[脑网络参数1]常用的脑网络计算的参数及其意义-功能分割参数 function segregation

目录

1 功能分割的参数（function segregation)

1.1t

1.2 CC 和 transitivity

CC

transitivity

1.3 modular structure

参考资料

---

degree

意义：与一个节点相连的节点数（通过节点的边数）

计算：

1 功能分割的参数（function segregation)

包括：

1. 基础-三角数t
2. 聚类系数（cluster coeffecient-CC）
3. 传递性（transitivity）
4. 模块结构（modular structure）
5.  

意义：集群或模块（cluster /modules）在解剖网络中，这提示可能的功能分割，而在功能网络中提示可能的分割的神经进程。 

1.1t

意义：经过节点i的三角形数目

计算：

（i与另外两个节点连接且另外两个节点相互连接-全1）

1.2 CC 和 transitivity

CC

意义：围绕单个节点的集群连接的prevalence

计算：

即是任意两个与i节点相连的节点，与其组成了一个三角形，这个三角形最少有两条边（因为是degree），最多有三条边都相连，那么有三条相连的为t，三条边与总的（两条边和三条边）的比值，将其对所有节点取平均数就是CC

CC值存在一个缺点，那就是忽略了每个节点degree的不同（对每个节点进行了标准化），所以引入了传递性来解决这个问题

transitivity

计算：

指的是所有的节点 ’3边三角形‘比上 所有的三角形（不对每个节点标准化 而是直接当作一个整体）

1.3 modular structure

将聚类划分为节点，使得这个结构满足最大组内连接和最小组间连接（分割），使用算法得到

不同算法特点

• Newman法：精确，慢，运用于小网络较好
• Blondel法：运用于大网络（牺牲精确度），可以得到网络的层次结构
• Palla法：一个节点可属于不同的modules

 经过modular structure重排后的矩阵

参考资料

Complex network measures of brain connectivity: Uses and interpretations Mikail Rubinov ，  Olaf Sporns     doi: 10.1016/j.neuroimage.2009.10.003