特定群体差异分析提高了大脑功能网络侧面化的性别差异检测
Shuo Zhou1,2,3, Junhao Luo4,5,6, Yaya Jiang4,7
1School of Computer Science, University of Sheffield, S1 4DP, Sheffield, UK.
GigaScience
|August 30, 2025
概括
这项研究引入了一种分析大脑侧向性差异的新方法, 提高了识别男性和女性大脑模式的准确性. 这种方法提高了我们对大脑不对称性及其性别差异的理解.
科学领域:
- 神经科学
- 认知科学
- 大脑成像
背景情况:
- 脑半球间的功能不对称, 呈现出明显的性别差异.
- 传统的单变体分析缺乏有效的群体特异性验证.
- 现有的方法难以捕捉大脑功能网络中细微的性别特征.
研究的目的:
- 作为双重分类问题,模拟大脑功能网络侧面化的性别差异.
- 为增强性别分类开发可解释的特定群体差异分析 (GSDA).
- 提高神经科学中的群体分析的特异性和有效性.
主要方法:
- 开发了一个双重分类框架:半球 (左/右) 和性别 (男性/女性).
- 采用集团特异性差异分析 (GSDA) 进行一级分类.
- 使用后勤回归来对性别特定模型进行二次分类.
主要成果:
- 在两大神经成像数据集中,GSDA有效地学习了性别特异性模式.
- 与基线方法相比,显著改善了模型组的特异性.
- 在横向化强度和间叶相互作用模式上发现了主要的性别差异.
结论:
- 基于GSDA的方法挑战了对特定群体横向化分析的传统方法.
- 需要重新检查和重新验证以前关于性别特异性的横向化结果.
- 一般的GSDA方法可适用于其他特定组的分析 (例如治疗,疾病).
