揭示人脑功能连接体网络属性中的差异可识别性
神经元与认知
2019-11-25 v1
摘要
可识别性框架(If)已被证明能改善多种 fMRI 任务下功能连接体的差异可识别性(跨 session 与跨站点的可靠性,以及跨受试者的可区分性)。但拥有稳健的单 session/受试者功能连接体仅是起点,用以后续评估网络属性来刻画整合、分离与可通讯性等性质。自然地,人们会想知道在连接体层面揭示可识别性是否也能在导出的网络属性上揭示可识别性。这也提出了应在何处应用 If 框架的问题:在连接性数据上,还是直接在每个网络度量上?我们的工作通过探索当 If 应用于 1)功能连接体,以及 2)直接应用于导出的网络度量时网络度量的差异可识别性剖面来回答这些问题。结果显示,改善 FCs 的跨 session 可靠性也改善了导出网络度量的可靠性。我们还发现,对特定网络属性,直接将 If 应用于网络属性更为有效。最后,我们发现无论以何种方式应用该框架,都增加了网络属性的任务敏感性。在神经科学界聚焦于受试者水平推断之时,该框架能够揭示 FC 指纹,并传递至导出的网络属性。
引用
@article{arxiv.1911.10193,
title = {Uncovering differential identifiability in network properties of human brain functional connectomes},
author = {Meenusree Rajapandian and Enrico Amico and Kausar Abbas and Mario Ventresca and Joaquín Goñi},
journal= {arXiv preprint arXiv:1911.10193},
year = {2019}
}
备注
14 pages, 6 figures;