NeuroMark dFNC:用于个体特异性和频率分辨时变连接组学的可迁移动态状态模板

由 root 提交于 周三, 10/21/2026 - 08:47

内容形式:摘要译文

动态功能网络连接(dynamic functional network connectivity,dFNC)通常从静息态功能磁共振成像(fMRI)中识别反复出现的连接状态,但在各数据集中独立推导的状态无法保证在不同研究之间具有对应关系,也无法直接用于新受试者的估计。我们提出了 NeuroMark dFNC,该方法将 NeuroMark 基于先验引导的网络估计原理拓展至动态连接分析,通过使用可重复的参考状态作为先验,估计与之对应的受试者特异性状态。参考状态模板基于 UK Biobank 数据,采用窗口化功能网络连接和时频矩(time-frequency moments,TFMs)构建,并针对 k-means、独立成分分析(independent component analysis,ICA)和主成分分析(principal component analysis,PCA)模板生成方法,利用拆分样本对其可重复性进行了评估。随后,受约束的 ICA 利用这些模板,在独立的 FBIRN 精神分裂症队列和 ADNI 阿尔茨海默病队列中估计受试者特异性的状态模式及连续载荷。通过评估各 ICA 载荷对原始特征矩阵重构的贡献,对 ICA 载荷进行了校准。在每个观测时刻,根据绝对校准载荷最大的状态,计算状态占用率和条件平均驻留时间。预定义模板避免了针对特定数据集进行状态发现及事后状态匹配的需要。在两个临床队列中,该分析均识别出状态依赖性的、分布式的逐边连接差异,以及部分时间汇总指标的差异。名义上的频率分辨结果在不同状态及矩频率区间之间存在变化,因此被视为探索性结果。NeuroMark dFNC 为跨队列比较提供了共同的状态空间,同时保留了受试者特异性的连接模式和连续的状态表达。

关键词:动态功能网络连接 · 功能磁共振成像 · 个体特异性连接状态 · 可迁移状态模板 · 时频分析

原文链接:https://www.biorxiv.org/content/10.64898/2026.10.12.758630v1?rss=1