空间连续性约束下的体素对级脑连接网络分析方法

脑连接组分析通常通过平均感兴趣区域（ROI）内的信号，将高分辨率脑扫描（通常由数百万个体素组成）压缩到仅数百个ROI。这种巨大的降维提高了计算速度和解剖结构的形态学特性；然而，它也以空间特异性和敏感性的显著损失为代价，特别是当信号表现出高ROI内异质性时。通常，由脑疾病引起的ROI对之间的异常功能连接（FC）主要由该ROI对内的小部分体素对驱动。本文提出了一种新的网络方法，用于在空间约束下检测体素对级别的神经连接异常。具体来说，针对一个ROI对，我们的模型旨在提取包含异常体素-体素连接的密集子区域，同时确保所涉及的体素在空间上是连续的。此外，我们开发了子社区检测算法来实现该模型，并证明了这些算法的一致性。全面的模拟研究表明，我们的方法在降低假阳性率的同时，提高了统计功效、检测可重复性和空间特异性。我们将我们的方法应用于揭示：（i）来自一项精神分裂症研究的330名参与者中，突显网络和颞叶-丘脑网络内体素级别的精神分裂症改变FC模式；（ii）利用英国生物银行数据，来自3269名参与者的基底神经节、海马体和脑岛之间与尼古丁成瘾相关的破坏性体素级别FC模式。检测结果与先前的医学发现一致，但包含了改进的局部化信息。