返回
Functional fingerprinting for the developing brain using deep metric learning
DOI:10.1162/IMAG.a.1112.png)
摘要
En 中文
脑指纹识别为利用神经影像数据描绘个体大脑独特功能架构提供了一种有前景的方法。本研究提出了一种用于脑指纹识别的新型深度学习框架——Metric-BolT,并利用其表征儿童期和青春期早期的不同发育轨迹。基于纵向神经影像数据,提取的脑指纹在单次会话内两次数据采集中的识别准确率达到97.6%,而跨越4年的数据采集准确率为86.6%。值得注意的是,最具判别性的脑指纹由高级联合皮层驱动,特别是默认模式网络的区域。此外,我们显示这些指纹与认知能力(如流体智力和晶体智力)相关,并表现出显著的遗传关联,指纹模式越相似的个体间观察到更强的基因组关系。与脑指纹识别相关的基因倾向于在额叶皮层中表现出上调表达,尤其是在儿童晚期。综上,本研究提出了一种创新性的脑功能指纹识别计算方法,并为青少年神经发育中的个体变异提供了新的见解。
Keyword:
brain fingerprinting
individual variability
brain development
fMRI
individual identification
期刊
I
IF:
0
论文数:
290
被引数:
0
机构
引用论文
A Comparison of Static and Dynamic Functional Connectivities for Identifying Subjects and Biological Sex Using Intrinsic Individual Brain Connectivity
SCIENTIFIC REPORTS
IF3.9
Image processing and analysis methods for the Adolescent Brain Cognitive Development Study用于青少年大脑认知发育研究的图像处理与分析方法
NeuroImage
IF0
On testing for spatial correspondence between maps of human brain structure and function关于测试人脑结构和功能图之间的空间对应关系
NeuroImage
IF0
Functional Connectivity Fingerprints at Rest Are Similar across Youths and Adults and Vary with Genetic Similarity
iScience
IF0
Evaluating the replicability, specificity, and generalizability of connectome fingerprints
NeuroImage
IF0

