来源于文章 Effects of network resolution on topological properties of human neocortex
创新点
解剖皮质网络的拓扑组织随稀疏性和皮质尺度的分辨率而变化,提供了一种新颖的方法——基于Ledoit–Wolf 引理的最新技术来缩小协方差估计值,收缩过程对区域之间的协方差进行校正,目的是减少从回归分析得出的均方误差。
文章代码地址
基于Desikan–Killiany atlas (Desikan et al., 2006) 模板进行皮层分割,下载地址Desikan–Killiany atlas subParcellation https://github.com/RafaelRomeroGarcia/subParcellation
摘要
图论分析应用于神经影像数据集,为人类新皮质的大规模解剖组织提供了宝贵的见解。这些研究大多数以不同的皮层规模进行,从而导致了具有不同水平的小世界组织的皮层网络。本研究探讨了基于厚度的皮质尺度分辨率对人体皮质解剖

研究发现,解剖皮层网络的拓扑组织随网络分辨率和稀疏性变化,特别是在540-599个区域(表面积250-275mm²)和稀疏度低于10%的方案中,小世界组织最佳。文章提出了一种基于Ledoit-Wolf 引理的收缩方法,减少统计误差并确定最佳皮质尺度。结果显示,599个区域的皮质尺度较传统地图集方案更优,且与精细尺度(1494个区域)相比,差异不大。研究强调了解剖皮层网络的拓扑组织随分辨率变化的重要性,并提供了一种优化方法。
订阅专栏 解锁全文
1659

被折叠的 条评论
为什么被折叠?



