Cortical parcellation based on structural connectivity: A case for generative models

در این تفسیر، ما ابتدا مفهوم تقسیم قشر مبتنی بر اتصال را تشریح می کنیم و در مورد احتمالات و محدودیت های آن به ویژه با توجه به ارتباطات ساختاری بحث می کنیم. برای بهبود قابلیت اطمینان و کارایی، پس از آن قویا برای تقسیم قشر مبتنی بر اتصال به عنوان رویکرد مدل سازی حمایت می کنیم؛ یعنی تقریبی از داده ها بر اساس استدلال پارامتر (مدل) است. به همین ترتیب، الگوریتم تقسیم بندی را می توان به طور رسمی برای قابلیت اطمینان آزمایش کرد، دقت پیش بینی های آن می تواند به صورت کوانتیمی باشد و آمار مربوط به تعمیم بالقوه نتایج می تواند باشد. چنین چارچوبی همچنین اجازه می دهد تا مسئله محدودیت های مدل را از لحاظ آزمون فرضیه ها از طریق انتخاب مدل اصلاح شود و راه های متفاوتی برای ادغام دانش های تشریحی از نظر توزیع های قبلی ارائه می دهد.