- 9 次围观
内容形式:摘要译文
结构相似性网络量化不同皮层区域结构属性的相似程度,为观察皮层结构组织提供了宏观视角。形态计量逆散度(morphometric inverse divergence,MIND)是一种用于衡量皮层区域间相似性的多变量指标,其依据是对多个MRI特征或形态计量变量的区域分布计算Kullback-Leibler(KL)散度;这些特征或变量在局部以体素或顶点分辨率测量。MIND已显示出良好的技术稳健性和生物学有效性,并日益广泛地应用于临床与发育网络神经科学,作为衡量皮层间相似性的指标。在此,我们深入介绍KL散度与MIND的方法学背景,重点阐明可能的偏倚来源、设计MIND处理流程时用户需要审慎权衡的关键决策,以及将MIND用作皮层相似性指标时降低技术风险的建议。我们采用模拟数据以及来自成人的观察性MRI数据集(UK Biobank,N = 500,包含T1加权和弥散扫描)和来自新生儿的数据集(Developing Human Connectome Project,N = 752,T2加权扫描),展示MIND中采用的KL散度估计量可能受到输入MRI特征图五项属性的影响或产生偏倚:(i)平滑度;(ii)相同数值所占比例;(iii)在原生空间或共同空间中进行分析,以及顶点网格分辨率的选择;(iv)脑区分割方案的选择;以及(v)输入特征之间的协方差。我们为研究人员提供有原则且切实可行的指导,帮助他们根据现有MRI数据的限制与优势,确定并实施最合适的MIND处理流程。这些建议概述了哪些流程步骤应谨慎使用,
例如顶点图平滑;应审慎采用的方法,例如分区方案选择或顶点网格重采样;以及可新近引入以更稳健地估计 MIND 的方法,例如使用主成分分析对多变量 MRI 特征进行预处理。为推动结构 MRI 相似性网络分析的进一步发展,并促进稳健 MIND 方法的广泛应用,我们还将用于生成本文结果的代码作为开放资源发布。
关键词:结构相似性网络 · 形态计量逆散度 · 皮层形态学 · 磁共振成像 · KL散度 · 方法学偏倚
原文链接:https://www.biorxiv.org/content/10.64898/2026.08.28.747811v1?rss=1