机构名称：
¥ 3.0
神经影像学可以对大脑进行无创的详细研究。通过数据驱动发现大脑群体变异模式，可能对早期疾病诊断和了解大脑非常有价值。由此产生的模式可以用作成像衍生表型 (IDP)，并可以补充现有的专家整理的 IDP。然而，群体数据集包含来自数千名受试者的许多不同结构和功能成像模式，带来了以前从未解决的计算挑战。这里，首次提出了一种多模态独立成分分析方法，该方法可扩展用于完整英国生物库 (UKB) 数据集中体素级神经影像数据的数据融合，该数据集很快将达到 100,000 个成像对象。这种新的计算方法可以估计群体变异模式，从而增强使用来自 UKB 和人类连接组计划的数据预测数千个表型和行为变量的能力。与广泛使用的分析策略、单模态分解和现有的 IDP 相比，高维分解实现了更高的预测能力。在 UKB 数据（14,503 名受试者，47 种不同的数据模态）中，确定了许多与非成像表型的可解释关联，包括与流体智力、惯用手和疾病相关的多模态空间图，在某些情况下，基于 IDP 的方法会失败。
通过群体脑成像发现表型
主要关键词
相关文件推荐
