机构名称：
¥ 1.0
静息状态大脑动力学的动态建模本质上依赖于用于模型推导和验证的经验神经影像数据。然而，对于磁共振成像流程以及模型中涉及的结构和功能连接组，仍然没有标准化的数据处理。因此，在本研究中，我们讨论了结构连接 (SC) 的扩散加权数据处理参数如何影响由 SC 指导的全脑数学模型的验证结果。为此，我们引入了一组模拟条件，包括用于提取 SC 的全脑纤维束成像 (WBT) 的不同数量的总流线、基于功能和解剖大脑特性的皮质分区以及不同的模型拟合模式。本研究的主要目的是探索模型验证的质量如何随着考虑的模拟条件而变化。我们观察到结构连接组的图论网络属性会受到不同纤维束成像密度的影响，并且与模型性能密切相关。我们还发现，WBT 的总流线的最佳数量会因不同的脑图谱而异。因此，我们提出了一种基于网络属性和来自多个 WBT 条件的最佳参数配置来改进模型性能的方法。此外，可以将受试者群体分层为具有不同行为的子组，这些行为是由不同的 WBT 密度引起的，这样就可以针对各个受试者和脑分区的数据处理提出不同的建议。
神经影像学
主要关键词
相关文件推荐
