Motion-Invariant Variational Auto-Encoding of Brain Structural Connectomes
针对脑成像采集时头部位移影响连接组重建精度的问题,提出运动不变变分自动编码器inv-VAE,学习抗运动伪影的连接组低维表征,经ABCD和HCP数据集验证,其校正后的连接组与认知特征关联更显著。
2024-09-11 q-bio.NC
Adversarial Learning Based Structural Brain-network Generative Model for Analyzing Mild Cognitive Impairment
Southern University of Science and Technology(南方科技大学);Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院)
轻度认知功能障碍(MCI)是阿尔茨海默病(AD)的先兆,MCI的检测具有重要的临床意义。分析患者的脑结构网络对于MCI的识别至关重要。然而,目前对结构脑网络的研究完全依赖于特定的工具箱,这是耗时和主观的。很少有工具可以从脑扩散张量图像中获得结构脑网络。在这项工作中,提出了一个基于对抗学习的结构脑网络生成模型(SBGM),以直接从脑扩散张量图像中学习结构连接。通过分析不同受试者脑结构网络的差异,我们发现,从老年正常对照(NC)到早期轻度认知障碍(EMCI)再到晚期轻度认知障碍(LMCI),受试者的脑结构网络呈现出一致的趋势:随着病情的恶化,结构连接逐渐减弱。此外,我们提出的模型三分类EMCI,LMCI和NC科目,实现了83.33%的阿尔茨海默氏病神经影像学倡议(ADNI)数据库的分类准确率。
2022-08-09 cs.CV eess.IV eess.SP
Unveiling universal aspects of the cellular anatomy of the brain
该研究通过临界系统框架分析人、小鼠和果蝇的细胞级脑重建数据,发现跨物种一致的普适标度律与临界指数,为生成式脑模型及解剖模型选择提供依据。
2023-09-25 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Change in structural brain network abnormalities after traumatic brain injury determines post-injury recovery
创伤性脑损伤(TBI)后个体恢复的轨迹是异质的,在某些情况下完全恢复,但在其他情况下持续残疾。我们假设结构性脑网络异常的变化指导了个体受伤后恢复的轨迹。我们的目的是通过识别轻度TBI个体中创伤性轴索损伤(TAI)的假定神经影像学生物标志物来表征TBI后恢复的变异性。我们分析了70个T1加权和扩散MRI纵向收集35个人在亚急性和慢性损伤后时期。每个人都进行了纵向血液工作,以表征轴突和神经胶质损伤的血液蛋白生物标志物,并评估亚急性和慢性期的损伤后恢复情况。通过比较个别病例与35名对照的MRI数据,我们估计了结构性脑网络异常的纵向变化。我们用头部CT和血蛋白生物标志物评估的急性颅内损伤的独立指标验证了TAI的替代指标。在亚急性和慢性期,损伤后结构网络异常显著高于对照组,与急性CT病变和亚急性血液胶质细胞酸性蛋白水平(r=0.5,p=0.008)和神经丝光(r=0.41,p=0.02)相关。异常的纵向变化与功能结局状态(r=-0.51,p=0.003)和脑震荡后症状(BSI:r=0.46,p=0.03; RPQ:r = 0.46,p=0.02)的变化相关。随着时间的推移,与症状变化最密切相关的大脑区域对应于结构网络枢纽或易受神经创伤影响的区域。结构网络异常可能是TAI的生物标志物。评估脑网络异常的变化可能有助于更好地监测神经创伤后恢复的患者分层。
2022-05-29 q-bio.NC
A practical guide to methodological considerations in the controllability of structural brain networks
预测大脑如何通过内部或外部控制被驱动到特定状态,需要对神经连接和活动之间的关系有基本的了解。网络控制理论是物理和工程科学的一个强大工具,可以提供有关这种关系的见解;它形式化了复杂系统的动力学如何从其互连单元的底层结构中产生的研究。鉴于最近在神经科学中使用网络控制理论,现在是时候提供一个实用的指导,在结构脑网络的可控性的方法考虑。在这里,我们提供了一个系统的框架概述,研究经常研究的控制指标的建模选择的影响,并提出潜在的有用的理论扩展。我们将我们的讨论、数值演示和理论进展建立在一个高分辨率弥散成像数据集上,该数据集包含10名健康年轻人在大约1小时的扫描中获得的730个弥散方向。在对该理论进行了教学性的介绍之后,我们探讨了建模选择如何影响四个常见的统计量:平均可控性,模态可控性,最小控制能量和最优控制能量。接下来,我们以两种方式扩展了当前的技术水平:首先,通过开发一种替代的结构连接性测量方法,该方法考虑了通过邻接组织的活动的径向传播,其次,通过定义一种补充度量来量化系统的能量景观的复杂性。最后,我们提出了具体的建模建议,并讨论了方法上的限制。
2019-08-09 q-bio.NC q-bio.QM
Technical aspects of an impact acceleration traumatic brain injury rat model with potential suitability for both microdialysis and PtiO2 monitoring
本报告描述了创伤性脑损伤(TBI)模型的技术适应性-主要是受到Marmarou的启发-以监测损伤前,损伤期间和损伤后的微透析数据和PtiO 2(脑组织氧)。我们特别关注我们的模型要求,这使我们能够重现严重头部受伤患者经历的一些严重病理特征:对闭合颅骨的撞击,撞击后立即没有通气,弥漫性轴索损伤和全身性继发性脑损伤的存在。我们特别优先考虑尽量减少麻醉时间,以消除任何神经保护作用。我们的新模型今后将允许更好地了解创伤性脑损伤引起的神经化学和生化变化,使用微透析和PtiO 2技术已经在我们的重症监护室监测。研究神经保护药物分子的有效性和治疗窗口,现在可以想象,以改善重型颅脑损伤的治疗。
2007-07-30 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
Network properties of healthy and Alzheimer's brains
小世界结构通常被用来描述大脑中的结构连接。在这项工作中,我们比较了健康大脑和受阿尔茨海默病影响的大脑皮质区与人工小世界网络的结构连接。基于统计分析,我们证明了类似的小世界网络可以用Newman-Watts过程来构造。两个结构矩阵的网络量词的概率谷内确定。尽管结构连接矩阵和采样的小世界网络之间有相似之处,但在阿尔茨海默氏症的大脑中可以发现增加的重复性。我们的研究结果表明,网络量词可以帮助识别真正的结构连接矩阵的异常。
2019-05-24 physics.soc-ph q-bio.NC
On inferring structural connectivity from brain functional-MRI data
脑的解剖结构可以通过非侵入性技术如扩散成像来观察。然而,这些都是不完美的,因为它们错过了实际上已知存在的连接,特别是长距离的半球间连接。在本文中,我们制定的逆问题推断的结构连接的大脑网络从实验观察到的功能连接通过功能磁共振成像(fMRI),通过制定它作为一个凸优化问题。我们表明,结构连接可以建模为一个最佳的稀疏表示来自更密集的功能连接在人脑中。仅使用功能连接数据作为输入,我们提出了(a)一个基于已知生理观察的约束模型优化问题,和(b)一个求解该问题的ADMM算法。该算法不仅恢复了已知的大脑结构连接,而且能够鲁棒地预测DSI或DTI遗漏的长距离半球间连接,包括与解剖学连接的重量/强度的实验观察的定量分布的非常好的匹配。我们展示了合成模型数据和精细尺度998节点皮层数据集的结果,并讨论了其他复杂的网络领域,从功能签名检索有效的结构是很重要的应用。
2015-02-24 q-bio.NC
Individual structural connectivity defines propagation networks in partial epilepsy
神经网络振荡是认知、知觉和意识的基本机制。因此,网络活动的扰动在脑疾病的病理生理学中起着重要作用。当来自非侵入性脑成像的结构信息与数学建模相结合时,生成性脑网络模型构成了探索脑功能因果机制和临床假设检验的计算机平台。我们在这里展示了耐药性癫痫的例子,来自扩散MRI的患者特定的虚拟脑模型具有足够的预测能力,以改善诊断和手术结果。在部分性癫痫中,癫痫发作起源于一个局部网络,即所谓的致痫区,然后再招募其他近距离或远距离的大脑区域。我们为15名患者创建了个性化的大规模大脑网络,并模拟了个体癫痫发作的传播模式。根据术前立体定向脑电图(SEEG)数据和标准治疗临床评价进行模型确认。我们证明,个人的大脑模型占患者癫痫发作传播模式的时间变异性,并解释手术后成功的变异性。我们的研究结果表明,结构连接的个体差异,当与数学动态模型相联系时,有能力解释在基于网络的大脑疾病中观察到的大脑动态时空组织的变化,从而开辟了发现新的临床干预措施的途径。
2016-04-28 q-bio.NC
Reliability and comparability of human brain structural covariance networks
结构协方差分析是一种广泛使用的结构MRI分析方法,它表征了一组受试者大脑区域之间形态学的相关性。据我们所知,几乎没有研究过不同数据集之间结果的可比性,或者在不同重新扫描会话、图像分辨率或FreeSurfer版本中相同受试者结果的可靠性。在可比性方面,我们的研究结果显示,年龄和性别匹配的健康成人数据集之间的结构协方差矩阵存在显著差异。这些差异在部位矫正后仍然存在,并且由于样本量较低而加剧,并且当使用平均皮质厚度作为形态学指标时,这些差异最为明显。下游图论分析进一步显示统计学显著差异。在可靠性方面,当比较相同受试者的重复扫描会话以及相同图像的图像分辨率和FreeSurfer版本时,也发现了实质性差异。我们可以进一步估计相对测量误差,并表明它是最大的使用厚度。与模拟数据,我们认为,皮质厚度是最不可靠的,因为较大的相对测量误差。实际上,我们提出以下建议:(1)应避免将不同研究中心的受试者合并为一个组,特别是如果研究中心在图像分辨率、人口统计学或预处理方面存在差异;(2)表面积和体积应优先作为皮质厚度的形态学指标;(3)应使用大量受试者来估计结构协方差;(4)在重复测量可用的情况下,应评估测量误差;(5)如果组合位点是关键的,则单变量位点校正是不够的,但应明确测量误差协方差并建模。
2020-05-28 q-bio.NC q-bio.QM
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
Joint Embedding of Structural and Functional Brain Networks with Graph Neural Networks for Mental Illness Diagnosis
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);Emory University(埃默里大学);Lehigh University(理海大学)
多模态脑网络从结构和功能两个方面刻画了不同脑区之间的复杂连接,为精神疾病的分析提供了新的手段。最近,图神经网络(GNN)已成为分析图结构数据的事实模型。然而,如何使用GNN从多种模式的大脑网络中提取有效的表征仍然很少探索。此外,由于大脑网络不提供初始节点特征,因此如何设计信息节点属性并利用GNN的边权重进行学习尚未解决。为此,我们开发了一种新的多视图GNN多模态脑网络。特别是,我们把每一种模态看作是大脑网络的一个视图,并采用对比学习进行多模态融合。然后,我们提出了一个GNN模型,它利用的消息传递计划的基础上度统计和大脑区域的连通性传播的消息。在两个真实世界的疾病数据集(HIV和Bipolar)上进行的广泛实验证明了我们所提出的方法在最先进的基线上的有效性。
2022-05-24 cs.LG physics.med-ph q-bio.NC
Structural Brain Asymmetries in Youths with Combined and Inattentive Presentations of Attention Deficit Hyperactivity Disorder
注意力缺陷/多动障碍(ADHD)中报告了结构性脑偏侧性的改变。然而,很少有研究探讨ADHD表现的差异。我们研究了13个皮质下和33个皮质区域的不对称指数(AI),这些区域来自体积、表面积和厚度的解剖学指标。结构T1加权MRI数据来自注意力不集中(n = 64)和合并(n = 51)的青少年和年龄匹配的对照组(n = 298)。我们使用了一个线性混合效应模型,该模型考虑了数据站点的异质性,同时研究了AI与表现和年龄的协变量之间的关联。我们的论文有助于在ADHD演示中看到的功能结果,证明ADHD-C运动网络和ADHD-I扣带回-额叶网络的连接中断,以及颞叶皮层和默认模式子网络的新发现。结构不对称的年龄模式因表现类型而异。线性混合效应模型是描述大脑不对称性、诊断和神经发育之间关系的实用工具。
2020-10-26 q-bio.NC
Establishing group-level brain structural connectivity incorporating anatomical knowledge under latent space modeling
提出基于潜在空间的生成网络模型ABC,结合解剖学知识估计组水平大脑结构连接,在阿尔茨海默病研究中展现出卓越预测力并识别出性别特异性神经标记物。
2023-02-21 q-bio.NC stat.ME
Modular Segregation of Structural Brain Networks Supports the Development of Executive Function in Youth
人类大脑被组织成大规模的功能模块,这些模块已被证明在儿童和青少年时期进化。然而,目前尚不清楚结构性大脑网络是否在发育过程中得到类似的完善,从而可能改善执行功能。在费城神经发育队列的882名参与者(年龄8-22岁)中,我们证明了结构网络模块随着年龄的增长而变得更加分离,模块之间的连接较弱,模块内的连接较强。不断发展的模块化拓扑结构促进了网络整合,这是由模块内部和模块之间存在的与年龄相关的枢纽边缘的加强所驱动的。重要的是,模块分离和网络整合与增强的执行性能,并介导随着年龄的增长执行功能的改善。总之,结果描绘了一个结构网络成熟的过程,支持执行功能的青年。
2016-08-11 q-bio.NC
Scalable Algorithms for Generating and Analyzing Structural Brain Networks with a Varying Number of Nodes
扩散磁共振成像(MRI)利用脑中水分子的各向异性扩散,从而能够以相对高的分辨率估计脑的解剖纤维束。特别地,纤维束成像方法可以用于生成全脑解剖连接矩阵,其中每个元素提供对应体素之间的连接强度的估计。使用连接信息和预定义的脑分组来构建结构脑网络,其中网络的节点表示脑区域,并且边权重捕获相应脑区域之间的连接强度。本文介绍了一些新的可扩展的方法来生成和分析具有不同数量的节点的结构脑网络。特别是,我们引入了一种新的并行算法,快速生成大规模的基于连通性的包裹体,在一个区域中的体素具有高度相似的连接模式的其余地区。我们表明,相应的区域结构的一致性总是优于随机生成的包裹在一个广泛的包裹大小。相应的大脑网络与不同数量的节点进行了分析,使用标准的图论的措施,以及来自频谱图理论的新措施。我们的研究结果表明,具有更多节点的大脑网络的统计能力越来越强,并且相对于其他知名网络,大型大脑网络的频谱轮廓具有相对独特的形状。
2016-09-13 cs.CE q-bio.NC stat.AP
Robust probabilistic measurement of structural-functional module consistency in infant brain development
ShanghaiTech University(上海科技大学);Shanghai Clinical Research and Trial Center(上海临床研究试验中心);Shanghai United Imaging Intelligence Co., Ltd.(上海联影智能有限公司)
提出基于随机模块的概率方法,鲁棒测量婴儿大脑结构-功能模块一致性,发现0-5岁间一致性下降,初级脑区一致性更高。
2026-06-19 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
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
Structural diverseness of neurons between brain areas and between cases
大脑皮层由多个皮层区域组成,这些区域发挥各种各样的大脑功能。虽然人脑神经元在遗传和区域上是镶嵌的,但不同脑区的神经元之间或不同个体的神经元之间的三维结构差异尚未被描绘。在这里,我们报告了一个纳米尺度的几何分析的大脑组织的颞上回的4个精神分裂症和4个对照病例,通过使用同步辐射纳米断层扫描。分析结果以及与前扣带皮层结果的比较表明:1)大脑区域之间的神经元结构不同,2)这种不同因情况而异。神经突的结构多样性主要表现在神经突的曲率与神经突和棘的直径呈负相关。分析还揭示了精神分裂症患者和对照组神经元之间的几何差异,表明神经元结构与脑功能相关。神经元结构的区域依赖性及其个体间的差异性应该代表大脑功能的个体性。
2020-07-01 physics.bio-ph q-bio.NC
Structural mediation of human brain activity revealed by white-matter interpolation of fMRI
人类大脑的解剖结构限制了大规模功能网络的形成。在这里,考虑到测量的大脑活动的灰质,我们插入这些功能信号到白质的结构,知情的高分辨率体素水平的大脑网格。内插体积反映了潜在的解剖信息,揭示了介导时间相干灰质区域之间的功能信号流的白质结构。内插体积的功能连接分析揭示了丰富的图片默认模式网络(DMN)及其子组件,包括白质束如何支持它们的形成,从而超越目前已知的空间模式,仅限于灰质。这些子组件有不同的结构功能模式,其中每一个差异招聘任务期间,展示合理的结构机制之间的功能切换任务积极和消极的组件。这项工作为大脑结构和功能的整合开辟了新的途径,并展示了全球活动模式如何从沿着不同白质通路的信号传播的集体相互作用中产生。
2019-08-26 eess.IV q-bio.NC
Multi-scale detection of hierarchical community architecture in structural and functional brain networks
社区检测算法已被广泛用于研究大脑等复杂系统的组织。这些技术的一个主要吸引力是它们能够将大脑区域(或节点)划分为社区,其中社区内的节点紧密相连。在最简单的应用中,社区检测算法对社区层次的存在是不可知的,但许多神经系统的共同特征是嵌套层次。为了解决这一限制,我们行使一个多尺度扩展的社区检测技术称为模块化最大化,我们应用该工具的合成图和图形来自人类的结构和功能成像数据。我们的多尺度社区检测算法将图形链接到相邻拓扑尺度上的自身副本,从而对相邻层次结构中的保守社区组织变得敏感。我们证明,这种方法可以更好地表征拓扑不均匀性的图的层次结构,通过提供一个本地(节点)的社区稳定性和跨拓扑尺度的跨尺度可靠性的措施。我们比较了大脑的结构和功能的网络架构,并表明结构图显示了更广泛的拓扑尺度比功能图。最后,我们建立了一个多模式的多重图,结合结构和功能连接在一个单一的模型,我们确定的拓扑尺度,其中静息状态功能连接和底层结构连接显示类似的与独特的分层社区架构。总之,我们的研究结果展示了多尺度社区检测算法在研究脑图中的分层社区结构方面的优势,并说明了其在多模态神经成像数据建模中的实用性。
2017-04-19 q-bio.NC
Dynamical signatures of structural connectivity damage to a model of the brain posed at criticality
大脑活动波动的同步被认为代表了空间上遥远的神经过程之间的通信。这些区域间的功能相互作用是在连接皮质和皮质下神经元的复杂轴突连接网络(称为人类“结构连接体”)的背景下发展的。理论上的考虑和实验证据支持这样一种观点,即人脑可以被建模为一个在有序(亚临界)和无序(超临界)相之间的临界点运行的系统。在这里,我们探讨的假设,病理造成的脑损伤的不同病因相关的模型的一个关键的大脑。为了这个目的,我们调查结构连接体的完整性的损害如何影响关键动力学的签名。采用混合建模方法相结合的经验加权网络的人类结构连接的概念模型的关键动态,我们发现,病变位于高度过渡的连接逐步取代模型向亚临界政权。当独立于它们在网络中的权重考虑时,节点和链路的拓扑性质不那么重要。我们观察到,中线枢纽,如中间和后扣带皮层的损害是最关键的模型中的临界性的中断。然而,类似的效果可以通过针对较少经过的节点和连接权重加起来相等的链接来实现。这意味着脑病理学不一定是由于靶向连接良好区域的损伤引起的,并且受试者间的变异性可能会掩盖位于非中枢区域的病变。最后,我们讨论了我们的模型在创伤性脑损伤和神经退行性疾病的临床研究的背景下的预测。
2016-11-09 q-bio.NC
Investigating structural and functional aspects of the brain's criticality in stroke
本研究探讨中风后大脑临界动力学,通过网络模型和真实连接组分析证明中风后动力学仍保持临界性,异常现象源于网络完整性丧失,并提出新的人工中风模型解释该异常。
2023-07-26 cond-mat.dis-nn q-bio.NC q-bio.QM
Network resilience in the aging brain
退化和适应是大脑衰老或疾病渐进过程中称为恢复力的同一枚硬币的两个竞争面。退化在大脑老化和其他大脑活动过程中积累,导致结构性萎缩和功能障碍。与此同时,适应使大脑网络重组,以弥补结构损失,维持认知功能。虽然隐藏的弹性机制是揭示大脑衰老规律的关键和基础,但由于缺乏数据集和适当的方法,这两个过程如何在大脑网络中动态交互仍然是一个未知数。为了定量研究这一复杂的过程,我们分析了63人的6年随访多模态神经影像数据库的基础上老化的大脑。我们揭示了网络弹性的关键机制,即各种扰动可能导致大脑快速的结构萎缩,然后大脑可以重新组织其功能布局,降低其运行效率,这有助于减缓结构萎缩,最终恢复其功能效率平衡。这一经验发现可以用我们的理论模型来解释,提出了一个通用的弹性动力学函数。这种弹性是在大脑功能网络中实现的,具有不断发展的渗透和丰富的俱乐部特征。我们的研究结果有助于理解大脑老化过程,并从恢复力的角度设计可能的缓解方法来调节退化和适应之间的相互作用。
2022-02-03 q-bio.NC
The information content of brain states is explained by structural constraints on state energetics
沿着大脑结构连接体的信号传播引起活动模式的变化。这些活动模式定义了整体大脑状态,并包含与其预期发生概率一致的信息。结构连接体与动力学相结合,决定了一组可能的大脑状态,并限制了可访问状态之间的转换。然而,这些结构性的约束状态转换如何涉及到他们的信息内容仍然是未知的。为了解决这一知识差距,我们将信息内容定义为激活分布的函数,其中统计上罕见的激活值对应于高信息内容。有了这个数字定义在手,我们研究了时空分布的信息内容的fMRI数据从人类连接组计划在不同的任务,并报告四个关键的发现。首先,信息内容强烈依赖于认知任务。第二,虽然信息内容显示出与其他大脑活动测量的相似性,但它与应用于fMRI数据的一般线性模型生成的Neurosynth图和任务对比图不同。第三,大脑的结构布线限制了控制其状态的成本,其中过渡到高信息含量状态的成本大于过渡到低信息含量状态的成本。最后,所有的状态转换,特别是那些高信息含量的状态,都比随机网络空模型的预期成本低,从而表明大脑的显着效率。总之,我们的发现在大脑状态中包含的信息与达到该状态的能量成本之间建立了解释性联系,从而为我们理解大规模认知计算奠定了重要基础。
2023-03-15 physics.bio-ph q-bio.NC
Brain temperature: what it means and what it can do for (cognitive) neuroscientists
温度对从单细胞到神经回路水平的神经活动的各个方面的影响早已为人所知。然而,温度如何影响使用非侵入性成像技术的实验中典型的系统水平的活动,例如脑电图的磁脑成像,其中既不可能直接测量也不可能操纵,基本上是未知的。从它的基本物理定义开始,我们讨论了可能的方式,其中温度可以被用来作为一个参数,控制通过观察大脑活动的其他变量的演变,并作为一个集体变量描述大脑活动。这两个方面在与学习相关的大脑活动中得到了进一步的说明。最后,从实验数据中提取温度的方法进行了评论。
2013-10-10 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
Brain structural connectivity atrophy in Alzheimer's disease
使用磁共振成像(MRI)对脑结构变化的分析和量化越来越多地用于定义脑病理学(例如阿尔茨海默病(AD))的新生物标志物。基于网络的大脑模型已经表明,局部和全局拓扑特性都可以揭示疾病传播的模式。另一方面,主体内的描述不能利用整个信息背景,通过主体间的比较。为了解决这个问题,我们开发了一种新的方法,该方法用多重网络对大脑结构连接萎缩进行建模,并在分类评分中对其进行总结。在一个独立的数据集上,多重网络能够正确地从正常对照(NC)中分离出AD患者和将转化为AD的轻度认知障碍(cMCI)受试者,准确度分别为$0.86 \pm 0.01$和$0.84 \pm 0.01$。该模型还表明,通过将大脑包裹在等体积的$3000$ $mm^3$(“补丁”)中,而没有任何基于解剖特征的$a$ $priori$分割,可以最大限度地检测疾病影响。在同一数据集上与标准的基于体素的形态测量法的直接比较表明,多重网络方法具有更高的灵敏度。这种方法是通用的,并且可以具有双重潜在应用:为临床试验提供可靠的工具和神经退行性病理的疾病特征。
2017-09-09 physics.med-ph q-bio.NC
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
Preferential Detachment During Human Brain Development: Age- and Sex-Specific Structural Connectivity in Diffusion Tensor Imaging (DTI) Data
人类大脑成熟的特征是大规模网络的结构和功能特性的长期发展,并延伸到成年期。然而,人们并不清楚哪些特征会随着时间的推移而变化,哪些特征会保持稳定。在这里,我们研究了基于扩散张量成像(DTI)的结构连接在121名4至40岁的参与者。DTI数据进行了分析的小世界参数,模块化,并在流线水平的纤维束的数量。首先,我们的研究结果表明,纤维束的数量,小世界拓扑结构和模块化组织在很大程度上保持稳定,尽管流线的数量随着年龄的增长而大幅减少。第二,这种减少主要影响的纤维束,有大量的流线,短,模块内和半球内;这种连接受到影响的显着更经常比预期的出现在网络中的数量。第三,流线型损失发生在女性比男性早。总之,我们的研究结果表明,大脑结构连接的核心特性,如小世界和模块化组织,在大脑成熟过程中保持稳定,通过将流线损失集中到特定类型的纤维束。
2014-04-01 physics.soc-ph q-bio.NC
Brain Structural Saliency Over The Ages
University of Cape Town(开普敦大学);The National Institute for Theoretical and Computational Sciences(国家理论与计算科学研究所);Institut National de la Recherche Scientifique(国家科学研究所);Cardiff University(卡迪夫大学)
通过深度学习估计大脑年龄(BA)已经成为大脑健康的一个强大而可靠的生物标志物,但神经网络的黑盒性质并不容易让我们深入了解大脑衰老的特征。我们训练了一个ResNet模型作为来自524人的小型横断面队列的T1结构MRI体积的BA回归器。使用分层相关传播(LRP)和DeepLIFT显着性映射技术,我们分析了训练的模型,以确定与网络大脑老化最相关的结构,并比较显着性映射技术之间的差异。我们通过老化的过程中的相关性归因于不同的大脑区域的变化。一个三分模式的相关性归因于大脑区域出现。一些区域的相关性随着年龄的增长而增加(例如,右侧的横颞回);一些区域的相关性随着年龄的增长而下降(例如,右侧的第四回);而其他区域在不同年龄段之间始终相关。我们还研究了脑年龄差距(BAG)对脑容量内相关性分布的影响。希望这些发现将提供正常大脑老化的临床相关区域轨迹,以及比较大脑老化轨迹的基线。
2022-07-23 cs.LG eess.IV q-bio.NC
Characterizing normal perinatal development of the human brain structural connectivity
Boston Children’s Hospital(波士顿儿童医院);Harvard Medical School(哈佛医学院)
本研究针对围产期大脑结构连接发育缺乏可靠正常基线的问题,开发了基于时空平均的计算框架,分析166名受试者孕后33-44周的结构连接,揭示了发育趋势与不对称模式,为评估早期大脑发育提供了方法和参考。
2023-08-22 cs.AI cs.LG q-bio.NC
Differentially Categorized Structural Connectome Hubs are Involved in Differential Microstructural Basis and Functional Implications and Contribute to Individual Identification
人类大脑结构网络包含一组中央嵌入的枢纽区域,这些区域能够实现有效的信息交流。然而,它仍然在很大程度上是未知的结构脑枢纽的类别和他们的微观结构,功能和认知特征,以及个人识别的贡献。在这里,我们采用了三个多模态成像数据集与结构MRI,弥散MRI和静息态功能MRI构建个人的结构脑网络,识别大脑枢纽的基础上,八个常用的图形节点的指标,并进行全面的验证分析。我们发现大脑网络中存在三类结构枢纽,即聚集型、分布型和连接型枢纽。在空间上,这些不同类别的枢纽主要位于默认模式系统,此外,在视觉和边缘系统的聚合枢纽,在额顶叶系统的分布式枢纽,并在感觉运动和腹侧注意系统的连接器枢纽。重要的是,这三类枢纽表现出各种不同的特点,最高水平的微观结构组织的聚合枢纽,最大的布线成本和拓扑脆弱性的分布式枢纽,以及最高的功能协会和认知灵活性的连接器枢纽,虽然他们表现得更好,关于这些特征相比,非枢纽。最后,所有三个类别的枢纽指数显示出较高的跨会话空间相似性,并作为一个结构指纹与高预测率(100%,100%和84.2%)的个人识别。总的来说,我们的研究结果突出了三类具有不同微结构,功能和认知关联的大脑枢纽,这可能有助于揭示人类连接体的拓扑机制。
2016-09-12 q-bio.NC
A symmetry-based method to infer structural brain networks from tractography data
近年来,随着弥散磁共振成像和纤维束成像算法的发展,以及人类连接组计划(HCP)的启动,为大脑研究提供了丰富的结构连接数据。在这项工作中,我们描述和评估一种方法,可以推断结构的大脑网络,互连一组给定的区域感兴趣(ROI)从纤维束成像数据。所提出的方法,称为最小不对称网络推理算法(MANIA),不同于以前的工作,因为它不确定两个ROI之间的连接基于任意的连接阈值。相反,我们利用了纤维束成像过程的一个基本限制:从源到目标观察到的流线不提供任何关于底层白质极性的信息,因此,如果有一些纤维连接两个体素(或两个ROI),X和Y纤维束成像原则上应该能够在两个方向上遵循这种连接,从X到Y和从Y到X。我们利用这一限制来制定网络推理过程作为一个优化问题,最大限度地减少(适当规范化)所观察到的网络的不对称性。我们评估所提出的方法上的噪声模型,随机损坏所观察到的合成网络的连接。作为一个案例研究,我们从28名健康受试者的扩散MRI数据上应用MANIA来推断18个皮质边缘ROI之间的结构网络,这些ROI与包括抑郁、焦虑和成瘾在内的各种神经精神疾病相关。
2016-06-01 q-bio.NC
The physics of brain network structure, function, and control
大脑是一个复杂的器官,其特征是结构连接的异质模式,支持无与伦比的认知和广泛的行为。新的非侵入性成像技术现在允许这些模式在个体人类和动物中仔细而全面地映射。然而,了解大脑的结构布线如何支持认知过程仍然是一个根本性的挑战,这对心理健康障碍的个性化治疗具有重大意义。在这里,我们回顾了最近的努力,以满足这一挑战,从物理学的直觉,模型和理论,跨越统计力学,信息论,动力系统和控制的领域。首先,我们考虑在对称性、空间嵌入和能量最小化的约束下,在结构布线中实例化的脑网络架构的组织原则。接下来,我们考虑大脑网络功能的模型,这些模型规定了神经活动如何沿着这些结构连接传播,从而产生支持丰富系统功能的长程相互作用和集体动力学。最后,我们考虑了脑网络控制的微扰实验和模型,这些实验和模型利用沿着结构线的信号传输的物理学来推断支持目标导向行为的内在控制过程,并为神经系统疾病和精神疾病的基于刺激的治疗提供信息。在整个过程中,我们强调了大脑网络结构,功能和控制的物理学中的几个开放性问题,这些问题需要愿意勇敢面对生命物质复杂性的物理学家的创造性努力。
2019-01-07 physics.bio-ph q-bio.NC
Predicting isocitrate dehydrogenase mutation status in glioma using structural brain networks and graph neural networks
University of Cambridge(剑桥大学);Nanyang Technological University(南洋理工大学);University of Bath(巴斯大学)
脑胶质瘤是一种常见的恶性脑肿瘤,患者的生存率不同。异柠檬酸脱氢酶(IDH)基因突变对胶质瘤的诊断和预后有重要价值。基于治疗前MRI的无创性预测IDH突变具有重要意义。机器学习/深度学习模型在使用MRI预测IDH突变方面表现出合理的性能。然而,大多数模型忽略了肿瘤侵袭引起的系统性脑改变,其中沿白质束的广泛浸润是胶质瘤的标志。结构脑网络提供了一种有效的表征大脑组织的工具,它可以被图神经网络(GNN)捕获,以更准确地预测IDH突变。在这里,我们提出了一种方法来预测IDH突变使用GNN,基于结构的大脑网络的患者。具体来说,我们首先构建一个网络模板的健康受试者,包括地图集的边缘(白质束)和节点(皮层/皮层下的大脑区域),以提供感兴趣的区域(ROI)。接下来,我们使用自动编码器从患者的边缘和节点的ROI中提取潜在的多模态MRI特征,以训练GNN架构来预测IDH突变。结果表明,该方法优于使用3D-CNN和3D-DenseNet的基线模型。此外,模型解释表明其识别肿瘤浸润的管道的能力,对应于临床先验知识。总之,将大脑网络与GNN集成为使用计算神经科学和计算机视觉方法研究大脑病变提供了一条新途径。
2021-09-10 cs.CV eess.IV q-bio.NC
Structural Brain Predictors of Visual Attention Gradient Modulated by Trait Anxiety
Indraprastha Institute of Information Technology Delhi(印度信息技术德里学院);Indian Institute of Technology Delhi(印度理工学院德里分校);All India Institute of Medical Sciences(全印医学科学研究所)
研究特质焦虑调节的视觉注意梯度的脑结构预测因素,通过对60名参与者的视觉空间注意梯度任务及神经成像分析,发现小脑和感觉运动区域结构完整性与特质焦虑个体空间注意部署有关,还证明了脑结构标记的预测效用。
2026-07-13 q-bio.NC
Understanding Brain Aging Across Populations: A Comprehensive Framework for Structural Analysis
本研究针对全球人口老龄化背景下不同种族人群大脑衰老结构差异问题,提出结合FSL-FAST组织分割与微分同胚变换连续模型的双路径分析框架,在四人群MRI数据集上验证,为全球跨人群脑衰老结构比较提供了开创性方法。
2024-07-31 q-bio.NC stat.AP
Topological Analysis of Mouse Brain Vasculature via 3D Light-sheet Microscopy Images
本文提出基于拓扑数据分析理论提取脑血管的稳健多尺度拓扑特征,以弥补几何特征在刻画分支丰富度和连通性方面的不足,并在不同脑区和正常与肥胖群体间进行比较,为神经系统疾病研究提供结构基础。
2024-02-23 eess.IV q-bio.NC
Evaluating the effects of high-throughput structural neuroimaging predictors on whole-brain functional connectome outcomes via network-based vector-on-matrix regression
本研究提出基于网络的向量对矩阵回归模型及新型子图提取方法,利用UK Biobank的4242名参与者数据,揭示了白质微结构完整性等结构影像特征对静息态功能连接子网络的显著影响。
2023-10-27 q-bio.NC q-bio.QM stat.CO
Lagged and instantaneous dynamical influences related to brain structural connectivity
现代神经影像学方法可以揭示人类神经和认知专业化的基础,对神经科学和医学具有重要意义。不同的MRI采集在宏观尺度上提供不同的脑网络;尽管弥散加权MRI(dMRI)提供了与脑区之间的平行纤维束一致的结构连接(SC),但功能MRI(fMRI)解释了血氧水平依赖性T2* 信号的变化,提供了功能连接(FC)。理解FC和SC之间的精确关系,即,大脑动力学和结构之间的联系,仍然是神经科学的一个挑战。为了研究这个问题,我们在休息时采集数据,并构建相应的SC(矩阵元素对应于大脑区域之间的纤维数量),以与通过3种不同方法获得的FC连接矩阵进行比较:通过探索性版本的结构方程模型(eSEM),线性相关性(C)和偏相关性(PC)。我们还考虑了在时间序列中使用滞后相关性的可能性;因此,我们比较了滞后版本的eSEM和Granger因果关系(GC)。我们的结果是双重的:首先,eSEM与SC相关的性能与从C和PC获得的性能相当,但是eSEM(不是C或PC)提供了关于功能相互作用的方向性的信息。其次,在时间尺度上的相互作用远小于采样时间,捕捉到的瞬时连接方法,更相关的SC比缓慢的直接影响捕捉到的滞后分析。事实上,GC和滞后版本的eSEM与SC相关的性能要差得多。我们希望这些结果提供进一步的见解SC和功能模式之间的相互作用,在脑生理和功能的研究中的一个重要问题。
2016-02-22 q-bio.NC
Simulation of Robustness against Lesions of Cortical Networks
结构需要功能,因此大脑的结构描述将有助于理解其功能,并可能提供对大脑系统的许多特性的见解,从它们的鲁棒性和从损伤中恢复到它们的动态甚至它们的进化。复杂网络分析的进展为理解大脑网络的结构和功能特性提供了有用的新方法。最近描述的网络的结构特性允许其表征为小世界,随机(指数)和无标度。它们补充了在大脑连接的背景下探索的其他属性,如拓扑结构,hodology,聚类和层次组织。在这里,我们将新的网络分析方法应用于猫和猕猴大脑的皮层区域间连接网络。我们比较这些皮质纤维网络的基准重新布线,小世界,无标度和随机网络,使用两种分析策略,其中我们测量的节点和连接的皮质网络的结构特性的去除的影响。大脑网络的结构衰退在大多数方面与无标度网络相似。研究结果表明,大脑系统的某些条件鲁棒性的结构基础是高度连接的枢纽节点和瓶颈连接。这为理解大脑网络连接的发展提供了信息。
2007-04-03 cond-mat.dis-nn physics.soc-ph q-bio.NC
Hypergraph representation in brain network analysis
该研究聚焦脑网络功能研究,基于脑网络功能区域开展超图表示研究,提出可衡量功能包含多功能区域数量及功能间相关性的新参数。
2023-12-19 q-bio.NC
Efficient Coding in the Economics of Human Brain Connectomics
在系统神经科学中,大多数模型认为大脑区域在效率的约束下进行信息交流。然而,在以层级组织和高度连接的枢纽为特征的结构性大脑网络中,有效沟通的证据仍然很少。有效编码的原则提出,大脑以代谢经济或压缩的形式传输最大的信息,以改善未来的行为。为了确定结构连接如何支持有效的编码,我们开发了一种理论,指定大脑区域之间的消息传输的最低速率,以达到预期的保真度,我们测试了五个预测的理论的基础上随机游走通信动力学。在此过程中,我们引入了压缩效率的度量,它量化了结构网络中有损压缩和传输保真度之间的权衡。在一个大样本的青年(n = 1,042;年龄8-23岁),我们分析了结构网络来自扩散加权成像和代谢消耗操作使用脑血流量。我们表明,结构网络罢工压缩效率的权衡与理论预测一致。我们发现,压缩效率优先保真度与发展,提高时,代谢资源和髓鞘引导通信,解释了分层组织的优势,链接更高的输入保真度不成比例的面积扩张,并显示集线器集成信息的有损压缩。最后,压缩效率是行为的预测-超越了传统的度量-对于认知领域,包括执行功能,记忆,复杂推理和社会认知。我们的研究结果阐明了宏观连通性如何支持有效的编码,并有助于利用网络连通性约束的随机游走动力学的前景通信过程。
2021-11-02 q-bio.NC
Nonlinear aspects of the EEG during sleep in children
脑电图(EEG)分析能够检查大脑一部分的神经元行为。如果行为是非线性的,那么非线性工具可以用来收集大脑行为的信息,并帮助诊断睡眠异常,如阻塞性睡眠呼吸暂停综合征(OSAS)。本文对一组正常和轻度OSAS儿童的睡眠脑电图进行了非线性行为评价。我们考虑大脑的行为如何随着睡眠阶段以及正常和OSAS儿童之间的变化。
2005-06-14 q-bio.NC
Functional2Structural: Cross-Modality Brain Networks Representation Learning
University of Pittsburgh(匹兹堡大学);Arizona State University(亚利桑那州立大学);University of California San Francisco(加州大学旧金山分校);University of Illinois Chicago(伊利诺伊大学芝加哥分校);University of Southern California(南加州大学)
基于MRI的大脑网络建模已被广泛用于了解大脑区域之间的功能和结构相互作用和连接,以及影响它们的因素,如大脑发育和疾病。大脑网络上的图形挖掘可能有助于发现临床表型和神经退行性疾病的新生物标志物。由于来自功能和结构MRI的大脑网络从不同的角度描述了大脑拓扑结构,因此探索结合这些跨模态大脑网络的表示是不平凡的。目前大多数研究的目标是通过将结构网络投影到功能对应物来提取两种类型脑网络的融合表示。由于功能网络是动态的,而结构网络是静态的,因此将静态对象映射到动态对象是次优的。然而,由于当前图学习技术的非负性要求,相反方向的映射是不可行的。在这里,我们提出了一种新的图学习框架,称为深度签名脑网络(DSBN),具有签名图编码器,从相反的角度来看,通过将功能网络投影到结构对应物来学习跨模态表示。我们使用两个独立的公开数据集(HCP和OASIS)验证了我们的临床表型和神经退行性疾病预测任务框架。实验结果清楚地表明,我们的模型相比,几个国家的最先进的方法的优势。
2022-05-06 cs.AI cs.CV cs.LG
Exploring Cordial Labeling techniques in Brain Connectivity Network
Madras Institute of Technology, Anna University(马德拉斯理工学院,安娜大学)
本文将亲切标号与带符号乘积亲切标号引入脑连接网络分析,以度量兴奋/抑制平衡及合作/拮抗动力学共存,并揭示其与小世界网络模型的关联。
2025-11-06 q-bio.NC
Good Neighbors, Bad Neighbors: The Frequent Network Neighborhood Mapping of the Hippocampus Enlightens Several Structural Factors of the Human Intelligence on a 414-Subject Cohort
在过去的十年里,人类连接体已经成为脑科学家、心理学家和成像专家研究的一个非常频繁的主题。通过扩散磁共振成像技术,结合先进的数据处理算法,今天我们能够计算具有数百个解剖学识别的节点和数千个边缘的脑图,对应于大脑的解剖学连接。如果没有精确的数学工具,分析这些图是没有希望的。这些工具需要解决MRI处理工作流程的高错误率,并需要找到结构性原因或至少心理特性和大脑连接的相关性。到目前为止,结构连接组学很少能够识别这种原因或相关性。在目前的工作中,我们研究了最深入的研究大脑区域,海马的频繁邻居集。通过应用频繁网络邻域映射方法,我们确定了海马的频繁邻域集,这可能会影响许多心理参数,包括与智力相关的参数。我们发现,在Penn矩阵测试得分高的受试者和Penn单词记忆测试得分低的受试者中,邻居集的频率明显更高。我们的研究利用了脑图,从人类连接组项目的414名受试者的成像数据计算,每个受试者有463个解剖学识别的节点。
2019-07-22 q-bio.NC
Biological sex classification with structural MRI data shows increased misclassification in transgender women
University of Münster(明斯特大学);Agaplesion Diakonieklinikum(阿加普莱西翁迪亚科尼医院);University of Marburg(马尔堡大学);The University of Melbourne(墨尔本大学)
跨性别者(TI)表现出与其生理性别以及感知性别不同的大脑结构变化。为了证实TI的大脑结构与男性和女性不同的证据,我们使用了一个多变量和单变量相结合的方法。由$N = 1753$顺性别(CG)健康参与者的基于体素的形态测量预处理产生的灰质段用于训练($N=1402$)和验证(20%保留; $N = 351$)分类生物性别的支持向量机。作为第二个验证,我们将$N = 1104$患者分为抑郁症。第三个验证使用匹配的CG样本的跨性别女性(TW)应用程序样本。随后,将分类器应用于$N = 26$ TW。最后,我们在控制性取向、年龄和总脑体积的单变量分析中比较了CG-男性、女性和TW-治疗前/后(跨性别激素治疗)的脑体积。将我们的生物性别分类器应用于跨性别样本导致真阳性率(TPR)显着降低(TPR-男性= 56.0%)。在有抑郁症(TPR-男性= 86.9%)和无抑郁症(TPR-男性= 88.5%)的CG-个体之间TPR没有差异。跨性别应用样本的单变量分析显示,TW-治疗前/治疗后显示出与CG-女性和CG-男性在壳核和海马中的脑结构差异,以及全脑分析。我们的研究结果支持这一假设,即大脑结构在TW不同的大脑结构,他们的生物性别(男性)以及他们的感知性别(女性)。这一发现证实了证据表明,TI显示特定的大脑结构改变,导致大脑结构的不同模式比CG-个人。
2020-04-22 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
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
Stability of Brain Functional Network During Working Memory Using Structural Balance Theory
该研究基于结构平衡理论分析 N-back 任务下 fMRI 符号网络的三元关联,发现工作记忆期间平衡三元组增加、网络趋于更稳定,并与颞叶、前额叶和顶叶皮层同步性变化密切相关。
2024-11-25 q-bio.NC