Fine-granularity functional interaction signatures for characterization of brain conditions.
Fine-granularity functional interaction signatures for characterization of brain conditions.
复制标题
用于表征大脑状况的细粒度功能交互特征
DOI：
10.1007/s12021-013-9177-2
复制
发表时间：
2013-07
期刊：
影响因子：
3
通讯作者：
Liu, Tianming
中科院分区：
文献类型：
--
作者：
Hu, Xintao;Zhu, Dajiang;Lv, Peili;Li, Kaiming;Han, Junwei;Wang, Lihong;Shen, Dinggang;Guo, Lei;Liu, Tianming
在人脑中，功能活动发生在多个空间尺度上。目前通过静息状态功能磁共振成像（rs-fMRI）对脑功能网络及其在脑部疾病中的变化的研究通常是局部尺度（区域限制分析和区域间功能连通性分析）或全局尺度（图论分析）。相比之下，在细粒度子网络尺度上推断功能交互尚未得到充分的探索。在此，我们的假设是，在细粒度子网络尺度上测量功能相互作用可以为神经和心理状况的神经机制提供新的见解，从而为健康和患病人群分类提供补充信息。在本文中，我们通过扩散张量成像（DTI）和rs-fMRI获得了轻度认知障碍（MCI）和精神分裂症受试者的细粒度功能相互作用（FGFI）特征，并使用患者对照分类实验来评估衍生的FGFI特征的独特性。我们的实验结果表明，与常用的区域间连接特征相比，单独使用FGFI特征可以获得相当的分类性能。然而，当FGFI特征和区域间连通性特征相结合时，分类性能可以大大提高，这表明FGFI特征可以实现互补信息。
In the human brain, functional activity occurs at multiple spatial scales. Current studies on functional brain networks and their alterations in brain diseases via resting-state functional magnetic resonance imaging (rs-fMRI) are generally either at local scale (regionally confined analysis and inter-regional functional connectivity analysis) or at global scale (graph theoretic analysis). In contrast, inferring functional interaction at fine-granularity sub-network scale has not been adequately explored yet. Here our hypothesis is that functional interaction measured at fine-granularity sub-network scale can provide new insight into the neural mechanisms of neurological and psychological conditions, thus offering complementary information for healthy and diseased population classification. In this paper, we derived fine-granularity functional interaction (FGFI) signatures in subjects with Mild Cognitive Impairment (MCI) and Schizophrenia by diffusion tensor imaging (DTI) and rs-fMRI, and used patient-control classification experiments to evaluate the distinctiveness of the derived FGFI features. Our experimental results have shown that the FGFI features alone can achieve comparable classification performance compared with the commonly used inter-regional connectivity features. However, the classification performance can be substantially improved when FGFI features and inter-regional connectivity features are integrated, suggesting the complementary information achieved from the FGFI signatures.
登录
查看更多内容
影响因子：
5.7
作者：
Behrens TE;Sporns O
通讯作者：
Sporns O
DOI：
10.1098/rstb.2005.1634
发表时间：
2005-05-29
影响因子：
6.3
作者：
Beckmann, CF;DeLuca, M;Smith, SM
通讯作者：
Smith, SM
影响因子：
2.5
作者：
Cordes, D;Haughton, V;Maravilla, K
通讯作者：
Maravilla, K
影响因子：
5.7
作者：
Dai, Zhengjia;Yan, Chaogan;He, Yong
通讯作者：
He, Yong
意识，可塑性和连接学：主体间性在人类认知中的作用。
影响因子：
3.8
作者：
Allen M;Williams G
通讯作者：
Williams G