大脑连接和机器学习如何增强对人类认知的理解

【字体: 时间:2024年12月19日 来源:PNAS Nexus

编辑推荐:

  研究人员通过优先考虑大脑连接智能预测建模的可解释性,为人类认知提供了新的见解

  

最近的一项研究探讨了大脑连接和智力之间的关系,强调了预测建模中可解释性的价值,可以更深入地了解人类认知                        

在最近发表在PNAS Nexus上的一项研究中,研究人员通过优先考虑大脑连接的智能预测建模的可解释性,而不是仅仅关注预测性能,为人类认知提供了新的见解。

神经科学中的机器学习

关于人类认知的神经科学研究已经从专注于单变量解释研究发展到采用基于机器学习的预测建模。这种转变使得分析行为和多个神经生物学变量之间的关系能够预测不同样本的行为。

智力是健康和学业成就等生活结果的关键预测指标,人们对它进行了广泛的研究,理论将其分为流动和结晶两种。最近的机器学习方法利用大脑连接数据增强了智能预测。然而,有限的概念见解,对特定智力测量的依赖以及方法上的限制突出了进一步研究系统地探索预测性大脑特征的必要性。

关于研究

本研究遵循严格的方法,所有分析、样本量和变量都在开放科学框架中预先注册。初步分析遵循预先注册的协议,并进行额外的事后分析,以进一步探索与智力预测最相关的大脑连接。

研究参与者来自人类连接组项目(HCP)青年成人样本S1200,包括1200名年龄在22至37岁之间的个体。根据赫尔辛基宣言获得知情同意,所有程序均由华盛顿大学机构审查委员会批准。

在排除了缺失数据、基于迷你精神状态检查(MMSE)得分为26分及以下的认知障碍或过度的头部运动后,最终样本包括806名参与者,其中418名是女性,733名是右撇子。智力测量包括一般智力(gg)、结晶智力(gCgC)和流体智力(gFgF),使用双因素和探索性因素分析从认知测试分数中估计。

在静息状态和七个认知任务中收集功能磁共振成像(fMRI)数据,构建受试者特异性功能连接(FC)矩阵。最小预处理的fMRI数据进行了额外的预处理步骤,包括有害回归、全局信号校正和去除任务诱发激活,以改善连通性估计。预测建模利用前馈神经网络,其中结合了五倍交叉验证、超参数优化和样本外反发现方法来控制协变量,如年龄、性别和头部运动。

使用分层相关传播(LRP)增强了模型的可解释性,以识别对预测最关键的功能性脑连接。使用来自阿姆斯特丹开放MRI收集(AOMIC)的两个独立数据集进行外部复制,从而确保结果的清晰度和普遍性。

统计分析包括Pearson相关系数、基于误差的度量和非参数排列测试,以评估预测性能并比较不同数据集的模型。

研究结果

婵°倗濮烽崑娑㈡倶濠靛绠熼柨鐕傛嫹 “精益生产小达人”争霸赛有奖互动

使用HCP的数据调查了FC及其在预测智力中的作用。在这里,gg、gCgC和gFgF成分从12个认知测量中估计出来,并显示出显著的相互关系。

在静息状态和7个任务状态下,分别用100个皮质节点构建个体FCs。此外,计算了两个潜在的FCs,一个跨越静息和任务状态,另一个跨越任务状态,这导致了总共十种认知状态的分析。

不同智能组件的预测性能各不相同。为此,gg预测在观察得分和预测得分之间的相关性最高,其次是gCgC和gFgF。任务状态也影响预测准确性,认知要求高的任务和潜在的FCs优于其他任务。

在整个大脑网络中,认知网络(如默认模式、控制和注意力网络)提供了最强大的预测能力,因为它们明显优于躯体运动系统和边缘系统等网络。

功能性脑连接的系统选择表明,智能预测依赖于组件、状态和网络之间的相互作用。除了一个网络外,所有网络训练的模型表现出最小的性能下降,从而突出了分布在大脑网络中的代偿智力相关信息。

通过逐步LRP识别出的1000个最相关的大脑连接得到了最好的预测。这些连接广泛分布在皮质区域,并在不同的认知状态下有所不同。

在HCP锁箱样本中的验证证实了研究结果的准确性,在所有智能组件的预测性能方面具有显著的相关性。使用来自AOMIC的数据进行外部复制证明了通用性,尽管效果较小。

跨州和网络的预测性能的关键模式保持一致。此外,基于1,000个最相关连接的模型的表现明显优于随机选择。

结论

与gFgF相比,gg和gCgC的智力预测始终更好,从而突出了它们在神经病理生理上的系统性差异。这些发现因认知状态和网络而异,认知要求高的任务和全脑连接优于静息状态的测量。

基于已建立的智力框架的理论驱动模型提供了有意义的见解,但被全脑模型优于。总的来说,目前的研究确定了大约1000个具有高度预测性的大脑连接,这些连接形成了一个跨越主要功能系统的分布式网络。

濠电偞鍨堕幐鎼侇敄閸緷褰掑炊閳规儳浜鹃柣鐔煎亰濡插湱鈧鎸哥€涒晝鈧潧銈搁弫鍌炴倷椤掍焦鐦庨梺璇插缁嬫帡宕濋幒妤€绀夐柣鏃傚帶杩濇繝鐢靛Т濞茬娀宕戦幘鎰佹僵鐎规洖娲ㄩ悾铏圭磽閸屾瑧顦︽俊顐g矒瀹曟洟顢旈崨顖f祫闂佹寧绻傞悧鎾澄熺€n喗鐓欐繛鑼额嚙楠炴﹢鏌曢崶銊ュ摵鐎殿噮鍓熼獮宥夘敊閻e本娈搁梻浣藉亹閻℃棃宕归搹顐f珷闁秆勵殕椤ュ牓鏌涢幘鑼槮濞寸媭鍨堕弻鏇㈠幢濡ゅ﹤鍓遍柣銏╁灡婢瑰棗危閹版澘顫呴柣娆屽亾婵炲眰鍊曢湁闁挎繂妫欑粈瀣煃瑜滈崜姘┍閾忚宕查柛鎰ㄦ櫇椤╃兘鏌ㄥ┑鍡欏ⅵ婵☆垰顑夐弻娑㈠箳閹寸儐妫¢梺璇叉唉婵倗绮氶柆宥呯妞ゆ挾濮烽鎺楁⒑鐠団€虫灁闁告柨楠搁埢鎾诲箣閿旇棄娈ュ銈嗙墬缁矂鍩涢弽顓熺厱婵炲棙鍔曢悘鈺傤殽閻愬弶鍠橀柟顖氱Ч瀵噣宕掑Δ浣规珒

10x Genomics闂備礁鎼崐鐟邦熆濮椻偓楠炴牠鈥斿〒濯爄um HD 闁诲孩顔栭崰鎺楀磻閹剧粯鐓曟慨妯煎帶閻忕姷鈧娲滈崰鎾舵閹烘骞㈡慨姗嗗墮婵啴姊洪崨濠傜瑨婵☆偅绮嶉妵鏃堝箹娴g懓浠㈤梺鎼炲劗閺呮粓鎮鹃柆宥嗙厱闊洤顑呮慨鈧┑鐐存綑濡粓濡甸幇鏉垮嵆闁绘ḿ鏁搁悡浣虹磽娴e憡婀版俊鐐舵铻為柛褎顨呯粈鍡涙煕閳╁啞缂氶柍褜鍏涚划娆撳极瀹ュ鏅搁柨鐕傛嫹

婵犵數鍋涘Λ搴ㄥ垂閼测晜宕查悗锝庡亞閳绘棃鎮楅敐搴″箺缂佷胶娅墂ist闂備線娼уΛ妤呮晝閿濆洨绠斿鑸靛姇濡ɑ銇勯幘璺轰粶缂傚秳绶氶弻娑㈠冀閵娧冣拡濠电偛鐗婇崢顥窱SPR缂傚倷鐒︾粙鎺楁儎椤栫偛鐒垫い鎺嗗亾妞わ缚鍗抽幃褔宕妷銈嗗媰闂侀€炲苯澧村┑鈥愁嚟閳ь剨缍嗛崜姘跺汲閳哄懏鍊垫繛鎴炵懃婵啴鏌涢弮鎾村

闂備礁鎲¢〃鍡椕哄⿰鍛灊闊洦绋掗崵鍕煟閹邦剦鍤熼柕鍫熸尦楠炴牠寮堕幋鐘殿唶闂佸憡鐟ュΛ婵嗩潖婵犳艾惟闁靛绲煎ù鐑芥煟閻樿京鍔嶇憸鏉垮暣閹儵鏁撻敓锟� - 婵犵數鍎戠徊钘夌暦椤掑嫬鐭楅柛鈩冡缚椤╂煡鏌涢埄鍐惧毀闁圭儤鎸鹃々鐑藉箹鏉堝墽绉甸柛搴㈠灥閳藉骞橀姘濠电偞鍨堕幖鈺傜濠婂啰鏆﹂柣鏃囨绾惧ジ鏌涢埄鍐闁告梹甯¢幃妤呭捶椤撶偘妲愰梺缁樼⊕閻熝囧箯鐎n喖绠查柟浼存涧閹線姊洪崨濠傜濠⒀勵殜瀵娊鎮㈤悡搴n唹濡炪倖鏌ㄩ悘婵堢玻濞戙垺鐓欓悹銊ヮ槸閸婂鎮烽姀銈嗙厱婵炲棙锚閻忋儲銇勯銏╁剶鐎规洜濞€瀵粙顢栭锝呮诞鐎殿喗鎮傞弫鎾绘晸閿燂拷

濠电偞鍨堕幐鎼侇敄閸緷褰掑炊椤掆偓杩濇繝鐢靛Т鐎氼噣鎯屾惔銊︾厾鐎规洖娲ゆ禒婊堟煕閻愬瓨灏﹂柟钘夊€婚埀顒婄秵閸撴岸顢旈妶澶嬪仯闁规壋鏅涙俊铏圭磼閵娧冾暭闁瑰嘲鎳庨オ浼村礃閵娧€鍋撴繝姘厸閻庯綆鍋勬慨鍫ユ煛瀹€鈧崰搴ㄥ煝閺冨牆鍗抽柣妯挎珪濮e嫰鏌f惔銏⑩姇闁告梹甯″畷婵嬫偄閻撳宫銉╂煥閻曞倹瀚�

相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普
    • 急聘职位
    • 高薪职位

    知名企业招聘

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号