9、探索个体功能连接组：独特性、预测模型与未来展望

探索个体功能连接组：独特性、预测模型与未来展望

在神经科学的研究领域中，个体功能连接组（FC）的独特性正逐渐成为研究的焦点。功能连接组指的是大脑不同区域之间的功能连接模式，它为我们理解大脑的功能和个体差异提供了新的视角。

任务态扫描的优势

相较于相对嘈杂的静息状态，任务态扫描在个体识别方面表现出更高的准确性。在基于连接组的识别情境中，任务态扫描还具有许多静息态扫描所不具备的实用优势。这表明大脑在执行任务时的状态能够更清晰地展现出个体之间的差异，为后续的研究和应用提供了更丰富的信息。

连接组与行为的关联及预测模型

虽然基于连接组的识别是一种强大的技术，能够突出和研究个体在功能连接上的差异，但人们运用功能连接组映射并非仅仅是为了识别个体的独特性。该方法的核心价值在于理解个体间功能连接模式的差异，并利用这些差异构建与行为或认知相关的有意义模型。

为了实现这一目标，研究人员开发了一种名为基于连接组的预测建模（CPM）的技术。CPM 利用功能连接模式来预测行为或认知变量的水平。具体操作步骤如下：
1. 关联连接矩阵与行为变量 ：将连接矩阵中的边与行为变量进行关联。
2. 选择显著边并计算统计量 ：挑选出具有显著关联的边，并计算这些边的汇总统计量。
3. 生成线性模型 ：在汇总统计量（连接数据）和行为变量之间建立线性模型。
4. 预测行为分数 ：将新个体的连接数据输入到模型中，以预测其行为分数。

输入为连接数据和行为变量分数，输出则是对未见