在voxel级功能成像下监督大脑节点和网络建设

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 大脑成像分析分析

背景情况:

• 了解大脑的功能组织是使用大脑连接的行为预测的关键.
• 目前的方法通常使用两步过程:定义大脑区域,然后将连接性与结果联系起来.
• 对于节点分区的现有无监督方法显示出预测效率的局限性.

研究的目的:

• 引入监督大脑分区 (SBP),这是一个新的大脑分区方案.
• 通过与下游预测任务直接告知分片来增强行为结果的预测.
• 为了提高基于connectome的预测建模的效率和准确性.

主要方法:

• SBP将voxel集成到节点中,使用voxel级功能时间课程 (静止状态或基于任务的fMRI).
• 聚类最大化了节点间连接和行为结果之间的相关性.
• 该方法确保了节点内部的同质性,同时优化了预测能力.

主要成果:

• SBP显著改善了基于样本外连接组的预测性能.
• 在不同的大脑图谱和数据集 (ABCD,HCP) 中观察到性能增长.
• 在预测准确性方面,SBP在预测准确性方面优于传统的逐步方法.

结论:

• 监督的大脑分区提供了一种更有效的方法来绘制大脑功能架构.
• SBP增强了用于临床应用的信息网络神经标记物的开发.
• 这种方法提升了我们对大脑连接和行为之间的关系的理解.