.png){kind=icon}
返回
Accurately modelling the resting-state functional connectivity with eigen-based connected-graph diffusion model
.png){kind=icon}
OA
AI
DOI：10.1016/j.engappai.2026.115091.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
理解功能动态如何从大脑的底层结构架构中涌现仍然是神经科学中的一个基本挑战。传统的图扩散（GD）模型受限于稀疏的解剖学连接，导致无法捕捉间接连接和负相关关系。为克服这些挑战，我们引入超图和深度神经网络来增强大脑连接的表示。具体而言，图和超图被整合以构建一个连通图，提供对区域间大脑连接的全面表示。傅里叶诱导的深度神经网络被用于从结构连接中推断潜在的区域间关系，通过利用频谱特征，有效捕捉低频和高频分量。这些推断的关系被纳入连通图，产生一个连通图扩散（CD）模型，并通过特征分解进一步精炼为基于特征值的连通图扩散（ECD）模型。在Human Connectome Project（HCP）S1200发布中的1012名受试者上评估后，ECD模型在功能连接（FC）预测中达到0.7230的平均皮尔逊相关系数，优于GD模型（0.5513）和CD模型（0.6518）。稳定性分析表明ECD模型的预测是可靠的。这项工作表明，整合生物学机制与机器学习方法可以准确建模复杂的大脑网络，对神经信号处理、脑启发计算和精神神经疾病诊断具有启示意义。
Keyword:
Structural connectivity
Functional connectivity
Eigen-decomposition
Diffusion model
Fourier-induced deep neural network
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
引用论文
Global signal regression strengthens association between resting-state functional connectivity and behavior.png)
NeuroImageOAAI
NeuroImageIF0
OAAI分享收藏分享收藏Functional brain connectivity is predictable from anatomic network's Laplacian eigen-structureNeuroImageOAAI
NeuroImageIF0
OAAI分享收藏Neuroinflammation is independently associated with brain network dysfunction in Alzheimer's disease神经炎症与阿尔茨海默病的脑网络功能障碍独立相关MOLECULAR PSYCHIATRYOAAI
MOLECULAR PSYCHIATRYIF10.1
OAAI分享收藏
Complex network measures of brain connectivity: Uses and interpretations大脑连通性的复杂网络测量: 用途和解释NeuroImage
NeuroImageIF0
PREAI
分享收藏分享收藏The minimal preprocessing pipelines for the Human Connectome Project人类连接体项目的最小预处理管道NeuroImageOAAI
NeuroImageIF0
OAAI分享收藏
查看更多内容