- 2 次围观
病灶网络映射（lesion network mapping，LNM）及其衍生方法能够成功地将解剖学上分散的脑区整合为与共同症状相关的功能网络。然而，近年来，其统计学有效性和特异性已成为争论的焦点。在此，我们引入一种基于零模型的稳健病灶网络映射（robust LNM，rLNM）框架，用于开展敏感性检验和症状特异性检验。在多个基于病灶的数据集（10种疾病，333个病灶）和基于任务的数据集（4种疾病，706项实验）中，rLNM揭示了具有生物学意义且具有症状特异性的网络，同时能够有效控制假阳性。
H.L.担任Neural Galaxy Inc.和Galaxy Brain Scientific Inc.的首席科学家及联合创始人。J.R.和D.W.担任Galaxy Brain Healthcare Inc.的科学顾问。W.C.和J.H.担任北京银河经纬科技有限公司的科学顾问。W.Z.为脑语医疗科技（济南）有限公司的无偿法定代表人。上述关系已由昌平实验室依据机构利益冲突政策进行审查和管理。N.U.F.D.在Turing Medical Inc.拥有经济利益；如果该公司成功推广FIRMM运动监测软件产品，N.U.F.D.可能从中获得经济收益。E.M.G.和N.U.F.D.可能获得基于华盛顿大学医学院开发并授权给Turing Medical Inc.的FIRMM技术所产生的特许权使用费收入。N.U.F.D.是Turing Medical Inc.的联合创始人。这些潜在利益冲突已由华盛顿大学医学院进行审查和管理。其他作者声明，就本文的发表而言不存在利益冲突。
感谢您有兴趣帮助传播bioRxiv的信息。
注意：要求提供您的电子邮件地址仅用于确认您的身份作为
本文的发送者。
关键词：病灶网络映射 · 零模型 · 症状特异性网络 · 脑连接组学 · 假阳性控制
原文链接：https://www.biorxiv.org/content/10.64898/2026.05.18.725812v1?rss=1