波 (拉普拉斯矩阵的自身向量) 来建模大脑活动.
• 开发了一个节的光谱图模型 (SGM),只有三个全局的空间不变参数.
• 利用基于深度神经网络的基于模拟的推断,从静止状态MEG数据进行高效的模型参数估计.

主要成果:

• 该SGM成功地预测了使用图形波器在任意频段的功能连接 (FC).
• 该模型仅使用少数波器,以高精度生成丰富的FC图案.
• 与基准方法 (如图形扩散和结合的神经质量模型) 相比,拟议的方法显示出更高的性能.

结论:

• 谱图建模为理解SC-FC关系提供了一个强大而直观的框架.
• 一个单一的生物物理参数化可以同时适应多个频段的功能连接.
• 这种方法为大脑连接研究提供了一个计算效率高,准确的工具.