Learning High-Order Relationships with Hypergraph Attention-based Spatio-Temporal Aggregation for Brain Disease Analysis
针对现有脑疾病分析方法依赖预定义超图、忽略时间信息的局限，提出联合学习高阶脑结构及时空动态的超图注意力框架，在fMRI基准数据集上性能优于现有方法，为脑网络建模和神经精神疾病研究提供新见解。
2025-05-17 q-bio.NC
Subjective Difficulty in a Verbal Recognition-based Memory Task: Exploring Brain-behaviour Relationships at the Individual Level in Healthy Young Adults
绝大多数与任务相关的大脑活动的功能磁共振成像研究利用共同水平的任务需求和分析，依赖于数据的中心趋势。这种方法没有考虑到感知的困难，也没有考虑到人与人之间大脑活动的区域差异。研究结果表明，大脑与行为的关系随着样本量的增加而减弱。这项研究的参与者包括26名健康的年轻人，男女各半。目前的工作利用了五个参数调制的记忆负荷水平，以每个人的预定工作记忆认知能力为中心。主成分分析（PCA）确定了组一级的集中趋势的数据。在从数据中去除群体效应后，PCA确定了五个任务要求水平上的个人大脑活动模式。在所有负荷水平下，组效应的表达在性别之间存在显著差异。表达的个人水平的模式表现出显着的负载性别的相互作用。此外，表达的个人地图作出更好的预测响应时间的行为比组导出的地图。
2021-10-12 q-bio.NC
A positive mood, a flexible brain
人脑网络的灵活重构支持认知灵活性和学习。然而，调节灵活性以增强学习需要了解灵活性和大脑状态之间的关系。在一个前所未有的纵向数据集，我们调查的灵活性和情绪之间的关系，表明灵活性与情绪状态呈正相关。我们的结果为大脑状态的调节提供了信息，以增强对健康和伤害训练的反应。
2016-01-28 q-bio.NC
Transfer learning to decode brain states reflecting the relationship between cognitive tasks
Southern University of Science and Technology（南方科技大学）
迁移学习通过利用特定源任务的数据来提高目标任务的性能：源任务和目标任务之间的关系越密切，迁移学习的性能提高就越大。在神经科学中，认知任务之间的关系通常由激活的大脑区域或神经表征的相似性来表示。然而，没有研究将迁移学习和神经科学联系起来，以揭示认知任务之间的关系。在本研究中，我们提出了一个迁移学习框架来反映认知任务之间的关系，并比较了迁移学习和大脑区域重叠（例如，neurosynth）。我们的迁移学习的结果创建了认知任务学，以反映认知任务之间的关系，这与来自neurosynth的任务关系非常一致。如果源认知任务和目标认知任务激活相似的脑区，迁移学习在使用fMRI数据进行任务解码时表现更好。该研究揭示了多个认知任务之间的关系，为基于小样本数据的神经解码迁移学习中的源任务选择提供了指导。
2022-08-30 cs.AI cs.LG q-bio.NC
Deep multivariate autoencoder for capturing complexity in Brain Structure and Behaviour Relationships
针对传统线性模型在高维数据分析中的局限，提出一种深度多变量自编码器探索大脑微观结构与认知间的非线性关系，验证表明其在样本外泛化能力上优于传统方法。
2024-09-03 q-bio.NC
Path-dependent connectivity, not modularity, consistently predicts controllability of structural brain networks
人类大脑显示出丰富的交流动态，这被认为是特别好地反映在其显着的社区结构。然而，结构性大脑网络中的社区结构与由此产生的通信动态之间的精确关系还没有得到很好的理解。除了提供对网络系统的结构-功能关系的洞察之外，这种理解是朝着以有针对性的方式操纵大脑大规模动态活动的能力迈出的关键一步。我们调查的作用，社区结构的可控性结构脑网络。在区域一级，我们发现，某些网络措施的社区结构有时统计相关的措施的线性可控性。然而，我们随后证明了这种关系取决于网络边缘权重的分布。我们强调社区结构和可控性之间的关系的复杂性，通过使用正则图模型进行数值模拟，不同的中尺度架构和边缘权重分布。最后，我们证明了加权子图中心性（一种植根于图谱的度量，并且可以捕获更高阶的图架构）是可控性的更强、更一致的预测因子。我们的研究有助于了解大脑的不同中尺度结构如何支持瞬态通信动态。
2020-12-18 q-bio.NC
Quasi-Conscious Multivariate Systems
有意识的体验充斥着潜在的关系。此外，对于诸如视觉皮层的各种大脑区域，系统偏向于某些状态。使用概率分布表示这种偏差表明系统可以定义预期的数量。本文中的数学理论通过使用期望浮点熵（efe）来联系这些事实，期望浮点熵是对所需信息的预期量的度量，用于指定系统的状态，超出了从作为参数出现的关系中已知的系统状态。在关系参数最小化efe的要求下，大脑定义关系。有人提出，当大脑状态被解释在这些关系的上下文中，大脑状态获得的相关经验的关系内容的形式的意义。对于一个给定的集合，该理论使用加权关系来表示关系，该加权关系将从0到1的连续权重分配给该集合的笛卡尔积的元素。关系参数包括关于系统的节点和关于它们的状态集合的加权关系。使用蒙特卡罗方法（其中的关系参数是随机选择均匀）得到的例子表明，具有长左尾的efe分布是最重要的。
2015-08-09 q-bio.NC
Learning High-Order Relationships of Brain Regions
Yale University（耶鲁大学）；University of British Columbia（不列颠哥伦比亚大学）；Vector Institute（矢量研究所）
本文提出 HYBRID 方法，通过 CONSTRUCTOR 和 WEIGHTER 从 fMRI 数据中提取最大信息量且最小冗余的脑区高阶关系，避免指数搜索，并在 CPM 协议下比现有最优模型平均提升 11.2%。
2024-06-08 cs.LG q-bio.NC
Nonlinear shift along the sensorimotor-association-axis in brain responses to task performance
the University of Hong Kong（香港大学）；Chang’an University（长安大学）；Florida International University（佛罗里达国际大学）
本研究利用HCP数据发现，面孔工作记忆任务中大脑激活与表现的关系沿感觉运动-联合轴从U形渐变为倒U形，揭示感觉运动区与联合区功能属性的非线性差异。
2025-10-16 q-bio.NC
Deep Hypergraph U-Net for Brain Graph Embedding and Classification
Istanbul Technical University（伊斯坦布尔理工大学）；University of Dundee（邓迪大学）
- 背景网络神经科学将大脑作为一个由网络（或连接体）表示的复杂系统进行研究，为大脑形态和功能提供更深入的见解，允许识别非典型的大脑连接改变，这可以用作神经系统疾病的诊断标志物。- 现有方法。映射数据样本的图嵌入方法（例如，脑网络）到低维空间中的方法已经被广泛用于探索用于分类或预测任务的样本之间的关系。然而，这些工作中的大多数都是基于对样本之间的成对关系建模，未能捕捉到它们的高阶关系。- 新方法在本文中，受几何深度学习这一新兴领域的启发，我们提出了Hypergraph U-Net（HUNet），这是一种新型的数据嵌入框架，利用超图结构来学习数据样本的低维嵌入，同时捕获它们的高阶关系。具体来说，我们通过改进局部特征聚合和保留数据中存在的高阶关系，将自然在图上操作的U-Net架构推广到超图。- 结果我们分别在小规模和大规模的异构脑连接数据集上测试了我们的方法，这些数据集包括自闭症和痴呆患者的形态和功能脑网络。- 结论我们的HUNet优于最先进的几何图和超图数据嵌入技术，分类准确率提高了4-14%，证明了可扩展性和可推广性。HUNet代码可在https://github.com/basiralab/HUNet上获得。
2020-08-30 cs.CV cs.LG q-bio.NC
Understanding brain networks and brain organization
大脑和行为之间的关系是什么？要回答这个问题，就必须描述结构和功能之间的映射。本文的目的是讨论围绕大脑结构和功能之间联系的广泛问题，这将激发网络视角来理解这个问题。和过去的其他人一样，我认为网络视角应该取代从单个区域来理解大脑的常见策略。尽管这一观点对于更全面地描述心灵-大脑是必要的，但它不应被视为灵丹妙药。首先，区域和功能之间的多对多映射所带来的挑战并没有被网络视角所解决。虽然这个问题得到了改善，但当采用网络方法时，不应预期一对一的映射。此外，根据有意义的区域集群来分解大脑网络，例如由社区发现算法生成的区域集群，本身并不能揭示“真正的”子网络。鉴于区域之间的层次和多关系关系，多重分解将提供大脑内更广泛网络景观的不同“切片”。最后，我描述了如何通过多样性轮廓的想法以多维方式表征大脑区域的功能。这个概念也可以用来描述不同的大脑区域参与网络的方式。
2014-03-27 q-bio.NC
Preliminary Report: Cerebral blood flow mediates the relationship between progesterone and perceived stress symptoms among female club athletes after mild traumatic brain injury
女运动员在脑震荡研究领域的研究严重不足，尽管受伤的患病率较高，而且往往有较长的恢复时间。由于正常月经周期（MC）或激素避孕药（HC）的使用引起的激素波动已被证明会影响损伤后症状和神经影像学指标，但尚未在脑震荡研究中得到解释。在这项初步研究中，我们比较了动脉自旋标记测量脑血流量（CBF）脑震荡的女性俱乐部运动员受伤后3-10天（mTBI）和人口统计学，HC/MC匹配的对照组（CON）。我们测试CBF是否介导血液中孕酮水平与损伤后症状之间的关系，这可能是孕酮在神经保护中作用的证据。我们发现一个显着的三向关系孕酮，脑血流量和感知压力评分（PSS）在左颞中回。较高的孕酮与较低（更规范）的PSS以及较高（更规范）的CBF相关。CBF介导孕酮和PSS之间100%的关系（Sobel的p值=0.017）。这些发现表明，孕激素可能在脑震荡后具有神经保护作用，并强调了在未来的脑震荡研究中控制性激素影响的重要性。
2020-02-28 q-bio.NC
Brain perfusion mediates the relationship between miRNA levels and postural control
转录组学，局部脑血流量（rCBF），和空间运动虚拟现实任务整合使用中介分析在一个新的示范“成像组学”。在赛季训练前被允许参加比赛的NCAA I组足球运动员中收集的数据显示，a）miR-30 d和miR-92 a水平升高与壳核rCBF升高，（b）壳核rCBF升高与平衡得分受损，以及（c）平衡得分受损与miRNA水平升高之间存在显著关系。rCBF作为异常miRNA水平和受损平衡评分之间的中介变量（最小70%中介，显著Sobel检验）。鉴于这些miRNA参与炎症和免疫功能，并且血管灌注是炎症反应的一个组成部分，这些发现支持重复头部加速事件（HAE）的慢性炎症模型。rCBF是一种系统生物学指标，是miRNA影响行为所必需的。这些结果表明miRNA作为重复性HAE的潜在诊断生物标志物。
2019-12-05 q-bio.NC
Relating cognition to both brain structure and function: A systematic review of methods
认知神经科学通过研究大脑结构和功能的相关性来探索认知的机制。在这里，我们报告了第一个系统的审查，评估如何从结构和功能神经影像学方法的信息可以整合到调查认知的大脑基板。在Web of Science和Scopus数据库中检索收集认知数据以及结构和功能神经影像学数据的健康年轻成人人群的研究。5%的筛选研究符合所有纳入标准。其次，54%的纳入研究将认知表现与大脑结构和功能联系起来，但没有定量分析这种关系。最后，32%的研究正式整合了大脑结构和功能数据。总的来说，许多研究考虑了认知的结构或功能神经相关性，而在那些同时考虑两者的研究中，它们很少被整合。我们确定了四种新兴的方法来表征大脑结构，功能和认知之间的关系：比较，预测，融合和互补。我们讨论了每种方法提供的见解，以及作者如何选择适合他们研究问题的方法。
2022-02-04 q-bio.NC
Auto-encoding brain networks with applications to analyzing large-scale brain imaging datasets
Virginia Tech（弗吉尼亚理工大学）；The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Duke University（杜克大学）
人们对研究从不同成像方式推断的人脑连接体并探索它们与人类特征（如认知）的关系产生了巨大的兴趣。大脑连接体通常表示为网络，其中节点对应于不同的感兴趣区域（ROI），边缘对应于ROI之间的连接强度。由于网络的高维性和非欧几里德性质，描述其总体分布并将其与人类特征联系起来是具有挑战性的。目前的方法集中在总结网络使用预先指定的拓扑特征或主成分分析（PCA）。在本文中，基于深度学习的最新进展，我们开发了一个非线性潜在因子模型来表征脑图的总体分布，并推断大脑结构连接体与人类特征之间的关系。我们将我们的方法称为图形自动编码（GATE）。我们将GATE应用于两个大型脑成像数据集，青少年脑认知发展（ABCD）研究和成人人类连接组计划（HCP），以了解结构脑连接组及其与认知的关系。数值结果表明，GATE在预测精度、统计推断和计算效率方面比竞争对手具有巨大优势。我们发现，结构连接体与广泛的人类认知特征之间的联系比使用以前的方法明显。
2021-09-13 cs.LG q-bio.NC stat.ML
Generative Modeling of Hidden Functional Brain Networks
功能连接性是指空间上不同的脑区域之间的时间统计关系，并且通常从感兴趣区域之间的脑活动的时间序列相干性/相关性推断。在人类脑功能网络中，网络结构通常由功能磁共振成像（fMRI）的血氧水平依赖（BOLD）信号推断。由于BOLD信号是神经元活动的代理，因此学习潜在的功能网络结构是有意义的。此外，尽管有一组关于函数网络的核心观察，如小世界性，模块性，指数截断度分布，以及各种类型的枢纽的存在，但对引起这些观察的计算原理知之甚少。本文介绍了一个隐马尔可夫随机场框架的目的表示，估计和评估潜在的神经元功能之间的关系，不同的大脑区域使用功能磁共振成像数据。
2015-02-27 q-bio.NC stat.ML
The mind-brain relationship and the perspective of meaning
针对现象意识与心理因果性构成的心身问题，本文提出融合唯物主义与形而上学意识观的非物理主义框架，论证其符合物理规律且能解决心理因果问题，阐明意义视角作为心脑桥梁及与自我觉知、外部表征的关联。
2024-04-17 q-bio.NC quant-ph
Warnings and Caveats in Brain Controllability
在这项工作中，我们挑战的主要结论顾等人的工作（可控性的结构脑网络。Nature Communications 6，8414，doi：10.1038/ncomms9414，2015）。使用相同的方法和对四个数据集的分析，我们发现控制大脑网络的最小节点集总是大于1。我们还发现，平均/模态可控性和加权度之间的关系也适用于随机数据，并且静息状态网络在控制大脑方面没有发挥特定的作用。总之，我们表明，没有证据表明，拓扑结构在大脑网络的可控性发挥特定的和独特的作用。因此，应重新审视Gu等人对其结果的解释，特别是在平移应用方面（例如，使用单节点可控性属性来定义神经刺激的目标区域）。虽然理论上很有趣，但我们对可控性和结构脑网络之间关系的理解仍然难以捉摸。
2017-05-17 physics.bio-ph q-bio.NC
Homeostatic plasticity and emergence of functional networks in a whole-brain model at criticality
理解大规模结构和功能脑网络之间的关系仍然是现代神经科学中的一个关键问题。最近，人们越来越感兴趣地研究跨不同时空尺度的稳态可塑性机制在调节网络活动和大脑功能以对抗广泛的环境条件和大脑状态（例如，在学习、发育、衰老、神经疾病期间）。在本研究中，我们研究如何纳入稳态可塑性的随机全脑模型，实现作为一个正常化的传入节点的兴奋性输入，影响休息期间的宏观活动和功能网络的形成。重要的是，我们在组和基于个体的水平上解决结构-功能关系。在这项工作中，我们表明，正常化的节点的兴奋性输入提高了模型的模拟神经模式和各种脑功能数据之间的对应关系。事实上，我们发现，当模型控制参数处于其临界值时，实现了最佳匹配，并且归一化最大限度地减少了受试者之间的临界点和神经元活动模式的变异性。因此，我们的研究结果表明，纳入稳态原则导致更现实的大脑活动与关键性的标志一致。我们的理论框架在个性化的大脑建模中开辟了新的视角，并具有潜在的应用，以调查由于结构性病变（如中风）或大脑疾病而导致的偏离临界状态。
2018-09-27 q-bio.NC
A Structure-guided Effective and Temporal-lag Connectivity Network for Revealing Brain Disorder Mechanisms
脑网络为许多脑疾病的诊断提供了重要的见解，如何有效地对脑结构进行建模已成为脑成像分析领域的核心问题之一。最近，已经提出了各种计算方法来估计因果关系（即，有效连接）之间的大脑区域。与传统的基于相关性的方法相比，有效的连通性可以提供信息流的方向，这可能为脑部疾病的诊断提供额外的信息。然而，现有的方法要么忽略了大脑区域之间的信息传输存在时间滞后的事实，要么简单地将所有大脑区域之间的时间滞后值设置为固定值。为了克服这些问题，我们设计了一个有效的时间滞后神经网络（简称ETLN），同时推断的因果关系和大脑区域之间的时间滞后值，它可以在一个端到端的方式进行训练。此外，我们还介绍了三种机制，以更好地指导大脑网络的建模。在阿尔茨海默病神经影像学倡议（ADNI）数据库上的评估结果证明了该方法的有效性。
2022-12-01 cs.AI eess.IV q-bio.NC
The multiphysics of prion-like diseases: progression and atrophy
许多神经退行性疾病与毒性蛋白在整个大脑中的传播和积累有关。由这些有毒蛋白质的聚集体产生的损伤进一步导致细胞死亡和加速的组织萎缩。这些疾病中的一些的显著特征是它们的特征性模式和演变，导致神经病理学可见的良好编码的疾病阶段，并且与各种认知缺陷和病理学相关。在这里，我们模拟的各向异性传播和积累的有毒蛋白质在全脑几何。我们发现，相同的模型与不同的初始播种区再现不同的朊病毒样疾病的特征演变。我们还恢复了总毒性蛋白负荷的预期演变。最后，我们将我们的运输模型耦合到机械萎缩模型，以获得神经退行性疾病中发现的典型变性模式。
2018-04-05 q-bio.NC q-bio.TO
Quantifying the cost of network computations to unpack structure-function relationships in the brain
University of Pennsylvania（宾夕法尼亚大学）；Cornell University（康奈尔大学）；Massachusetts General Hospital, Harvard Medical School（哈佛医学院马萨诸塞州总医院）；University of California, Irvine（加州大学尔湾分校）；Yale University（耶鲁大学）
本研究建立定量框架，利用控制理论定义计算 affordance 景观，揭示大脑网络结构与计算成本的关系，发现人类脑网络及训练后的循环神经网络的景观异质性与功能角色相关。
2026-08-03 physics.bio-ph q-bio.NC
Incomplete Multimodal Learning for Complex Brain Disorders Prediction
University of Pittsburgh（匹兹堡大学）；University of Pennsylvania（宾夕法尼亚大学）；University of Southern California（南加州大学）
本文提出一种基于transformer和生成对抗网络的不完整多模态学习方法，训练时利用神经影像和遗传数据等辅助模态，推理时仅使用最常见模态，并在ADNI队列上显著提升了认知退化与疾病结局预测性能。
2023-05-25 cs.CV cs.LG eess.IV
Fibration symmetry-breaking supports functional transitions in a brain network engaged in language
本文利用源自 Grothendieck 纤维化的局部对称性理论，研究人脑语言网络的结构连接与功能同步之间的关系，发现静息态的纤维化对称性在向语言转换时发生破缺，从而揭示大脑网络对称性决定其相干功能。
2024-09-04 physics.app-ph q-bio.NC
Global excitability and network structure in the human brain
本研究利用Wilson-Cowan振荡器模型仿真基于人类连接组的脑网络自发动力学，探究脑结构-功能关系，发现脑网络拓扑可在低布线成本与强功能间平衡，且具备非活跃到全局兴奋的强转变能力。
2023-01-03 nlin.AO physics.bio-ph q-bio.NC
Modeling the relationship between regional activation and functional connectivity during wakefulness and sleep
整体大脑活动自组织成离散的模式，其特征在于不同的行为可观察性和信息处理模式。人类丘脑皮质系统是一个紧密相连的网络，局部神经激活会影响协调的集体动力学。我们引入了一个半经验模型来研究自然清醒-睡眠周期中不同大脑状态下区域激活和长程功能连接之间的关系。我们的模型结合了功能磁共振成像（fMRI）数据，在体内估计的结构连接，和解剖学上知情的先验约束区域激活的独立变化。正如预期的那样，基于功能连贯网络的先验导致了经验和模拟大脑活动之间的最佳拟合。我们发现，睡眠逐步划分的皮层区域呈现相反的动力学行为：额顶叶区域接近局部振荡动力学的分叉，而感觉运动区域呈现稳定的动力学噪声。与人类电生理学实验一致，睡眠开始诱导皮层下失活和解偶联，随后在更深的阶段逆转。最后，我们引入了可变强度的外部强迫来模拟外部扰动，并确定了与深度睡眠觉醒恢复特别相关的关键区域。我们的模型将睡眠表示为一种状态，在这种状态下，长程解耦和区域失活与向清醒快速过渡的潜力共存。我们的模拟提供的机制的见解，允许在硅片参数探索这种转变的外部扰动方面，具有潜在的应用程序的生理和病理大脑状态的控制。
2019-07-29 q-bio.NC
The refractory period matters: unifying mechanisms of macroscopic brain waves
复杂的脑振荡和单个神经元动力学之间的关系知之甚少。在这里，我们利用最大口径，一个动态推理原则，建立一个最小的，但一般的集体（平均场）的大种群的神经元动力学模型。与以前的实验观察一致，我们描述了一个简单的，可测试的机制，只涉及一种类型的神经元，其中许多复杂的振荡模式可能会出现。我们的模型预测，神经元的不应期，这是以前被忽视的，是必不可少的这些行为。
2020-09-03 q-bio.NC
A unified model for the origins of spongiform degeneration and other neuropathological features in prion diseases
本研究提出朊病毒病神经病理特征的统一模型，指出致病性朊蛋白通过毒害脂筏触发内质网相关救援程序，解释了海绵状变性等多种病理结构的起源，并结合既往数据验证了模型合理性。
2025-01-15 q-bio.MN q-bio.NC
An Algebraic Topological Method for Multimodal Brain Networks Comparisons
了解大脑的连通性已经成为神经科学中最重要的问题之一。但是连接数据既可以反映大脑活动的功能关系，也可以反映大脑区域之间的解剖特性。虽然人们应该期望两种表示之间有明确的关系，但这并不简单。在这里，我们提出了一种形式主义，通过将结构（DTI）和功能（fMRI）网络嵌入到公共度量空间中来比较两者。在这个度量空间中，人们可以找到两个网络在哪些区域有显著差异。我们的方法不仅可以用来比较多模态网络，而且还可以提取一组主题的统计上显著的聚合网络。实际上，我们使用这个过程来聚合一组功能（fMRI）网络从不同的主题在一个聚合的网络，与解剖（DTI）的连接。聚合网络的比较揭示了与经典平均网络进行比较时未观察到的一些特征。
2015-04-10 nlin.AO physics.soc-ph q-bio.NC
Multilayer Networks in Neuroimaging
本文探讨了多层网络在神经影像学中的应用，通过构建大脑生成模型，揭示跨多尺度与多模态的复杂时空交互，为破译脑结构功能关系及建模疾病提供新见解。
2025-01-31 q-bio.NC q-bio.QM
Computing brain networks with complex dynamics
神经科学中的一个重要问题是，大脑网络中的全局行为是如何从网络连接和单个节点的神经动力学之间的相互作用中出现的。为了更好地理解这种理论关系，我们一直在探索一种简化的建模方法，在这种方法中，我们为每个节点配备复平面中的离散二次动力学，并研究由此产生的复二次网络（CQN）的新兴行为。CQN的长期行为可以用具有特定拓扑特征的渐近分形集来表示，远远超出了传统单映射迭代中所描述的那些。在这项研究中，我们说明了如何拓扑措施，这些渐近集可以有效地作为全面的描述符和分类器的动态tractography派生的连接为人类受试者。我们调查这些集合的复杂几何形状在多大程度上与网络架构（一方面）和网络行为（另一方面）有关。这有助于我们理解受试者的大脑功能，生理和行为及其底层连接架构之间的关系机制。
2022-09-12 nlin.CD q-bio.NC
Time-frequency analysis of event-related brain recordings: Connecting power of evoked potential and inter-trial coherence
本文通过理论推导、仿真和实验数据，揭示了事件相关脑记录时频分析中 POWavg、ITC 与 avgAMP 之间的近似关系 POWavg ≈ avgAMP² × ITC²，为研究诱发脑节律提供了新的分析工具。
2022-11-16 q-bio.NC q-bio.QM
A brain-wide association study of DISC1 genetic variants reveals a relationship with the structure and functional connectivity of the precuneus in schizophrenia
精神分裂症基因1（DISC 1）在神经信号传导和发育中起作用，并与精神分裂症有关，尽管它与这种疾病中改变的大脑结构和功能的联系尚未完全建立。在这里，我们已经使用结构和功能磁共振成像研究与六个DISC 1单核苷酸多态性（SNP）的联系。我们采用全脑关联分析（BWAS）与Jacknife内部验证方法在46例精神分裂症患者和24名匹配的健康对照组。结构MRI的结果显示，所有6个DISC 1变异体与楔前叶、中央后回和扣带回中部的灰质体积之间存在显著相关性。在左侧楔前叶和右侧中央后回发现rs 2738880与特定SNP的关联，在右侧楔前叶和扣带回中部发现rs 1535530与特定SNP的关联。使用显示结构关联的区域作为种子，静息态功能连接分析显示所有6个SNPS之间的显着关联和右楔前叶和额下回之间的连接。右侧楔前叶和额下回之间的连接也与rs 821617特异性相关。重要的是，精神分裂症患者显示出与左侧楔前叶和右侧中央后回灰质体积相关的六个DISC-1 SNP与阴性症状严重程度之间正相关。我们的研究结果提供了第一个证据，表明DISC 1多态性和楔前叶之间的结构和功能连接关联在精神分裂症中的关键作用。
2014-06-08 q-bio.GN q-bio.NC q-bio.QM
Enhanced brain structure-function tethering in transmodal cortex revealed by high-frequency eigenmodes
The brain's structural connectome supports signal propagation between neuronal elements, shaping diverse coactivation patterns that can be captured as functional connectivity . While the link between structure and function remains an ongoing challenge, the prevailing hypothesis is that the structure-function relationship may itself be gradually decoupled along a macroscale functional gradient spanning unimodal to transmodal regions. However, this hypothesis is strongly constrained by the underlying models which may neglect requisite signaling mechanisms. Here, we transform the structural conne…
2022-07-07 physics.soc-ph q-bio.NC
Edges in Brain Networks: Contributions to Models of Structure and Function
网络模型将大脑描述为代表其分布式组织的节点和边的集合。到目前为止，网络神经科学中的大多数发现都优先考虑突出网络节点的不同分组和专门功能贡献的见解。重要的是，这些功能的贡献是由网络边缘形成的相互关系网络决定和表达的。在这里，我们强调了大脑网络边缘对理解分布式大脑组织所做出的重要贡献。不同类型的边表示不同类型的关系，包括节点之间的连通性和相似性。采用特定的边缘定义可以从根本上改变我们分析和解释大脑网络的方式。此外，边缘可以关联到集体和更高阶的安排，描述时间序列，并形成边缘社区，提供对大脑网络拓扑结构的见解，以补充传统的以节点为中心的观点。关注边缘，以及它们可以提供的高阶或动态信息，揭示了以前未被充分认识的结构和功能网络组织的方面。
2021-05-14 q-bio.NC
Characterization of Large-Scale Functional Brain Networks During Ketamine-Medetomidine Anesthetic Induction
本研究通过颅内记录日本猕猴在氯胺酮-美托咪定麻醉诱导过程中的神经活动，以五秒间隔构建大规模功能脑网络，发现麻醉后网络属性转变，功能连接和整合能力下降，揭示了麻醉状态与网络架构的关系。
2023-09-04 q-bio.NC
History-dependence shapes causal inference of brain-behaviour relationships
本文指出开放系统中历史依赖性的真实情况不可判定，会造成脑—行为数据的虚假相关，并从模型模拟与干预主义角度阐明其对神经科学因果推断的根本限制。
2024-03-01 q-bio.NC q-bio.QM
Multi-scale community organization of the human structural connectome and its relationship with resting-state functional connectivity
在过去的十年里，人类连接体已经被广泛研究。一个主要的发现是，它可以被分解成密集互联的大脑区域的社区。然而，这一结果可能受到方法论的限制。过去的研究经常使用一个有缺陷的模块性措施，以推断连接体的社区结构。此外，这些研究依赖于直觉，即社区结构最好根据网络的静态拓扑结构来定义，而不是更动态的定义。在这份报告中，我们使用了分区稳定性框架，它根据马尔可夫过程（随机游走）定义社区，以推断连接体的多尺度社区结构。将社区结构与观察到的静息态功能连接进行比较，发现社区在广泛的动态尺度上与功能连接密切相关。这一结果表明，结构网络中的社区、通信过程模型和大脑功能之间存在映射关系。它进一步表明，大脑中的沟通并不局限于一个单一的特征规模，导致我们在大脑皮层的规模选择性沟通的启发。
2013-04-14 q-bio.NC
The MAPT gene is differentially methylated in the progressive supranuclear palsy brain
背景：进行性核上性麻痹（PSP）是一种罕见的神经退行性疾病，引起帕金森症状。微管相关蛋白tau基因的DNA甲基化改变与阿尔茨海默病和帕金森病大脑中的表达变化相关目的：由于通过甲基化激活不同的微管相关蛋白tau基因控制区可能调节tau蛋白的差异表达，从而构成个体tau蛋白病的特异性特征，我们比较了候选启动子内含子0的甲基化。方法：我们通过内含子0焦磷酸测序评估了不同tau蛋白病患者（35例阿尔茨海默病，10例皮质基底节变性和18例PSP）和19例对照组大脑中的DNA甲基化。我们还评估了11例PSP病例和12例对照的独立队列中的甲基化。额叶（受tau病理）和枕叶（未受影响）cortex.Results：在最初的样品中，一个CpG岛网站内含子0（CpG 1）显示出显着的低甲基化PSP影响的额叶皮质相比，与对照组（p = 0.022）。在重复样品中观察到这种低甲基化，但在枕叶皮质或其他tau蛋白病中未观察到。PSP和对照样本（合并初始和重复样本）在调整潜在混杂因素（年龄，H1/H1双倍型; p = 0.0005）后仍存在显著差异。PSP影响的组织表现出微管相关蛋白tau RNA高表达时，与对照组相比（p = 0.004），虽然没有相关性与CpG 1甲基化observed.Conclusions：这项探索性研究表明，区域以外的组成型启动子可能参与微管相关蛋白tau蛋白基因调控在tau蛋白病和…
2020-11-20 q-bio.GN q-bio.NC
Unique Brain Network Identification Number for Parkinson's Individuals Using Structural MRI
Indian Institute of Technology Guwahati（印度古瓦哈蒂印度理工学院）；National Institute of Mental Health and Neurosciences（国家精神卫生与神经科学研究所）
本文提出UBNIN算法，利用结构MRI为个体脑网络生成唯一识别编码，并分析不同年龄组帕金森病患者与健康对照的脑网络拓扑变化，发现聚类系数随年龄和稀疏度改变，为脑纹识别和年龄相关网络退化提供依据。
2023-09-19 cs.CV eess.IV q-bio.NC
Cognitive Control in the Controllable Connectome
认知是由神经生理过程支持的，这些过程既发生在局部解剖学邻域中，也发生在分布式大规模回路中。网络控制理论的最新证据表明，连接大规模大脑区域的白质通路提供了一个关键的底物，限制了单个区域影响控制这些过程的能力。然而，没有直接的证据存在大脑网络的可控性和认知控制性能之间的关系。在这里，我们通过从125名健康成年人获得的弥散张量成像数据构建结构脑网络来解决这一差距。我们定义了一个简化的大脑动力学模型，并模拟网络控制来量化模态和边界可控性，它们共同描述了一个区域的理论预测偏好的互补特征，以驱动大脑进入不同的认知状态。我们观察到，这些控制功能的结构连接性的个体差异显着相关的认知控制性能的个体差异，测量的连续性能注意力测试，颜色/形状切换任务，Stroop抑制任务，和空间n-回工作记忆任务。事实上，像前扣带回这样的控制中枢与默认模式和额叶联想区的区别在于它们的控制特性与认知功能的个体差异之间的关系。这些结果提供了第一个经验证据，网络控制形成了认知控制的基本机制。
2016-06-29 q-bio.NC
Brain Network Adaptability Across Task States
人类大脑的活动在不同的功能状态之间移动，以满足我们动态环境的需求，但指导这些转变的基本原则仍然知之甚少。在这里，我们利用网络科学的最新进展来分析大脑区域之间的功能相互作用模式。我们使用动态网络表征来探测大脑重构的景观，这些重构伴随着四种认知状态内和之间的任务表现：无任务休息状态，注意力要求状态和两种记忆要求状态。使用超图的形式主义，我们确定了存在的功能性相互作用，随着时间的推移，在（特定任务）和跨（一般任务）的大脑状态的强度波动连贯的组。与先前强调的许多二元（区域到区域）关系的复杂性相反，这些结果表明，大脑的适应能力可以通过驱动认知系统动态整合的共同过程来描述。此外，我们的研究结果建立了超图作为理解功能性脑动力学的有效措施，这也可能被证明是有用的检查跨任务，跨年龄，跨队列的功能变化。
2014-07-30 q-bio.NC
Static and dynamic measures of human brain connectivity predict complementary aspects of human cognitive performance
在认知网络神经科学中，大脑网络的连通性和社区结构与认知有关。这方面的研究主要集中在两个连接性的措施-模块化和灵活性-这往往是孤立的审查。通过使用52名年轻人的静息状态fMRI数据，我们研究了模块性，灵活性和认知任务的性能之间的关系。我们发现，灵活性和模块化是高度负相关的。然而，我们也表明，灵活性和模块化作出独特的贡献，以解释任务的性能，与模块化预测性能简单的任务和灵活性预测性能复杂的任务，需要认知控制和执行功能。这里提出的理论和结果允许大脑网络连接和认知过程的测量之间有更强的联系。
2017-11-27 q-bio.NC
Deep Neural Networks Carve the Brain at its Joints
针对52项认知行为指标比较DNN与线性回归，发现脑区级DNN尤其擅长连接枢纽预测，跨区平均效果最佳，并借助多层网络模型揭示模块化架构的可解释性。
2020-09-09 physics.data-an q-bio.NC q-bio.QM
Structurally Constrained Brain Network Dynamics Reveal Reduced Functional Flexibility in Cocaine Use Disorder
University of Oklahoma（俄克拉荷马大学）；University of Tennessee Medical Center（田纳西大学医学中心）；University of Oklahoma Health Campus（俄克拉荷马大学健康校区）
本研究引入基于结构的动态功能连接框架，发现可卡因使用障碍患者脑网络整合增强、灵活性降低，且该特征可预测每周可卡因使用量，为可卡因成瘾的网络改变研究提供了有价值的测量方法。
2026-09-09 eess.SP q-bio.NC
Statistical Comparison among Brain Networks with Popular Network Measurement Algorithms
在这项研究中，一些流行的网络测量算法已被应用到几个大脑网络（基于算法的适用性），以找出这些流行的网络测量之间的统计相关性，这将有助于科学家了解这些流行的网络测量算法及其对大脑网络的适用性。通过分析这些网络测量算法之间的相关性，还总结了所选脑网络之间的统计比较。此外，为了理解每个大脑网络，每个大脑网络的可视化和每个大脑网络度分布直方图已经外推。根据网络测量算法的适用性，选择了6种网络测量算法对16个脑网络进行了时间测量，并将测量结果进行了相关性分析，以显示6种网络测量算法对每个脑网络的测量结果之间的关系。最后，总结了相关性的结果，以显示这十六个脑网络之间的统计比较。
2023-03-29 cs.SI q-bio.NC stat.CO
Linear-Threshold Network Models for Describing and Analyzing Brain Dynamics
本文综述了基于线性阈值速率（LTR）动力学的控制论方法，展示其如何通过稳定性、多稳态、分岔与振荡等特性解释选择性注意、陈述性记忆和癫痫发作等多种脑过程的动力学机制。
2024-10-17 cs.SY eess.SY q-bio.NC
BG-GAN: Generative AI Enable Representing Brain Structure-Function Connections for Alzheimer's Disease
Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）；University of Chinese Academy of Sciences（中国科学院大学）；Stevens Institute of Technology（史蒂文斯理工学院）；Hong Kong Metropolitan University（香港都会大学）；VinUniversity（越南 VinUniversity 大学）；King Fahd University of Petroleum and Minerals（法赫德国王石油矿产大学）；Uppsala University（乌普萨拉大学）；Tiangong University（天津工业大学）
针对脑结构-功能映射难题，提出双向图生成对抗网络BG-GAN，利用InnerGCN和Balancer模块生成连接，在ADNI数据集上提升AD识别准确率，揭示结构是功能基础且强连接相伴。
2025-02-23 cs.AI eess.IV q-bio.NC
Quantifying Neural Efficiency and Capacity: A Differential Equation Interpretation of Polynomial Contrasts
基于任务的神经成像工具，认知神经科学的研究提供了深入了解大脑如何应对不断增长的认知需求。神经-认知关系的理论模型是基于对大脑活动线性和非线性增加的观察而开发的。神经网络的效率和容量是目前理论模型的两个参数。这两个理论参数分别描述了大脑活动的增加速率和增加的上限。目前的工作表明，增加大脑活动的二次模型响应n-back任务是一个微分方程模型的解决方案。这种对分析常见认知任务的标准方法的重新解释提供了丰富的新见解。结果包括神经效率和能力的全脑测量。神经-认知关系的量化为支持当前认知神经科学理论提供了证据。此外，这些方法为理解工作记忆的神经机制提供了一个框架。这允许在概念研究框架内估计实验操作的影响。所提出的方法被应用于21名健康的年轻人，同时参与四个级别的n-back任务。所有的方法都可以很容易地应用于神经成像的标准当前软件包。
2016-06-20 q-bio.NC q-bio.QM
Nonlinear brain dynamics and many-body field dynamics
我们报告了对参与与环境行为交换的受试者的大脑活动的测量。我们观察到的大脑状态的特点是协调振荡的群体的神经元，正在迅速变化的主题和它的环境之间的有意义的关系，建立和维持主动感知的演变。在条件刺激和条件反应的发作之间，在训练过的动物的感觉皮层中发现的具有高信息含量的神经活动的顺序空间模式类似于电影画面。它们不容易用经典的积分微分方程或神经网络的矩阵代数来描述。它们的模型由凝聚态物理学的场论提供。
2005-07-10 q-bio.NC q-bio.OT
Accurately Predicting Functional Connectivity from Diffusion Imaging
了解神经过程的动力学和大脑的解剖基质之间的关系是神经科学的中心问题。一方面，现代神经成像技术，如扩散张量成像，可用于构建结构图，代表连接皮质和皮质下结构的白质流线的架构。另一方面，神经活动的时间模式可用于构建表示脑区域之间的时间相关性的功能图。尽管一些研究提供了证据表明，全脑功能连接是由潜在的解剖结构塑造的，但观察到的功能和结构之间的关系很弱，解剖结构约束脑动力学的规则仍然难以捉摸。在这篇文章中，我们介绍了一种方法来预测高精度的功能连接的主题在休息，从他或她的结构图。使用我们的方法，我们能够系统地揭示结构路径在功能相关性形成中的作用。此外，在我们的实证评估中，我们观察到预测的功能连接的特征模式与不同认知系统相关的活动模式一致。我们的工作提供了潜在的推断临床或发育人群的脑动力学特性与功能性神经影像学的低耐受性。
2016-04-20 q-bio.NC stat.AP
Complex network analysis of brain functional connectivity under a multi-step cognitive task
功能性脑网络已被广泛研究，以了解大脑组织和行为之间的关系。本研究旨在探讨在包含连续行为的\emph{multi-step}认知任务下脑网络的功能连接，进一步了解行为对脑组织的影响。基于高空间和时间分辨率的fMRI数据集构建功能脑网络，并通过基于复杂网络的方法进行分析。我们发现，在体素水平上的功能性脑网络显示出强大的小世界性和无标度特性，而它的可扩展性和丰富的俱乐部组织略有限制的行为执行的顺序。更有趣的是，脑网络的功能连接在激活的ROI与行为密切相关，并表现出明显的差异，限于行为执行的顺序。这些实验结果表明，大脑组织具有小世界性和无标度性的共性特征，其由激活的感兴趣区产生的多样性功能连接是由这些行为活动通过大脑的可塑性强烈驱动的。
2017-11-28 physics.bio-ph physics.data-an q-bio.NC
State equation from the spectral structure of human brain activity
从个体人类受试者非侵入性记录的神经电磁（EM）信号在复杂性和幅度上各不相同。然而，由于频域中复杂的宽带特征，神经活动的变化一直难以量化和解释。研究记录的信号与脑磁图（MEG）从健康的年轻成人受试者，而在休息和活动状态下，一个系统的框架，灵感来自热力学的神经EM信号。尽管在不同时间段的谱熵和能量方面存在相当大的受试者间变化，但数据支持存在定义有效状态方程的鲁棒线性关系，与活动状态相比，静息状态下的能量较高，熵较低，在受试者之间一致。使用耦合振子模型网络进一步研究了经验测量的有效状态函数之间关系出现的潜在机制，表明噪声和耦合强度之间的相互作用可以解释经验观察到的量的相干变化。总之，结果表明，宏观神经可观测量遵循一个强大的，非平凡的能量调制和信息生成的守恒规则。
2018-07-03 cond-mat.dis-nn q-bio.NC
ASD Classification on Dynamic Brain Connectome using Temporal Random Walk with Transformer-based Dynamic Network Embedding
Institute of Data and Information, Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院数据与信息研究所）
针对静态脑连接组难以表征脑活动时变特性的问题，提出BrainTWT动态网络嵌入方法，结合时间随机游走与Transformer学习判别表示，并在ABIDE上提升ASD分类性能。
2025-03-16 cs.LG q-bio.NC
