Functional brain connectivity is predictable from anatomic network's Laplacian eigen-structure.
Functional brain connectivity is predictable from anatomic network's Laplacian eigen-structure.
复制标题
DOI：
10.1016/j.neuroimage.2018.02.016
复制
发表时间：
2018-05-15
期刊：
影响因子：
5.7
通讯作者：
Raj A
中科院分区：
文献类型：
--
作者：
Abdelnour F;Dayan M;Devinsky O;Thesen T;Raj A
结构连接性（SC）如何引起功能连接性（FC）尚未完全理解。在这里，我们从数学上推导出一个简单的关系SC测量扩散张量成像，FC从静息状态功能磁共振成像。我们建立SC和FC相关的（结构）拉普拉斯谱，FC和SC共享特征向量和他们的特征值是指数相关的。这给出了，第一次，一个简单的和分析的关系之间的图谱的结构和功能网络。拉普拉斯特征向量被证明是很好的预测功能的特征向量和网络的独立成分分析的功能时间序列的基础上。少量的拉普拉斯本征模被证明是足以重建FC矩阵，作为基函数。这种方法速度快，不需要耗时的模拟。它在两个经验SC/FC数据集上进行了测试，并发现显着优于耦合神经质量的生成模型模拟。
How structural connectivity (SC) gives rise to functional connectivity (FC) is not fully understood. Here we mathematically derive a simple relationship between SC measured from diffusion tensor imaging, and FC from resting state fMRI. We establish that SC and FC are related via (structural) Laplacian spectra, whereby FC and SC share eigenvectors and their eigenvalues are exponentially related. This gives, for the first time, a simple and analytical relationship between the graph spectra of structural and functional networks. Laplacian eigenvectors are shown to be good predictors of functional eigenvectors and networks based on independent component analysis of functional time series. A small number of Laplacian eigenmodes are shown to be sufficient to reconstruct FC matrices, serving as basis functions. This approach is fast, and requires no time-consuming simulations. It was tested on two empirical SC/FC datasets, and was found to significantly outperform generative model simulations of coupled neural masses.
登录
查看更多内容
影响因子：
5.3
作者：
Deco, Gustavo;Ponce-Alvarez, Adrian;Corbetta, Maurizio
通讯作者：
Corbetta, Maurizio
影响因子：
3.3
作者：
Hess, Christopher P.;Mukherjee, Pratik;Vigneron, Daniel B.
通讯作者：
Vigneron, Daniel B.
影响因子：
5.7
作者：
Calhoun VD;Liu J;Adali T
通讯作者：
Adali T
DOI：
10.1073/pnas.1315529111
发表时间：
2014-01-14
影响因子：
11.1
作者：
Goni, Joaquin;van den Heuvel, Martijn P.;Sporns, Olaf
通讯作者：
Sporns, Olaf
DOI：
10.1073/pnas.0811168106
发表时间：
2009-02-10
影响因子：
11.1
作者：
Honey, C. J.;Sporns, O.;Hagmann, P.
通讯作者：
Hagmann, P.