一个基于形状变形的框架用于构建个体化皮层下形态网络

个体化形态学脑网络已成为基于影像的连接组学的重要框架。然而，现有方法主要集中于大脑皮层，对皮层下结构的研究仍十分有限，尽管这些结构在认知和神经精神疾病中发挥着核心作用。在此，我们开发了一个新框架，用于从结构磁共振成像构建个体化皮层下形态学网络。具体而言，我们使用 Point2Mesh 优化的多层感知机架构重建皮层下表面，并将顶点水平的形状形变量化为个体网格上每个顶点与组平均模板网格上对应顶点之间的有符号欧氏距离。随后，我们使用 Jensen-Shannon 散度估计局部形状形变分布中的区域间形态学连接。将该方法应用于人类连接组计划数据集，我们发现皮层下形态学网络表现出复杂的拓扑组织，包括小世界架构、模块化组织和高连接度的枢纽节点，这些特征在更精细的亚区尺度上得到一致保留。使用独立的重测数据集进行的分析进一步表明，这些网络属性具有中等至良好的信度。重要的是，这些基于形状形变的网络与从静息态功能磁共振成像估计的皮层下功能网络表现出显著耦合。利用大规模多站点临床数据集，我们进一步证明了精神分裂症和重性抑郁障碍中皮层下形态学网络的改变。精神分裂症主要表现为以右侧尾状核为中心的形态学连接和节点中心性破坏，而重性抑郁障碍仅表现出右侧杏仁核节点中心性的改变。总之，这些发现为研究健康人群和精神疾病人群中人脑皮层下形态学网络组织建立了一个新颖且可靠的框架。

中文由 AI 翻译，仅供参考，以原文为准。