HOI-brain:通过精确地从fMRI数据中提取已签名的更高阶交互来诊断大脑疾病的新型多通道变压器框架

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
• 网络科学 网络科学

背景情况:

• 描述高阶大脑区域相互作用对于使用fMRI诊断大脑疾病至关重要.
• 当前的图形模型主要集中在对和三元模式上,忽视复杂的高阶相互作用及其标志,限制了对大脑通信的全面理解.

研究的目的:

• 开发一种新的计算框架,HOI-Brain,用于利用fMRI数据中的签名高级交互和组织模式来诊断大脑疾病.
• 通过结合签名的更高阶模式来增强大脑范围通讯的分析.

主要方法:

• 引入了使用时间导数的乘法来检测具有时间分辨率的更高阶相互作用的新的协波动计算.
• 区分积极和消极协同的高阶相互作用,将它们编码为单调加权的简式复合体.
• 使用持久同质学从时空视角提取签名的更高维度神经组织.
• 利用多通道变压器架构来整合异构的拓特征.

主要成果:

• HOI-Brain在阿尔茨海默病 (AD),帕金森病 (PD) 和自闭症谱系障碍 (ASD) 数据集中展示了优越性,有效性和可解释性.
• 确定了与现有证据一致的关键大脑区域和更高阶模式.
• 观察到一致的高阶相互作用在AD下降,但在PD和ASD增加,表明疾病特定的网络变化.

结论:

• HOI-Brain提供了一种强大的新方法,用于分析复杂的大脑网络动态,使用签名的更高阶交互.
• 该框架提供了对神经退行性和神经发育状况中疾病特异性网络变化的机制性见解.
• 这项工作提升了通过对fMRI数据的先进计算分析来改善大脑疾病的诊断和机制理解的潜力.