跳到正文
原文
bioRxiv · Neuroscience· Bey, P., Ruffle 等 11 人
精选AI 评分64

用病灶检验假设的神经基础

Testing hypothesized neural substrates with lesions

预印本 · 尚未经过同行评审

AI 导读

相关神经影像提出的解剖学假设,常靠病灶研究中按区域加权的病灶体积与缺陷回归来检验。作者先解析证明这一做法不能判断假设区域是否就是真实基础,再用 4119 个缺血性病灶做半合成模拟,让行为缺陷分别依赖全局病灶属性、分布式皮层网络与白质束,以及右侧额叶的流体智力基础,在多个噪声水平下各迭代 5000 次。结果显示目标并非真实基础时仍会出现虚假的显著依赖,而对病灶体积做校正会依目标不同而减弱或加剧偏差;目标为真实基础时,校正普遍降低本已不佳的敏感性。作者据此主张采用在精细空间尺度上显式建模病灶与基础解剖的多变量方法。

推荐理由

用 4119 个缺血性病灶做半合成模拟,在多个噪声水平下各迭代 5000 次,检验按区域加权病灶体积回归能否验证假设的神经基础。

摘要 · AI 翻译

相关性神经影像学产生解剖学假设,这些假设可通过病灶研究进行因果检验。区域加权病灶体积-缺陷回归——比较行为对假设神经基质内部与外部损伤依赖的斜率——以及继承相同逻辑的区室体积比较,已被广泛用于此任务,但缺乏对 underlying 方法学的分析性检验或实证验证。在此,我们通过分析表明,该方法无法有效检验假设的区室是否识别出真实基质。为说明实证后果,我们使用4119个缺血性病灶进行半合成模拟,建模依赖于全局病灶属性、广泛研究的分布式皮层网络和白质束、或先前通过多变量方法识别的流体智力右侧额叶基质的行为缺陷。我们以每个假设区室为目标应用区域加权回归,跨越多个现实噪声水平进行5000次迭代。当假设目标并非真实基质时,我们发现虚假显著的依赖性,尽管在定义上不存在解剖学特异性;对病灶体积的调整会减弱或加剧观察到的偏差,具体取决于所选目标。相反,当目标为真实基质时,病灶体积校正普遍降低本已较差的敏感性。我们的分析可能解释定位研究间常见的差异,并强调需要多变量方法,在精细分辨的空间尺度上明确建模病灶与基质解剖。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。