XiaoMi-AI文件搜索系统
World File Search System向量分析
多模态子空间独立向量分析可有效捕捉大脑结构和功能之间的潜在关系
图 1：两种模态（M 1 − M 2）的五种合理候选子空间结构（S 1 − S 5）。每个面板描绘了五种不同的合理场景（S 1 − S 5）中两种模态（M 1 − M 2）源之间的理想化关联。每个块的大小表示子空间内的源数量（子空间大小）。以蓝色突出显示的彩色子空间在模态之间链接，而以绿色突出显示的黑色子空间（S 1 − S 4 中的 1×1 块）特定于每种模态（无跨模态相关性）。对于每种模态，同一子空间内的源在统计上是相关的，而不同子空间中的源在统计上是独立的。
BRAIN-2020-0815-ver9-Long_3P 430..446 - NSF-PAR
目的：在本研究中，我们提出了一种新颖的自适应约束独立向量分析 (acIVA) 方法来有效捕捉动态血氧水平依赖性 (BOLD) 活动 (dBA) 的时间和空间特性，并有效地量化 dBA (sdBA) 的空间特性。我们还建议将 dBA 纳入大脑动力学研究，以深入了解活动连接共同进化模式。简介：使用功能性磁共振成像 (fMRI) 研究人脑动力学，可以识别独特的功能网络连接 (FNC) 状态，并为精神障碍提供新的见解。有证据表明，fMRI 捕捉到的 BOLD 活动和 FNC 都与心理和认知过程有关。然而，只有少数研究评估了这两个功能领域的相互关系。此外，由于需要研究精神分裂症的异质性，识别精神分裂症亚组具有重要的临床意义。方法：我们设计了一项模拟研究来验证 acIVA 的有效性，并将 acIVA 应用于从精神分裂症患者和健康对照者 (HC) 收集的静息态 fMRI 数据的动态研究，以调查 dBA 和动态 FNC (dFNC) 之间的关系。结果：模拟研究表明 acIVA 准确捕捉了空间变异性并提供了 sdBA 的有效量化。fMRI 分析产生了同步的 dBA-时间属性 (tdBA) 模式，并表明 dBA 和 dFNC 在空间域中显着相关。利用这些动态特征，我们可以识别出在临床症状方面具有显著差异的精神分裂症亚组。结论：我们发现，与 HC 相比，精神分裂症患者的脑功能组织异常，因为精神分裂症患者的同步 sdBA-tdBA 模式较少，并且精神分裂症患者更喜欢融合多个脑区的部分。使用动态特征识别精神分裂症亚组启发了神经影像学在研究疾病异质性方面的应用。