潜在的基于空间的网络分析用于神经成像中的大脑行为联系
Selena Wang1, Xinzhi Zhang2, Yunhe Liu3
1Department of Biostatistics and Health Data Science, Indiana University School of Medicine, Indianapolis, IN, USA. selewang@iu.edu.
Nature methods
|December 4, 2025
概括
潜在的基于空间的统计网络分析 (LatentSNA) 增强了大脑行为预测和生物标志物检测能力. 这种新的贝叶斯方法提高了神经成像研究中的统计准确性和临床实用性.
科学领域:
- 神经成像是一种神经成像.
- 网络科学 网络科学
- 统计分析 统计分析
背景情况:
- 当前的神经成像分析往往缺乏统计能力,并在检测生物标志物时表现出膨胀的II型错误.
- 现有的方法在对生物标志物对行为影响的公正估计和量化不确定性方面扎.
研究的目的:
- 介绍LatentSNA,一个新的贝叶斯网络分析方法用于神经成像.
- 提高在检测成像生物标志物和理解大脑行为关系方面的统计能力,准确性和临床实用性.
主要方法:
- 使用生成贝叶斯框架开发了一个基于隐藏空间的统计网络分析 (LatentSNA).
- 保存了神经学上有意义的大脑拓,同时增强了生物标志物检测的统计能力.
主要成果:
- 与现有方法相比,LatentSNA显示了相当大的精度增长 (110-150%) 和可复制性改进 (153%).
- 该方法允许对生物标志物对行为的影响进行公正的估计,并量化不确定性.
结论:
- 潜伏SNA显著增强了大脑行为预测和神经成像发现的临床实用性.
- 该方法阐明了网络拓在不同群体的大脑行为关系中的作用.
