کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6025192 | 1580889 | 2015 | 36 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
The (in)stability of functional brain network measures across thresholds
ترجمه فارسی عنوان
ثبات (در) شبکه عملکردی در سراسر آستانه ها
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تجزیه و تحلیل شبکه، نظریه گراف، اتصال به عملکرد حالت استراحت، آستانه،
ترجمه چکیده
سازمان بزرگ مقیاس مغز دارای ویژگی های شبکه های پیچیده است که می تواند با استفاده از اندازه گیری های شبکه از نظریه گراف، قابل اندازه گیری باشد. با این حال، بسیاری از اقدامات شبکه طراحی شده بود که بر روی نمودارهای دوتایی محاسبه می شد، در حالی که سازمان های عملکردی مغز به طور معمول از اندازه گیری پیوسته در همبستگی سیگنال زمانی بین مناطق مغزی تعریف شده است. آستانه گیری یک گام ضروری برای استفاده از نمودارهای باینری مشتق شده از داده های ارتباطی عملیاتی است. با این حال، هیچ توافقی در حال حاضر در مورد آستانه استفاده می شود وجود دارد، و اندازه گیری شبکه و کنتراست گروه ممکن است در سراسر آستانه ناپایدار باشد. با این وجود، تجزیه و تحلیل شبکه کل مغز به طور گسترده ای مورد استفاده قرار می گیرد با یافته هایی که معمولا در آستانه دلخواه یا دامنه آستانه گزارش می شود. این مطالعه به دنبال بررسی میزان ثبات شبکه در سطح آستانه در یک مجموعه داده های ارتباطی عملکردی حالت استراحت است. اندازه گیری های شبکه بر اساس آستانه های مبتنی بر همبستگی (بر اساس همبستگی) و متناسب (مبتنی بر اسپاریسیت) انجام شد و بین جنس و گروه سنی مقایسه شد. به طور کلی، اندازه گیری های شبکه در سراسر آستانه های مطلوب ناپایدار است. به عنوان مثال، جهت تفاوت های گروه در اندازه گیری شبکه داده ممکن است بسته به آستانه تغییر کند. اندازه گیری های شبکه در بین آستانه های متناسب پایدار تر است. این نتایج نشان می دهد که هنگام استفاده از آستانه ها به داده های اتصال قابلیت اطمینان و هنگام تفسیر نتایج از مدل های نمودار دوتایی، باید احتیاط شود.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علم عصب شناسی
علوم اعصاب شناختی
چکیده انگلیسی
The large-scale organization of the brain has features of complex networks that can be quantified using network measures from graph theory. However, many network measures were designed to be calculated on binary graphs, whereas functional brain organization is typically inferred from a continuous measure of correlations in temporal signal between brain regions. Thresholding is a necessary step to use binary graphs derived from functional connectivity data. However, there is no current consensus on what threshold to use, and network measures and group contrasts may be unstable across thresholds. Nevertheless, whole-brain network analyses are being applied widely with findings typically reported at an arbitrary threshold or range of thresholds. This study sought to evaluate the stability of network measures across thresholds in a large resting state functional connectivity dataset. Network measures were evaluated across absolute (correlation-based) and proportional (sparsity-based) thresholds, and compared between sex and age groups. Overall, network measures were found to be unstable across absolute thresholds. For example, the direction of group differences in a given network measure may change depending on the threshold. Network measures were found to be more stable across proportional thresholds. These results demonstrate that caution should be used when applying thresholds to functional connectivity data and when interpreting results from binary graph models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: NeuroImage - Volume 118, September 2015, Pages 651-661
Journal: NeuroImage - Volume 118, September 2015, Pages 651-661
نویسندگان
Kathleen A. Garrison, Dustin Scheinost, Emily S. Finn, Xilin Shen, R. Todd Constable,