1.介绍
理解人脑的大规模连接对于理解大脑的整体认知功能非常重要。人脑的联通性包括多个空间尺度,从单个神经元到整个大脑区域和系统。神经科学家们通常通过fmri,来关注不同大脑区域的高级活动模式。区域间活动的相关性==区域间功能连接的度量,这是基础。
这些区域之间实质上构成了一个相对较少的内部网络,他们这些区域内部之间紧密相连,外部联系稀少。图论技术如,社区检测等技术可以用在识别这些网络上。而且,大脑的模块组织是分层的,这些层次模块的研究揭示了较大的群体中存在着专门的认知子模块。
研究大脑网络的层次性和模块性可以为以下问题提供答案。
- 大脑网络在不同人之间如何变化
- 在不同年龄时,如果变化
- 不同心理和疾病时如何变化
重点是找到相应的论文自圆其说【引用12重要】
现有的功能连接可视化方法主要是为了交流科学发现,而不是全面支持对连接数据的探索。这样的反馈将允许科学家在分析过程的早期制定或拒绝假设。
软件集成有多个视图,引入新的交互技术,探索闹网络的层次性和模块化特性,解决这一难题,促进了对连接数据的全面理解。(1)抽象视图显示——A和C是连接性信息,和分析结果D,E,F。(2)解剖学:将信息与解剖学联系起来。(B)(3)社区分析——计算和识别模块,他们的层次结构和图论度量,所有这些共同提供了对大脑网络拓扑结构的全面了解。
本文贡献如下:
-
我们使用 概述+聚焦+详细可视化的模块化结构和层次结构的大脑网络。这些可视化显示了模块间和模块内的连接关系。
-
我们提供了基于用户指定的阈值来动态计算脑网络各种拓扑特性的方法,图统计,社区结构及其相关层次结构。
-
我们引入一个集成的系统,使用brushing和连接的来结合,突出不同数据方面的视图
-
使用两个案例
2.背景
2.1功能连接
2.2功能脑网络的模块性分析
复杂网络中的模块性度量网络划分为模块集,其中每个模块具有密集的内部或内部模块连接,以及稀疏的外部或模块间连接性。
大脑网络的模块化组织通常是为了回答高层次问题:
- 模块间的连接有多样化
- 一个专门执行特定任务的模块如何与其他模块交互。
- 模块中的哪些节点负责全局模块间集成
可视化显示不同层次的模块化组织有助于神经科学家深入了解大脑网络的拓扑结构,从而对数据得出定性的结论。例如,当分析某个疾病的大脑网络特性时,受试者的层次结构显著降低,表面他们的大脑网络连接的效率较低
3.相关工作
简要回顾三个领域:功能脑网络的可视化分析,分层模块化结构中的可视化,社区可视化。
3.1 功能脑网络中的视觉分析工具
3.2 层次模块化结构可视化
3.3 脑功能连接的模块化结构的可视化
4.整体方法
相关模式:侧重直接可视化相关矩阵,显示单个脑区之间的相关强度。
社区模式:社区模式显示了分析脑网络模块化和层次化特征的结果。
两种模式切换。
4.1解剖的角度
4.2抽象的角度
4.3 社区探测和可视化
我们工具中的社区检测模式,有助于探索大脑网络的模块化特性。对数据执行社区检测,以识别和探索模块及其层次结构。使用LOuvain算法区划分社区。
4.4系统树图