The braingraph.org Database with more than 1000 Robust Human Structural Connectomes in Five Resolutions
人类大脑是我们今天遇到的最复杂的研究对象。绘制大脑中超过800亿个神经元之间的神经元水平连接对科学来说是一项无望的任务。随着磁共振成像(MRI)技术的发展,我们已经能够绘制出大约1000个大脑区域之间的宏观联系。MRI数据采集和随后的算法工作流程包含几个复杂的步骤,其中可能发生错误。在目前的贡献中,我们描述并公布了1064个人类连接体,从人类连接体计划的公开发布计算。每个连接体有5种分辨率,分别有83、129、234、463和1015个解剖标记的节点。对于错误校正,我们遵循平均和极值删除策略,每个边缘和每个连接体。最终的5320个脑图可以从\url{https://braingraph.org}网站下载。该数据集使不熟悉神经成像和连接组相关工具的科学家能够访问这些图表:数学家,物理学家和工程师可以使用他们的专业知识和想法来分析人类大脑的连接。脑科学家也有一个强大的,大的,多分辨率的连接组学研究。
2020-08-30 q-bio.NC
The Advantage is at the Ladies: Brain Size Bias-Compensated Graph-Theoretical Parameters are Also Better in Women's Connectomes
在我们以前的研究中,我们已经表明,女性连接体有显着更好的,深图论参数,有关优越的“连接性”,比男性的连接体。由于女性大脑的平均体积小于男性大脑的平均体积,我们不能排除女性大脑的显著优势是由于数据中的尺寸差异,而不是性别差异。为了过滤掉可能的脑容量相关伪影,我们选择了36个小的男性和36个大的女性大脑,使得女性组中的所有大脑都大于男性组中的所有大脑。对于这些集合,我们计算了相应的脑图,并计算了许多图论参数。我们发现:(i)小的男性大脑缺乏我们之前对女性大脑的研究中所显示的更好的连接优势;(ii)在许多参数中,从大大脑女性计算的连接组仍然具有显着的深度连接优势,在我们之前的研究中证明了这一点。
2015-12-03 q-bio.NC
Rethinking Functional Brain Connectome Analysis: Do Graph Deep Learning Models Help
本研究发现图深度学习中的信息聚合机制对功能脑连接组预测性能无帮助,提出混合模型提升预测与可解释性。
2026-02-09 cs.AI cs.LG cs.NE
A Network Object Method to Uncover Hidden Disorder-Related Brain Connectome
神经精神障碍影响大脑在网络水平上的功能连接。与疾病相关的网络的识别和统计测试仍然具有挑战性。我们提出了新的方法来简化检测和测试的隐藏,无序相关的连接模式作为网络对象。我们定义一个异常的连接体子网络作为一个网络对象,包括三类:节点的大脑区域,边缘表示大脑的连接功能,和有组织的图形拓扑结构形成的这些节点和边缘。与传统的统计方法相比,该方法在拓扑信息的指导下,使边精确地借用优势,同时降低了假阳性和假阴性发现率,有效地提高了脑连接体研究结果的可重复性.网络对象分析可以提供关于大脑疾病如何系统地损害大脑连接体的见解。
2017-01-12 q-bio.NC stat.AP
The Potential of the Human Connectome as a Biomarker of Brain Disease
在大脑区域之间的纤维束水平上的人类连接体已被证明与健康对照组相比,大脑疾病患者的连接体有所不同。尽管如此,个体患者可能存在大量不同的网络组织,这可能导致认知缺陷,从而无法进行正确的诊断。因此,可以区分群体的变化可能不足以诊断个体患者所患的疾病,也不足以为该患者指明最佳治疗方案。我们描述了健康受试者和患者中连接体的巨大变异性所带来的挑战,并概述了使用连接体作为脑疾病生物标志物的三种常见策略。最后,我们提出了第四种选择,即使用基于结构连接而不是结构(连接体)本身作为疾病生物标志物的模拟大脑活动模型(动态连接体)。动态连接体,除了目前使用的结构,功能或有效的连接,可能是一个重要的未来生物标志物的临床应用。
2013-10-15 physics.med-ph 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
Learning and comparing functional connectomes across subjects
功能性连接体通过功能性磁共振成像信号的同步波动来捕获大脑相互作用。如果在休息时测量,它们会映射大脑的内在功能结构。通过任务驱动的实验,它们代表了专门大脑区域之间的整合机制。分析它们在不同受试者和条件下的变异性可以揭示大脑病理和认知机制的标志。从成像信号中估计功能连接体的方法经历了快速的发展,文献中充满了不同的策略来比较它们。本文旨在阐明功能连接方法之间的联系,并揭示不同的步骤来进行功能连接组的研究。
2013-04-14 q-bio.NC
Unified Embeddings of Structural and Functional Connectome via a Function-Constrained Structural Graph Variational Auto-Encoder
University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of Pittsburgh(匹兹堡大学)
图论分析已经成为大脑功能和解剖连接建模的标准工具。随着连接组学的出现,感兴趣的主要图形或网络是结构连接组(来自DTI纤维束成像)和功能连接组(来自静息状态fMRI)。然而,大多数已发表的连接体研究都集中在结构或功能连接体上,但当它们之间的互补信息在同一数据集中可用时,可以共同利用来提高我们对大脑的理解。为此,我们提出了一个功能约束的结构图变分自动编码器(FCS-GVAE)能够将信息从功能和结构连接体在一个无监督的方式。这导致了一个联合低维嵌入,建立了一个统一的空间坐标系,用于比较不同的主题。我们使用公开的OASIS-3阿尔茨海默病(AD)数据集评估我们的方法,并表明变分制剂是必要的,以最佳编码功能性脑动力学。此外,所提出的联合嵌入方法可以比不使用互补连接体信息的方法更准确地区分不同的患者亚群。
2022-07-05 cs.LG q-bio.NC
Learning Dynamic Graph Representation of Brain Connectome with Spatio-Temporal Attention
Yonsei University(延世大学);KAIST(韩国科学技术院)
大脑区域之间的功能连接(FC)可以通过功能神经成像方式测量的时间相关程度来评估。基于这些连接构建网络的事实,用于分析大脑连接体的基于图的方法提供了对人类大脑功能的见解。能够从图形结构化数据学习表示的图神经网络(GNN)的发展已经导致对学习大脑连接体的图形表示的兴趣增加。尽管最近尝试将GNN应用于FC网络已经显示出有希望的结果,但是仍然存在一个共同的限制,即它们通常不包含随时间波动的FC网络的动态特性。此外,一些试图使用动态FC作为GNN输入的研究报告,与静态FC方法相比,性能降低,并且没有提供时间解释。在这里,我们提出了STAGIN,学习动态图形表示的大脑连接体与时空注意力的方法。具体而言,脑图的时间序列被输入到STAGIN以获得动态图表示,而新颖的READOUT函数和Transformer编码器分别提供空间和时间的可解释性。在HCP-Rest和HCP-Task数据集上的实验证明了我们所提出的方法的优异性能。时空注意的分析也提供了与神经科学知识的并行解释,这进一步验证了我们的方法。代码可在https://github.com/egyptdj/stagin上获得
2021-10-21 cs.CV cs.LG q-bio.NC
The Budapest Reference Connectome Server v2.0
不同人类大脑的连接体是成对不同的:我们不能谈论抽象的“大脑图”。然而,两个典型的连接体有相当多的共同的图形边缘,可以描述相同的皮层区域之间的相同连接。布达佩斯参考Connectome服务器版本。2.0(http:connectome.pitgroup.org)生成96个不同皮层的连接体的共同边缘,每个具有1015个顶点,从人类连接体项目的96个MRI数据集计算。用户可以设置用于识别和过滤公共边缘的许多参数,并且可以以csv和GraphML格式下载图形;两种格式都带有由Freesurfer程序生成的顶点的解剖学注释。由此产生的共识图也在网站上的3D旋转大脑模型中自动可视化。利用各种参数设置生成的共识图可以用作基于不同的独立MRI图像的参考连接体,因此它们可以用作人脑的减少误差、低噪声、鲁棒的图形表示。
2015-01-06 q-bio.NC
Brain-wide connectome inferences using functional connectivity MultiVariate Pattern Analyses (fc-MVPA)
目前的功能性磁共振成像技术能够解析表征人类连接体的数十亿个个体功能连接。经典的统计推断程序试图从一组减少的观察结果和有限数量的受试者中对如此多的测量结果进行有效的推断,但对于最大效应量之外的任何测量结果都可能严重不足。本文讨论了fc-MVPA(功能连接多变量模式分析),一种新的应用程序的多变量模式分析技术的背景下,全脑连接体推断。FC-MVPA背后的理论,并通过公开的静息状态数据集的例子说明了它的几个关键概念,包括一个例子分析评估整个功能性连接体的性别差异。最后,通过蒙特卡罗仿真验证了该方法的有效性和灵敏度。除了提供强大的全脑推断外,fc-MVPA还提供了受试者之间功能连接异质性的有意义的表征。
2022-06-14 q-bio.NC q-bio.QM
Network analysis of the human structural connectome including the brainstem
该研究基于100名健康成人构建含脑干的结构连接组,通过多种中心性与全局拓扑分析发现脑干占据核心主导地位。
2023-01-30 cond-mat.dis-nn physics.bio-ph q-bio.NC
Expertise and Task Pressure in fNIRS-based brain Connectomes
双手运动技能的获得,在从机器人远程操作到手术的几个应用中至关重要,与延长的学习曲线相关。基于功能性近红外光谱(fNIRS)数据的大脑连接性在区分专家和新手外科医生方面显示出了有希望的结果。然而,它是不太好理解的专业知识相关的差异,在大脑连接的动态时间需求在手术任务中经历的调制。在这项研究中,我们使用fNIRS检查额叶和运动脑区域之间的相互作用,在一个队列的外科住院医生不同的专业知识下执行腹腔镜手术任务的时间需求。结果表明,老年人的前额叶运动连接更能适应时间压力。此外,大脑连接体的某些全局特征(例如小世界指数)可用于检测潜在压力源的存在。
2020-01-01 q-bio.NC
Comparing Advanced Graph-Theoretical Parameters of the Connectomes of the Lobes of the Human Brain
深度,经典的图论参数,如最小顶点覆盖的大小,色数,或图的邻接矩阵的特征间隙在上个世纪被数学家广泛研究。今天,大多数研究人员研究的是大脑图或连接组的简单得多的参数,这些参数是在过去20年里为具有数亿节点的巨大网络(如万维网)定义的。由于描述人类大脑连接的连接组今天通常包含数百个顶点,因此可以计算和分析这些相对较小的大脑图的更深,更难计算的经典图参数。这种更深层次的方法已被证明是非常成功的比较的连接的性别在我们早期的作品:我们已经表明,图形参数,深刻地表征图形连接是显着更好的女性的连接比男性的。在目前的贡献,我们比较了许多图形参数在三个最大的叶-额叶,顶叶,颞叶-和在两个半球的大脑。我们应用了NIH资助的人类连接组计划的423名受试者的弥散加权成像数据,并提出了一些以前从未描述过的发现,包括右顶叶包含更多的边缘,具有更高的平均度,密度,更大的最小顶点覆盖和Hoffman边界比左顶叶。对于左额叶与右额叶以及对于右颞叶与左颞叶,深度图连接性属性中的类似优势是成立的。
2017-09-14 q-bio.NC
Parameterizable Consensus Connectomes from the Human Connectome Project: The Budapest Reference Connectome Server v3.0
在宏观尺度上,活体人脑的连接可以通过基于扩散MR成像的工作流程来映射。由于相同的解剖区域可以对应于不同的大脑,人们可以比较多个皮质之间连接两个相同解剖区域的边缘的存在或不存在。在此之前,我们已经在布达佩斯参考连接组服务器v1.0和v2.0中分别在1015个顶点上构建了共识脑图。在这里,我们报告的3.0版本的服务器的建设,生成的连接体的各种参数化子集的1015顶点连接体的477个主题的人类连接体项目的500主题发布的共同边缘。共识连接体可以以csv和GraphML格式下载,它们也可以在服务器页面上可视化。服务器的共有连接体可以被认为是“平均的、健康的”人类连接体,因为它们的所有连接都存在于至少$k$受试者中,其中默认值为$k=209$,但它也可以在网络服务器上自由修改。网络服务器位于\url{http://connectome.pitgroup.org}。
2016-02-15 q-bio.NC
High-Accuracy Machine Learning Techniques for Functional Connectome Fingerprinting and Cognitive State Decoding
University of Denver(丹佛大学);Indiana University, Bloomington(印第安纳大学伯明顿分校)
人类大脑是一个复杂的网络,由功能和解剖学上相互连接的大脑区域组成。越来越多的研究表明,大脑网络的经验估计可能有助于发现疾病和认知状态的生物标志物。然而,实现这一目标的先决条件是,大脑网络也可以作为个体的可靠标记。在这里,使用人类连接组项目数据,我们建立在最近的研究检查基于大脑的指纹的个人科目和认知状态的认知要求的任务,评估,例如,工作记忆,心理理论和运动功能。我们的方法实现了高达99\%的准确性识别的fMRI扫描的主题,并在扫描中的一个以前看不见的主题的认知状态的分类。更广泛地说,我们探索了五种不同的机器学习技术对受试者指纹识别和认知状态解码目标的准确性和可靠性,使用来自大量受试者(865)在许多认知状态(8)上的fMRI扫描的功能连接数据。这些结果代表了基于功能连接的脑指纹和状态解码的现有技术的进步。此外,16个不同的预处理管道进行比较,以表征功能连接体(FC)的生产的不同方面对主题和任务分类的准确性的影响,并确定可能的混淆。
2022-11-14 cs.LG q-bio.NC
The Dorsal Striatum and the Dynamics of the Consensus Connectomes in the Frontal Lobe of the Human Brain
在图论的应用中,考虑同一顶点集上的许多成对的不同图是不寻常的。然而,在人类脑图或连接组的情况下,这是标准情况:节点对应于解剖学上识别的大脑区域,并且如果基于扩散MRI的工作流程识别出轴突纤维,则两个顶点通过边缘连接,该轴突纤维在两个区域之间延伸,对应于两个顶点。因此,如果我们检查$n$受试者的脑图,那么我们就会得到$n$图,它们位于完全相同的、解剖学上确定的顶点集上。描述这些图中频繁出现的$k$边是一个自然的想法:这些边存在于$n$图中至少$k$中相同的两个顶点之间。基于NIH资助的大型人类连接组项目的公开数据发布,我们报告了布达佩斯参考连接组服务器\url{http://connectome.pitgroup.org}的构建,该服务器生成并可视化这些$k$ -频繁出现的边缘。我们将$k$ -频繁出现的边的图称为“$k$ -共有连接组”,因为只有当边存在于$n$中的至少$k$图中时,它才能被包括在内。考虑到整个人类大脑,我们之前已经报道了这些共识连接体的一个令人惊讶的特性。在目前的工作中,我们专注于大脑的额叶,我们在这里报告了一个类似的令人惊讶的动力学特性的共识连接体时,$k$逐渐从$k=n$到$k=1$:额叶的节点之间的连接似乎是从那些节点,连接到背侧纹状体的皮质下结构:尾状核,和壳核。我们假设这种动态行为复制了额叶轴突纤维的发育。
2016-05-04 q-bio.NC
The Frequent Subgraphs of the Connectome of the Human Brain
在绘制人类结构连接体的过程中,我们处于一个非常幸运的境地:人们可以计算和比较图表,描述数百名人类受试者中相同的、解剖学上确定的灰质小区域之间的大脑连接。这些图的比较导致了许多最近的结果,如(i)发现女性的连接体具有更深和更丰富的连接性相关的图参数,就像男性的那些,或(ii)更多和更少保守连接的脑叶和大脑区域的描述,以及(iii)发现共识连接体动力学现象。今天,脑科学最大的挑战之一是描述和建模人类大脑的电路。为了实现这个目标,我们需要识别几乎所有人类受试者中都存在的子回路和那些频率低得多的子回路:前一个子回路最有可能具有普遍重要性的功能,后一个子回路可能与大脑结构和功能的个体差异有关。本文描述了人脑中最多6条边的频繁连接子图(而不是子电路)。我们分析这些频繁的图形,并检查这些图形中的性别差异:我们展示了许多连接的子图,更频繁的女性或男性连接体。虽然我们的结果描述的是子图,而不是子电路,但我们需要注意的是,所有宏观子电路都对应于一个底层连通子图。我们的数据来源是人类连接组计划的公开发布,我们在这项研究中应用了426名人类受试者的数据。
2017-11-30 q-bio.NC
Comparative prospects of imaging methods for whole-brain mammalian connectomics
本文定量比较了电子显微镜(EM)和膨胀光片荧光显微镜(ExLSFM)等成像技术,以评估其在实现哺乳动物全脑连接组学中的潜力,为规划相关项目提供参考。
2025-01-30 q-bio.NC q-bio.QM
The topology of higher-order complexes associated with brain-function hubs in human connectomes
由不同阶数的单纯形描述的复杂系统中的高阶连通性为基于单纯形的动态变量和相互作用提供了一种几何结构。构成人类连接体功能几何结构的单纯复合体对于大脑复杂动力学至关重要。在这种情况下,连接最好的大脑区域,被指定为枢纽节点,在支持综合大脑功能方面发挥着核心作用。在这里,我们研究了连接到女性和男性连接体中的八个全球枢纽的单纯复合体的结构,并确定了受影响的大脑区域之间的核心网络。这八个枢纽(Putamen,Caudate,Hippocampus和Thalamus-Proper在左右大脑半球)是根据其拓扑维度排名最高的,定义为节点参与的所有订单的单形的数量。此外,我们分析了单形的权重依赖的异质性。当阈值权重逐渐增加时,我们展示了所识别的核心网络结构和拓扑熵的变化。这些结果突出了人类大脑网络中高阶相互作用的作用,并为女性和男性连接体之间的相似性提供了额外的证据。
2020-06-18 cond-mat.dis-nn math.AT q-bio.NC
Selective activation of resting state networks following focal stimulation in a connectome- based network model of the human brain
影像学研究表明,静息态网络(RS-网络)的功能连接模式反映了潜在的结构连接(SC)。如果连接体限制了大脑区域在功能上的连接,那么对特定大脑区域的刺激应该会产生一种特征性的活动波,最终分解为RS网络。为了系统地验证这一假设,我们使用了一个基于连接组的网络模型的人脑与详细的现实的SC。我们系统地激活所有可能的丘脑和皮质区的局灶性刺激模式,并确认特定区域的刺激唤起网络模式,非常类似RS网络。对于一些站点,一个或没有RS网络被占用,而对于其他站点,多于一个RS网络可以演进。我们的研究结果证实,大脑是在临界的边缘操作,其中刺激产生级联的功能网络招聘,崩溃到一个较小的子空间,这是由解剖局部和远程SC的部分限制。我们认为,信息流,以及随后的认知处理,遵循特定的路线所施加的连接体功能,这些路线解释了RS网络的出现。由于脑刺激可用于诊断/治疗神经系统疾病,我们提供了一个查找表,显示哪些区域需要刺激以激活特定的RS网络。
2016-02-23 q-bio.NC
How to Direct the Edges of the Connectomes: Dynamics of the Consensus Connectomes and the Development of the Connections in the Human Brain
人类的连接体是当今深入研究的对象。在这些图中,顶点对应于灰质的小区域,并且如果基于扩散MRI的工作流发现这些区域之间的连接,则两个顶点通过边缘连接。该领域的一个主要问题是发现边缘的方向。在以前的工作中,我们已经报道了布达佩斯参考连接组服务器http://connectome.pitgroup.org的建设,从NIH的人类连接组项目中记录的数据。在服务器发布之后,我们发现了一个令人惊讶和不可预见的特性:对于任何$k=1,2,...,418$值,服务器可以生成至少存在于418个$k$图中的连接的brainglist。当通过从右向左移动web服务器上的滑块将$k$的值从$k=418$更改为1时,共识图中出现越来越多的边。令人惊讶的是,新边缘的出现并不是随机的:它类似于一棵正在生长的树。我们假设,在Web服务器中滑块的这种移动可能会复制人类大脑中连接的发展,在以下意义上:所有受试者中存在的连接是最古老的,而那些存在于受试者中的比例逐渐减少的连接是个体大脑发展中的新连接。关于这一现象的动画可在https://youtu.be/EnWwIf_HNjw上查阅。基于这一假设,我们可以将方向分配给连接体的边缘,如下:让$G_i$表示共有连接体,其中每个边缘至少存在于$i$图中。假设顶点$v$在$G_{k+1}$中是孤立的,并且变为连接到$G_k$中的顶点$u$,其中$u$连接到已经在$G_{k+1}…
2016-03-13 q-bio.NC
The multiscale self-similarity of the weighted human brain connectome
本文基于经验数据重建多尺度人脑连接组,发现加权统计特性(含弱连接排序)具有跨尺度自相似性,并通过基于双曲嵌入的加权几何模型实现统一重整化,揭示人脑加权连接中的临界性特征。
2024-10-09 physics.bio-ph physics.soc-ph q-bio.NC
The Reconfiguration Pattern of Individual Brain Metabolic Connectome for Parkinson's Disease Identification
背景资料:正电子发射断层扫描(PET)与18 F-氟脱氧葡萄糖(18 F-FDG)揭示帕金森病(PD)在全身水平的代谢异常。以前的代谢连接体研究来自患者群体,未能确定个人的神经生理学细节。我们的目的是建立一个个体的代谢连接体的方法来表征异常的连接模式和拓扑结构改变的个体水平的大脑代谢连接体及其诊断价值的PD。方法:收集49例PD患者和49例健康对照者的18F-FDGPET资料。每个人的代谢脑网络确定使用建议的詹森-香农发散相似性估计(JSSE)方法。分析个体代谢脑网络的组间差异及其全局和局部图度量,以研究代谢连接体的改变。通过多核支持向量机(MK-SVM)结合连接和拓扑度量的信息,识别HC个体的PD。采用巢式留一交叉验证策略进行验证,以确认方法的性能。结果如下:JSSE代谢连接组方法显示PD中参与最多的代谢运动网络是PUT-PCG、THA-PCG和SMA通路,与典型的组水平方法相似,并在ACG-PCL、DCG-PHG和ACG通路中获得了另一个详细的个体病理连接。这些异常的功能网络措施表现出理想的分类性能,在识别PD个人HC个人的准确率高达91.84%。
2021-04-29 q-bio.NC
Data-driven mapping between functional connectomes using optimal transport
Yale University(耶鲁大学);Yale School of Medicine(耶鲁医学院)
从功能性磁共振成像中获得的功能性连接体长期以来一直被用于了解大脑的功能组织。尽管如此,连接体还是与创建它的图谱有着内在的联系,换句话说,从一个图谱生成的连接体与从另一个图谱生成的连接体在规模和分辨率上是不同的。能够在不同的地图集之间映射连接体和衍生结果而无需额外的预处理是改善使用不同地图集的研究之间的解释和概括的关键一步。在这里,我们使用最优传输,一个强大的数学技术,找到两个地图集之间的最佳映射。然后使用该映射将时间序列从一个图谱变换到另一个图谱,以便重建连接体。我们通过将转化的连接体与它们的“金标准”对应物(即,直接从图谱生成的连接体),并通过将这些连接体应用于基于不同图谱的预测模型来证明变换的连接体的效用。我们发现,这些转换后的连接体是显着类似于他们的“金标准”的同行,并保持大脑行为协会的个体差异,证明了我们的方法的有效性和其实用性在下游分析。总的来说,我们的方法是一个很有前途的途径,以增加在不同的地图集上的基于连接体的结果的泛化。
2021-07-02 cs.LG q-bio.NC
Functional Geometry of Human Connectome and Robustness of Gender Differences
将大脑成像数据映射到网络,其中每个节点代表大脑的特定区域,这使得对人类连接体的客观图论分析成为可能。然而,高阶连接的潜在结构仍未被探索,其中许多协同作用的大脑区域执行复杂的功能。在这里,我们分析这个隐藏的结构,使用单纯形复参数化,其中的共享面的单纯形编码节点组和新兴的双曲几何之间的高阶关系。基于人类连接组计划中收集的数据,我们通过改变发射的纤维数量对100名女性(F-连接组)和100名男性(M-连接组)受试者的共识网络进行了系统分析。我们的分析表明,共同的F\& M-连接体的功能几何形状与M-连接体相一致,其特征是由一个复杂的结构的单形到第14阶,这是建立在6个解剖社区,和它们之间的短周期。此外,F-连接体有额外的连接,涉及不同的大脑区域,从而增加了单纯形的大小并引入了新的循环。通过对解剖学大脑模块的内部组织以及它们之间对动力学至关重要的联系提供新的见解,这些结果也突出了与性别有关的功能差异
2019-04-06 cond-mat.dis-nn math.AT q-bio.NC
Modelling brain connectomes networks: Solv is a worthy competitor to hyperbolic geometry!
Institute of Informatics, University of Warsaw(华沙大学信息学研究所)
针对连接体嵌入几何类型受限的问题,提出基于模拟退火的算法将21个连接体网络嵌入六种几何,发现Solv几何表现良好,是双曲几何的有力竞争者。
2024-07-22 cs.AI math.MG q-bio.NC
Topology of the mesoscale connectome of the mouse brain
小鼠大脑的接线图最近在艾伦小鼠大脑连接地图集中以介观尺度绘制。使用绿色荧光蛋白追踪来自大脑区域的轴突投射。所得到的数据被配准到一个共同的三维参考空间。他们得出了213个大脑区域之间的连接强度矩阵。全局特征,例如由相似强度的连接形成的闭合环,可以使用持久同源性的工具来推断。我们将小鼠大脑的接线图映射到单纯复合体(通过连接强度过滤)。我们求出了第一个同调群的生成元。有些区域,包括脑桥核,通过回路连接到整个大脑,而没有一个区域与所有大脑区域的连接强度为非零。成千上万的回路穿过同皮质,纹状体和丘脑。另一方面,髓质是唯一包含超过100个回路的主要脑区室。
2018-12-21 q-bio.NC
Optimal navigability of weighted human brain connectomes in physical space
本文提出一种结合连接权重与空间嵌入的分散式路由策略谱,并在个体连接组和队列原型上验证发现存在一个稳健的中间“最佳点”,能以低传输成本实现最大通信效率,揭示了连接强度、拓扑与脑几何的协同作用对提升脑可通信性的重要性。
2023-11-17 physics.bio-ph physics.soc-ph q-bio.NC
A Tutorial in Connectome Analysis: Topological and Spatial Features of Brain Networks
现在正在开发用于产生神经系统中的连接集(连接体)的高通量方法。本教程描述了在大脑区域之间的宏观连接水平以及神经元之间的微观连接水平上分析连接体的拓扑和空间组织的方法。我们将在三个不同的层次上描述拓扑特征:单个节点的局部尺度、节点集的区域尺度和网络中完整节点集的全局尺度。这些特征可用于表征网络的组成部分并比较不同的网络,例如用于临床研究的患者和对照受试者的连接体。在全球范围内,可以区分不同类型的网络,我们将描述Erdös-Rényi随机,无标度,小世界,模块化和分层网络原型。最后,连接体也有一个空间组织,我们描述了分析神经系统布线长度的方法。作为连接体分析领域的新研究人员的介绍,我们讨论了每种分析方法的优点和局限性。
2011-05-24 cs.SI physics.soc-ph q-bio.NC
The Robustness and the Doubly-Preferential Attachment Simulation of the Consensus Connectome Dynamics of the Human Brain
公开获取的人脑弥散MRI数据的数量和质量的不断增加使得对大脑的研究成为可能,因为这在以前是不可想象的。共有连接组动态(CCD)是通过在布达佩斯参考连接组服务器(\url{http://connectome.pitgroup.org})的图形界面处连续减小最小置信度参数而发现的显著现象。布达佩斯参考连接组服务器用频率参数$k$描绘了$n=418$受试者的大脑连接:对于任何$k=1,2,...,n$,可以查看至少存在于$k$连接组中的边缘的图。如果参数$k$从$k=n$到$k=1$逐个减小,则越来越多的边出现在图中,因为包含条件被放松。令人惊讶的是,边缘的外观远非随机:它类似于一个生长的复杂结构,就像一棵树或一棵灌木(在\url{https://www.youtube.com/watch?v=yxlyudPaVUE}上可视化)。在这里,我们研究的CCD现象的鲁棒性,我们表明,它几乎是独立的特定选择的一组潜在的个人连接体,产生CCD现象。这一结果表明,CCD现象很可能是人类大脑的一种生物学特性,而不仅仅是所检查的数据集的特性。我们还提出了一个模拟,很好地描述了CCD结构的增长:在我们的随机图模型中,发现一个双重优先的附件分布模仿CCD:一个新的边缘出现的概率成正比的新边缘的端点的度的总和。
2016-10-14 q-bio.NC
Brain organization into resting state networks emerges at criticality on a model of the human connectome
大尺度脑结构与功能的关系是神经科学中一个突出的开放性问题。我们接近这个问题,通过研究的动态制度下,现实的时空模式的大脑活动出现从经验得出的网络人脑神经解剖连接。结果表明,关键的动态展开的结构连接的人脑允许恢复功能性磁共振成像(fMRI),如发散的相关长度,相关波动的异常缩放,以及出现大规模的静息态网络获得的许多关键的实验结果。
2013-02-21 cond-mat.dis-nn physics.bio-ph q-bio.NC
Constrained Bayesian ICA for Brain Connectome Inference
脑连接组学是神经科学中的一个新兴领域,它致力于通过分析大脑区域之间的相互作用来理解认知过程和精神疾病。然而,在高维,低样本,和嘈杂的制度,典型的功能磁共振成像数据的特点,恢复这样的相互作用仍然是一个持续的挑战:我们如何才能发现模式的大脑区域之间的共同活动,然后可能与认知过程或精神疾病?在本文中,我们研究了一种约束贝叶斯ICA方法,与现有方法相比,该方法同时允许(a)多个信息源(fMRI,DWI,解剖学等)的灵活整合,(b)自动和无参数的选择适当的稀疏水平和连接的子模块的数量和(c)恢复的相互作用的不确定性的估计提供。我们的实验,无论是在合成和现实生活中的数据,验证了我们的方法的灵活性,并强调整合解剖信息的连接体推理的好处。
2019-11-13 q-bio.NC stat.AP
The Importance of Being Negative: A serious treatment of non-trivial edges in brain functional connectome
了解fMRI衍生的脑网络或连接体的模块化可以为脑功能组织的研究提供信息。然而,功能磁共振成像连接体还涉及负边缘,这是不严格占现有的模块化方法,要么忽略或任意加权这些连接。此外,大多数基于Q最大化的模块化算法产生的结果是可变的,再现性不佳。在这里,我们提出了一种替代的,可重复的方法,利用如何频繁的两个节点之间的粗体信号相关性是负的。我们在两个独立的公开的静息状态连接组数据集(人类连接组项目和1000个功能连接组)上验证了这种新的基于概率的模块化方法,并证明了仅负相关就足以理解静息状态模块化。事实上,这种方法a)允许双重公式化,无论考虑正边缘还是负边缘,都可以得到等效的解决方案; b)理论上与连接体上定义的伊辛模型相关联,从而产生最大化数据可能性的模块化结果。此外,我们还能够检测到最广泛使用的方法没有的模块性的性别差异。结果证实了我们的方法的优越性:a)具有最高概率为负的相关性始终放置在模块之间,b)由于等效的对偶形式,不需要任意的加权因子来平衡负相关性和正相关性之间的影响,这与现有的基于Q最大化的模块化方法不同。随着HCP等数据集被神经科学界广泛使用,适当的计算工具来理解fMRI连接体中负边缘的神经生物学信息变得越来越重要。
2017-06-05 q-bio.NC q-bio.QM
Magnetic Resonance Connectome Automated Pipeline
这份手稿提出了一种新颖的,紧密集成的管道,用于估计连接体,这是对大脑中神经回路的全面描述。该管道利用磁共振成像(MRI)数据来产生对人脑结构连接性的高水平估计。磁共振连接组自动化流水线(MRCAP)是高效的,其模块化结构允许研究人员修改算法以满足其特定要求。该管道已经过验证,迄今已处理和分析了200多个连接器。该工具能够预测和评估各种认知协变量,这项研究适用于各种领域和应用。MRCAP将使MR连接体能够快速生成,最终有助于刺激对人类大脑结构和功能的发现。
2011-11-11 physics.med-ph q-bio.NC
Dynamic Functional Connectivity Features for Brain State Classification: Insights from the Human Connectome Project
AI and Digital Science Institute(人工智能与数字科学研究所);Institute for Cognitive Neuroscience(认知神经科学研究所);HSE University(俄罗斯高等经济大学)
本研究利用HCP的fMRI数据,通过线性机器学习模型实现脑状态的高精度分类,并揭示功能特化及时间动态在功能连接中的关键作用。
2025-10-06 cs.AI q-bio.NC
Uncovering the invariant structural organization of the human connectome
为了了解人类大脑复杂的认知功能,研究结构连接体是必不可少的,即,不同的大脑区域通过轴突通路相互连接。然而,人类大脑的高度可塑性和跨种群变异性使得很难将结构与功能联系起来,从而激发了对连接中不变模式的搜索。与此同时,种群内的变异性可以提供有关生殖机制的信息。在本文中,我们分析了连接拓扑结构和链接权重分布的人体结构连接体从数据库中包括196个主题。通过展示个体连接的出现频率与其在整个人群中的平均权重之间的对应关系,我们表明大脑连接的过程并不独立于连接体的连接权重的确定过程。此外,使用与整个人群中每个链接相关的权重的特定分布,我们表明,特定于链接的单个参数可以解释其发生频率,以及其权重在不同受试者中的变化。该参数为“重新缩放”每个连接体中的链接权重提供了基础,使我们能够获得代表人脑的通用网络,这与连接体的简单平均值不同。我们通过在相应的结构连接体的每个顶点上实现神经质量模型来获得功能连接体。通过与经验功能脑网络的比较,我们证明了重新标度过程产生了更紧密的结构-功能对应关系。最后,我们表明,代表性的网络可以分解成一个基本组成部分,是稳定的整个人口和高度可变的上层建筑。
2020-12-31 physics.bio-ph q-bio.NC
On higher order computations, rewiring the connectome, and non-von Neumann computer architecture
大脑中的结构可塑性(即重新连接连接体)可以被视为神经回路动态重构的机制。大脑中的一阶计算是由静态神经回路完成的,而高阶计算是由神经回路之间的链接(突触)的动态重新配置完成的。静态神经回路对应于一阶可计算函数。它们之间的突触创建(激活)对应于函数合成的数学概念。函数是以函数作为参数的高阶函数。泛函的构造是基于功能成分的动态重构。也许这些功能与连接体的重新布线机制相对应。人脑的结构不同于冯·诺依曼的计算机体系结构。人类大脑中的高阶计算(基于泛函)可能暗示了一种非冯·诺依曼计算机体系结构,这是约翰·巴克斯在1977年提出的挑战\cite{Backus}。本文是对Proc. ICANN 2016上发表的论文的实质性扩展和修订。
2020-10-03 cs.NE q-bio.NC
Modeling the Shape of the Brain Connectome via Deep Neural Networks
University of Utah(犹他大学);Florida State University(佛罗里达州立大学);University of Vienna(维也纳大学);University of Virginia(弗吉尼亚大学)
扩散加权磁共振成像(DWI)的目的是推断个体受试者体内大脑的结构连接性。为了统计研究正常和异常脑连接体之间的变异性和差异,需要神经连接的数学模型。在本文中,我们将大脑连接体表示为黎曼流形,这使我们能够将神经连接建模为测地线。这导致了估计与DWI数据兼容的黎曼度量的挑战性问题,即,一种度量,使得测地线曲线表示连接组的各个纤维束。我们把这个问题归结为求解一组高度非线性的偏微分方程(PDE),并研究了卷积编码器-解码器神经网络(CEDNNs)解决这个几何动机PDE的适用性。我们的方法在测地线与白质路径的对齐方面取得了优异的性能,并解决了以前测地线纤维束成像方法中的一个长期存在的问题:无法以高保真度恢复交叉纤维。
2023-03-03 cs.CV eess.IV q-bio.NC
Mesoscopic architecture enhances communication across the Macaque connectome revealing structure-function correspondence in the brain
从组织结构的角度对大脑进行中等尺度的分析,提供了一种方法来解决大脑大量组成部分之间相互作用所产生的复杂性。专注于布线图,跨越皮质,基底神经节和丘脑的猕猴大脑,我们提供了一个中观层次的拓扑结构的一个研究最充分的哺乳动物连接体的描述。我们识别的每个强大模块都包括紧密相连的皮层和皮层下区域,这些区域在执行特定的认知功能时发挥互补作用。我们发现,区域之间的物理接近是不够的,以解释模块化的组织,类似的介观结构可以得到,即使在分解出的距离约束的连接效果。我们观察到,大脑区域的分布概况,根据其内部和模块间的连接性进行分类,是保守的主要皮层分区,以及,皮层下结构。特别是省级枢纽,与其模块成员的连接数量明显较高,但与其他模块的连接相对较少,是唯一表现出同质性的类别,即,一个明显的偏好连接到彼此。通过考虑扩散传播的过程中,我们证明,这种架构,而不是本地化的活动,促进了整个连接体的快速通信。通过补充猕猴连接体的拓扑信息与物理位置,体积和功能的组成区域和分析这个增强的数据集,我们揭示了一个反直觉的作用,在促进全球互动的模块化架构的大脑。
2020-07-29 q-bio.NC
Data-Efficient Neural Training with Dynamic Connectomes
本研究提出将神经网络训练中演化的神经激活表示为动态功能连接组,提取活动特征以表征训练动态,并以此作为内在指标实现有原则的提前停止,在基准测试中表现稳健。
2025-08-09 cs.NE q-bio.NC
Message interaction dynamics covary with brain volume across mammalian connectomes
Hobart and William Smith Colleges(霍巴特和威廉史密斯学院);U.S. Department of Veterans Affairs(美国退伍军人事务部);Constructor University(_constructor大学)
该研究采用CSA模型发现哺乳动物连接组中传播消息的交互动力学与脑体积协变,消息存活率可解释多数脑体积方差,为脑网络通信机制提供了新见解。
2026-11-02 q-bio.NC
The topology of large Open Connectome networks for the human brain
结构人类连接体(即\大脑中的纤维连接网络)可以以更精细的空间分辨率进行分析,这要归功于神经成像技术的进步。在这里,我们分析了开放连接组项目提供的几个大型人脑网络数据集。我们应用统计模型选择来描述包含多达$\simeq 10^6$节点和$\simeq 10^8$边的图的度分布。三参数广义威布尔(也称为拉伸指数)分布是大多数观察到的度分布的良好拟合。对于几乎所有的网络,简单的幂律不能拟合数据,但在某些情况下,指数截止的幂律有统计支持。我们还计算了这些网络的拓扑维数$D$和小世界系数$σ$。虽然$σ$提出了一个小世界拓扑,但我们发现,$D < 4$表明长距离连接只对嵌入三维空间的拓扑提供了一个小的修正。
2016-05-13 cond-mat.dis-nn physics.bio-ph q-bio.NC
The Frequent Complete Subgraphs in the Human Connectome
虽然仍然不可能描述人类大脑的神经水平连接,但我们可以通过应用基于扩散MRI的技术绘制具有数百个顶点的人类连接体。在这些图中,节点对应于解剖学上识别的大脑灰质区域,而边缘对应于连接这些区域的轴突纤维。在我们以前的贡献中,我们描述了人类连接体的许多图论现象。在这里,我们映射了人脑网络的频繁完全子图:在这些子图中,每对顶点都由一条边连接。我们还研究了结果中的性别差异。频繁子图的映射在图中给出了鲁棒的子结构:如果子图存在于80%的图中,那么它很可能不是测量或数据处理工作流的伪影。我们在这里列出了414名受试者的人脑图的频繁完整子图,每个子图有463个节点,频率阈值为80%,并确定了812个完整子图,这些子图在男性中更常见,224个完整子图,这些子图在女性连接组中更常见。
2019-03-27 q-bio.NC
Brain functions emerge as thermal equilibrium states of the connectome
本研究提出代数量子模型,证明大脑功能作为连接组的热平衡态涌现,并通过功能连接组和整合能力指数揭示结构-功能关系。
2025-08-06 cond-mat.dis-nn cond-mat.stat-mech math.OA
Interpretable AI for relating brain structural and functional connectomes
本研究提出可解释图自编码器Staf-GATE,用于建模大脑结构-功能连接组关系,并通过掩蔽算法提取SC-FC耦合的关键子网络及性别关联。
2023-08-29 q-bio.NC stat.ME
Uncovering differential identifiability in network properties of human brain functional connectomes
可识别性框架(If)已被证明可以提高各种功能磁共振成像任务的功能连接体的差异可识别性(跨会话和站点的可靠性,以及跨学科的可区分性)。但是,拥有一个强大的单一会话/主题功能连接体只是随后评估网络特性的起点,用于表征整合,分离和可通信性等特性。自然,人们会想,在连接体水平上揭示可识别性是否也揭示了衍生网络属性的可识别性。这也提出了在哪里应用If框架的问题:在连接数据上还是直接在每个网络测量上?我们的工作回答了这些问题,通过探索网络测量的微分可识别性配置文件时,如果应用于1)功能连接体,和2)直接派生的网络测量。结果表明,提高跨会话可靠性的FC也提高了可靠性的衍生网络措施。我们还发现,对于特定的网络属性,如果直接应用于网络属性是更有效的。最后,我们发现,无论哪种方式,应用框架,增加网络属性的任务敏感性。在神经科学界专注于主题级推理的时候,这个框架能够发现FC指纹,它传播到派生的网络属性。
2019-11-22 q-bio.NC
Geometric renormalization unravels self-similarity of the multiscale human connectome
大脑中的结构连接性通常通过将其观察减少到单个空间分辨率来研究。然而,大脑拥有丰富的架构,组织在相互联系的多个尺度上。我们探讨了多尺度组织的人类连接使用数据集的健康受试者在五个不同的分辨率重建。我们发现,当观察分辨率因解剖区域的分层粗粒度而逐渐降低时,人脑的结构仍然具有自相似性。引人注目的是,一个距离不是欧几里德的几何网络模型预测了连接体的多尺度特性,包括自相似性。该模型依赖于几何重整化协议的应用,该协议通过粗粒度化和短相似距离的平均来降低分辨率。我们的研究结果表明,简单的组织原则是人类大脑结构网络的多尺度架构的基础,其中相同的连接定律决定了不同大脑区域之间在许多分辨率上的短程和长程连接。其意义是多种多样的,对于基本的争论,例如大脑是否在临界点附近工作,以及包括简化大脑数字重建和模拟的高级工具在内的应用程序,都可能是实质性的。
2020-09-04 physics.soc-ph q-bio.NC
Navigable maps of structural brain networks across species
连接体是空间嵌入的网络,其结构在整个进化过程中受到物理约束和通信需求的影响。使用一个分散的导航协议,我们调查不同物种的连接体的结构和它们的空间布局之间的关系。作为一种导航策略,我们使用贪婪的路由,最近的邻居,在几何距离方面,访问。我们测量成功的贪婪路径的比例和它们的长度相比,最短路径的拓扑结构中的连通体。在欧几里得空间中,我们发现哺乳动物和非哺乳动物物种的可导航性之间存在显着差异,这意味着欧几里得距离无法完全解释其连接体的结构组织。相比之下,我们发现,双曲空间,复杂网络的有效几何,提供几乎完美的导航地图的所有物种的连接体,这意味着双曲距离是非常一致的连接体的结构。因此,双曲线图提供了一个定量的有意义的表示连接,这表明一个新的地图的基础上结合其连接与其有效的几何形状,而不是它的解剖结构的大脑。双曲映射也提供了一个通用的框架,以研究分散的通信过程中的不同物种和不同规模的平等的基础上。
2020-02-06 physics.bio-ph q-bio.NC
An Out-of-Domain Synapse Detection Challenge for Microwasp Brain Connectomes
Flatiron Institute(熨斗研究所);Harvard University(哈佛大学);Birla Institute of Technology and Science-Pilani(比尔拉科学技术学院-皮拉尼);Lomonosov Moscow State University(莫斯科国立罗蒙诺索夫大学);Boston College(波士顿学院)
在连接组学研究中,图像堆栈的大小现在达到了TB甚至PB级,并且在大脑区域和样本中表现出极大的多样性。然而,神经结构的手动注释,例如,突触是耗时的,这导致有限的训练数据在大小上通常小于测试数据的0.001%。提出了领域自适应和泛化方法来解决自然图像的类似问题,由于缺乏域外基准,这些问题在连接组学数据上的评估较少。
2023-02-01 cs.CV q-bio.NC
Graph Theoretical Analysis Reveals: Women's Brains are Better Connected than Men's
在万维网图形的背景下,深刻的图论思想导致了Google PageRank的定义以及迄今为止最受欢迎的搜索引擎的兴起。脑图,或称连接组,如今正在被广泛探索。我们相信,非平凡的图论概念,类似于它发生在万维网的情况下,将导致发现启发的结构和功能的细节的动物和人类的大脑。当科学家们研究由数千万或数亿个顶点组成的大型网络时,由于尺寸限制,只能应用快速算法。在基于扩散MRI的结构人脑成像的情况下,连接体的有效顶点数或从数据导出的脑图在今天是几百的规模。这个尺寸便于应用严格的数学图算法,即使是对于一些难以计算(或NP难)的量,如顶点覆盖或平衡最小割。在目前的工作中,我们已经检查了大脑图,从人类连接组项目的数据计算,记录从男性和女性受试者之间的22和35。男性和女性的结构脑图之间的显着差异:我们发现,平均女性连接体有更多的边缘,是一个更好的扩展图,有更大的最小二分法宽度,并有更多的生成树比平均男性连接体。由于女性大脑的平均重量低于男性大脑,这些特性表明女性大脑比男性大脑更“连接良好”,或者在某种意义上更“有效”。
2015-01-12 q-bio.NC
The multilayer connectome of Caenorhabditis elegans
连接组学主要关注大脑中突触连接的映射;然而,已经确定突触外体积传输,特别是通过单胺和神经肽,对大脑功能也至关重要。在这里,我们提出了一个草案单胺连接体,以及部分神经肽连接体,线虫C。elegans,基于新的和已发表的生物合成基因和受体的表达数据。因此,神经元连接体可以表示为多重网络,其中突触、间隙连接和神经调节层表示神经元间相互作用的替代模式,并且具有不同的网络结构。特别是,单胺网络具有新颖的拓扑性质,具有高度分散的星形结构和丰富的互联广播中心俱乐部。尽管层之间的重叠程度低,我们发现非常显着的相互作用模式,精确定位网络的位置和多链接图案胺能和神经肽信号调节突触活动。C.秀丽线虫是一个生物多重网络的清晰范例,并为理解突触外信号如何整合到更大大脑的有线电路中提供了原型。
2016-08-31 q-bio.NC
Joint Graph Convolution for Analyzing Brain Structural and Functional Connectome
Stanford University(斯坦福大学);SRI International(斯坦福国际研究院)
大脑的白质(微)结构架构促进神经元群体之间的同步,产生丰富的功能连接模式。系统神经科学的一个基本问题是确定最好的方式来关联结构和功能网络量化的扩散张量成像和静息态功能MRI。图卷积网络(GCN)作为网络分析的最新方法之一,已分别用于分析功能网络和结构网络,但尚未应用于探索网络间的关系。在这项工作中,我们建议通过在相应的大脑区域之间添加网络间边缘来耦合个体的两个网络,以便可以通过单个GCN直接分析联合结构-功能图。网络间边缘的权重是可学习的,反映了整个大脑的非均匀结构-功能耦合强度。我们应用我们的Joint-GCN来预测662名参与者的年龄和性别,这些参与者来自国家酒精和青少年神经发育联盟(NCANDA)的公共数据集,基于他们的功能和微观结构白质网络。我们的研究结果支持,建议联合GCN优于现有的多模态图学习方法分析结构和功能网络。
2022-10-27 cs.AI cs.LG q-bio.NC
Classification of EEG-Based Brain Connectivity Networks in Schizophrenia Using a Multi-Domain Connectome Convolutional Neural Network
Universiti Teknologi Malaysia(马来西亚理工大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
我们利用脑功能连接的改变模式作为神经精神病患者自动判别分析的特征。深度学习方法最近才被引入到功能性网络分类中,用于fMRI,并且所提出的架构基本上集中在单一类型的连接性度量上。我们提出了一个深度卷积神经网络(CNN)框架,用于对精神分裂症(SZ)患者的脑电图(EEG)衍生脑连接体进行分类。为了捕捉在SZ中断连接的互补方面,我们探索各种连接功能的组合,包括有效连接的时间和频域指标的基础上向量自回归模型和部分有向相干性,和复杂的网络拓扑结构的网络措施。我们设计了一种新的多域连接体CNN(MDC-CNN)的基础上并行集成的一维和二维CNN集成的功能,从不同的域和维度使用不同的融合策略。多个卷积层从EEG连接性中学习到的分层潜在表示揭示了SZ和健康对照(HC)之间明显的群体差异。在一个大的静息状态EEG数据集上的结果表明,所提出的CNN显着优于传统的支持向量机分类器。具有组合连接特征的MDC-CNN进一步提高了使用单个特征的单域CNN的性能,实现了具有决策级融合的$93.06\%$的显著准确性。通过整合来自不同大脑连接描述符的信息,所提出的MDC-CNN能够准确地区分SZ和HC。新的框架是潜在的有用的开发SZ和其他疾病的诊断工具。
2019-03-21 cs.CV cs.LG q-bio.NC