换一批摘要目的:本研究旨在应用新型机器学习技术,即非负矩阵分解(NMF)绘制个体化的小脑功能图谱,以探究不同个体间小脑功能网络的拓扑差异及其与认知行为的潜在联系.方法:采用NMF技术对个体静息态脑功能数据进行处理,获得反映个体特异性的非负小脑功能网络及其对应的非负时间序列.结果:NMF方法成功地在个体水平上绘制了17个具有显著个体异质性的小脑功能网络,建立了这些网络的拓扑模式与认知行为之间的预测模型,揭示了个体间小脑功能网络的多样性.结论:本研究验证了NMF方法获取个体特定小脑功能网络的有效性,并发现个体间小脑功能网络的显著差异.这些发现为神经精神疾病的精准诊断和治疗提供了新的视角,并为未来个性化神经调控治疗方案的制定提供了科学依据.
更多相关知识
关键词
小脑静息态功能磁共振成像机器学习个体化图谱非负矩阵分解人类cerebellumresting state fMRImachine learningindividualized atlasnon-negative matrix factorizationhuman
栏目名称
DOI
10.3969/j.issn.1001-1633.2024.06.002
发布时间
2025-02-25（万方平台首次上网日期，不代表论文的发表时间）
基金项目
科技创新脑科学与类脑研究重大项目（2030;2021ZD0200203）
国家自然科学基金（82072099）
- 浏览3
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
