透露动态功能连接组的隐藏来源,通过一种新的规范化盲源分离方法
Jialu Ran1, Yikai Wang1, Ying Guo1
1Department of Biostatistics and Bioinformatics, Emory University, Atlanta, GA, United States.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
我们开发了dyna-LOCUS,这是一种分析大脑网络中的动态功能连接 (dFC) 的新方法. 这种方法有效地识别了潜在的连接模式及其时间变化,克服了fMRI数据分析的挑战.
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.
- 数据科学数据科学数据科学
背景情况:
- 了解大脑组织需要分析动态功能连接 (dFC).
- 基于fMRI的dFC分析面临着高维度和虚假发现等挑战.
- 现有的方法很难识别大脑网络中的潜在来源和时间动态.
研究的目的:
- 引入dyna-LOCUS,用于dFC分析的规范盲源分离 (BSS) 方法.
- 解决高维大脑网络数据中的挑战,并识别潜在的连接特征.
- 描述大脑功能连接体内的时间动态和重新配置.
主要方法:
- 开发了dyn-LOCUS,这是一种新的规范盲源分离 (BSS) 技术.
- 采用低级因子化和新的规范化,以实现高效可靠的连接映射.
- 利用一个代的节点旋转算法来解决dyna-LOCUS的优化问题.
主要成果:
- dyna-LOCUS成功地分解了dFC测量,以揭示潜伏源连接特征及其时间概况.
- 该方法有效地绘制连接特征,描述时间变化,并识别全脑dFC状态.
- 申请费城神经发育队列 (PNC) 研究揭示了有关执行功能相关连接性性别差异的新见解.
结论:
- dyna-LOCUS为分析fMRI数据中的动态功能连接提供了一个高效和可解释的解决方案.
- 该方法有效地揭示了潜在的连接模式及其动态时间演变.
- 这些发现突显了dyna-LOCUS在提高我们对大脑组织和神经发育的理解方面的潜力.
