解析人脑组织结构：识别加权网络表示中的介观组织

人脑解剖结构和功能表现出模块化和层级化组织的结合，表明凝聚结构和可变分辨率在促进健康认知过程中的重要性。然而，同时探测脑架构这些特征的工具需要进一步发展。我们提出并应用一组方法，利用多分辨率技术从脑连接的网络表示中提取凝聚结构。我们结合了软阈值、窗口阈值和社区检测中的分辨率，使我们能够识别和隔离与不同权重相关的结构。其中一种介观结构是二分性，它量化了大脑被划分为两个分区的程度，分区间具有高连接性而分区内具有低连接性。第二种互补的介观结构是模块度，它量化了大脑被划分为多个社区的程度，每个社区内具有强连接性而社区间具有弱连接性。我们的方法得出了这些网络诊断在一系列空间、几何和结构尺度上的多分辨率曲线。为了进行统计比较，我们将我们的结果与几个基准零模型获得的结果进行了对比。我们的工作表明，多分辨率诊断曲线捕捉了加权图中复杂的组织概况。我们将这些方法应用于识别健康加权图架构的特定分辨率特征以及精神疾病中改变的连接概况。