深度神经网络在脑关节处刻画大脑
神经元与认知
2023-12-08 v2 数据分析、统计与概率
定量方法
摘要
个体独特的大脑连接性如何决定其认知、行为及病理风险，是基础和临床神经科学中的一个基本问题。在寻求答案的过程中，许多人转向机器学习，其中一些注意到深度神经网络在建模复杂非线性函数方面的特殊前景。然而，大脑连接性与行为之间是否确实存在复杂函数并不清楚，因此深度神经网络是否必然优于更简单的线性模型，或其结果是否可解释也不明确。在此我们表明，在52项认知与行为被试测量中，拟合到每个脑区连接性的深度神经网络优于线性回归，尤其是对于大脑的连接枢纽（具有多样化大脑连接性的区域），而当拟合到脑系统时两种方法表现相似。关键的是，跨脑区平均深度神经网络预测产生了最准确的预测，证明了深度神经网络能够轻松建模脑区连接性与行为之间存在的多种函数，在脑关节处刻画大脑。最后，我们使用多层网络模型揭示了深度神经网络的黑箱。我们确定连接枢纽与行为之间的关系最好由模块化深度神经网络捕捉。我们的结果表明，大脑连接性与行为之间既存在简单也存在复杂关系，且深度神经网络可拟合两者。此外，当深度神经网络先独立拟合系统的各种函数再组合时尤其强大。最后，当使用多层网络模型对其架构进行结构刻画时，深度神经网络是可解释的。
引用
@article{arxiv.2002.08891,
title = {Deep Neural Networks Carve the Brain at its Joints},
author = {Maxwell A. Bertolero and Dustin Moraczewski and Adam Thomas and Danielle S. Bassett},
journal= {arXiv preprint arXiv:2002.08891},
year = {2023}
}