Predicting Functional Connectivity From Observed and Latent Structural Connectivity via Eigenvalue Mapping.
Predicting Functional Connectivity From Observed and Latent Structural Connectivity via Eigenvalue Mapping.
复制标题
DOI：
10.3389/fnins.2022.810111
复制
发表时间：
2022
影响因子：
4.3
通讯作者：
Raj A
中科院分区：
文献类型：
--
作者：
Cummings JA;Sipes B;Mathalon DH;Raj A
了解复杂的动态活动如何在静态结构网络上传播是神经科学领域的首要问题。以前的工作已经证明，线性图论模型在预测功能连通性方面表现出与非线性神经模拟一样好的性能，并增加了低维和闭合形式解的好处，这使得它们的计算成本要低得多。在这里，我们展示了一个简单的模型，使用伽玛函数将结构连通性和功能网络的本征值联系起来，用单个模型参数产生可靠的功能连通性预测。我们还研究了局部活动扩散和长程半球间连通性对结构-功能模型的影响，并表明在考虑传统扩散张量成像(DTI)方法中经常排除的这些潜在变量时，功能连通性预测有所改善。
Understanding how complex dynamic activity propagates over a static structural network is an overarching question in the field of neuroscience. Previous work has demonstrated that linear graph-theoretic models perform as well as non-linear neural simulations in predicting functional connectivity with the added benefits of low dimensionality and a closed-form solution which make them far less computationally expensive. Here we show a simple model relating the eigenvalues of the structural connectivity and functional networks using the Gamma function, producing a reliable prediction of functional connectivity with a single model parameter. We also investigate the impact of local activity diffusion and long-range interhemispheric connectivity on the structure-function model and show an improvement in functional connectivity prediction when accounting for such latent variables which are often excluded from traditional diffusion tensor imaging (DTI) methods.
登录
查看更多内容
DOI：
10.1177/1073858416667720
发表时间：
2017-10
期刊：
The Neuroscientist : a review journal bringing neurobiology, neurology and psychiatry
影响因子：
--
作者：
Bassett DS;Bullmore ET
通讯作者：
Bullmore ET
影响因子：
5.7
作者：
Abdelnour F;Dayan M;Devinsky O;Thesen T;Raj A
通讯作者：
Raj A
影响因子：
16.2
作者：
He, Biyu J.;Zempel, John M.;Snyder, Abraham Z.;Raichle, Marcus E.
通讯作者：
Raichle, Marcus E.
影响因子：
5.7
作者：
Jenkinson, M;Bannister, P;Smith, S
通讯作者：
Smith, S
影响因子：
2.9
作者：
Brooks JC;Faull OK;Pattinson KT;Jenkinson M
通讯作者：
Jenkinson M