机构名称：
¥ 1.0
大脑图像分析中的一项常见任务包括诊断某种疾病，其中分析并比较了健康对照组和患病受试者。另一方面，对于一组具有不同技能的健康参与者，对大脑功能的独特分析仍然是一个具有挑战性的问题。在这项研究中，我们开发了新的计算工具，以探索健康个体大脑之间可能存在的功能和解剖学差异，以不同水平的任务经验/培训率识别。为此，我们查看了业余和专业国际象棋播放器的数据集，在那里我们利用静止状态功能磁共振图像来生成功能连接（FC）信息。此外，我们还利用T1加权磁共振成像来估计形态计量连通性（MC）信息。我们将功能和解剖学特征结合到新的连接矩阵中，我们将其称为功能形态相似性连接组（FMSC）。由于FC和MC信息都易于冗余，因此使用统计特征选择减少了此信息的大小。我们使用现成的机器学习分类器，支持向量机，用于单模式分类。从我们的实验中，我们确定大脑的显着性和腹侧注意网络在两组健康受试者（国际象棋参与者）之间在功能和解剖学上不同。我们认为，由于国际象棋涉及高阶认知的许多方面，例如系统思维和空间推理，并且识别网络是对需要响应的认知任务的任务阳性，因此我们的结果是有效的，并且支持拟议的计算管道的可行性。此外，我们对现有的神经科学假设进行了定量验证，即学习某种技能可能会导致大脑的变化（功能连通性和解剖结构），并且可以通过我们的新型FMSC算法进行测试。
形态和功能性大脑连接性将国际象棋大师与业余参与者区分开
主要关键词
相关文件推荐
