机构名称：
¥ 5.0
大脑的联网体系结构促进了神经元种群之间的同步和相干动态的出现。可以使用非侵入性功能成像对这些通信模式进行全面映射，从而导致功能连接性（FC）网络。尽管很受欢迎，但FC还是统计结构，其操作定义是任意的。大多数研究默认情况下使用零滞后皮尔森的相关性，但在更广泛的科学文献中存在数百个成对相互作用统计，可用于估计FC。FC矩阵的组织如何随选择成对统计量的选择而变化，这是一个基本的方法论问题，影响了这个快速增长的领域的所有研究。在这里，我们全面基准了使用239个成对相互作用统计的大型库计算出的FC矩阵的拓扑和地理组织，神经生物学关联以及认知行为相关性。We comprehensively investigate how canonical features of FC networks vary with the choice of pairwise statistic, including (1) hub mapping, (2) weight-distance trade-offs, (3) structure–function coupling, (4) correspondence with other neurophysiological networks, (5) individual fingerprinting, and (6) brain–behavior prediction.我们发现了FC方法之间的实质性定量和定性变化。使用信息流量分解，我们发现FC方法之间的差异可能是由于对区域间通信的潜在机制的不同敏感性引起的，其中一些对冗余更敏感，有些对协同信息流。在整个过程中，我们都观察到，诸如协方差（完全相关），精度（部分相关）和距离之类的措施显示出多种理想的特性，包括与结构连接性的紧密对应，使个人区分的能力和预测行为的个性差异。总而言之，我们的报告强调了对特定神经生理机制和研究问题定制成对统计的重要性，为将来的研究提供了蓝图，以优化其对FC方法的选择。
用于映射大脑功能连接性的基准测试方法
主要关键词
相关文件推荐
