机构名称：
¥ 2.0
尽管哺乳动物的大脑大小相差五个数量级，但它们具有许多共同的解剖和功能特征，这些特征转化为皮质网络的共性。在这里，我们开发了一个机器学习框架来量化加权区域间皮质矩阵的可预测程度。部分网络连接数据是通过采用一致方法生成的逆向追踪实验获得的，并辅以非人类灵长类动物（猕猴）和啮齿动物（小鼠）的投影长度测量。我们表明，这两个物种的区域间皮质网络都具有显著的可预测性。在二进制级别，对于猕猴，链接是可预测的，ROC 曲线下面积至少为 0.8。加权中和强链接的可预测准确率为 85% – 90%（小鼠）和 70% – 80%（猕猴），而这两个物种的弱链接都不可预测。这些观察结果证实了先前的观察结果，即中尺度皮层网络的形成和演化在很大程度上是基于规则的。使用本文介绍的方法，我们对所有区域对进行了归纳，为两个物种的完整区域间网络生成了样本。这对于在物种内和物种间以最小偏差进行连接组比较研究是必要的。
哺乳动物大脑皮层间连接的可预测性
主要关键词
相关文件推荐
