Die Studie analysiert die funktionale Konnektivität (FC) im visuellen Hirnnetzwerk (VBN) unter Verwendung des öffentlich verfügbaren BOLD5000-Datensatzes. Dafür werden sowohl die marginale Korrelation (MC) als auch die partielle Korrelation (PC) zwischen den fMRT-Zeitreihen der aktiven Voxel berechnet, um konsistent starke und direkte Netzwerkverbindungen zu identifizieren.
Die Ergebnisse zeigen, dass das VBN mit positiver Konnektivität (FC+) dichter und mit kürzeren Pfadlängen ist als das VBN mit negativer Konnektivität (FC-). Außerdem sind die Knoten mit den höchsten Zentralitätswerten in FC- räumlich stärker verteilt als in FC+.
Darüber hinaus werden die VBNs, die aus bildkomplexitätsspezifischen Zeitreihen konstruiert wurden, klassifiziert. Dabei zeigt sich, dass die graphischen Merkmale der VBNs für Bilder unterschiedlicher Komplexität (ImageNet, COCO, SUN) deutlich unterscheidbar sind. Die Klassifikationsgenauigkeit liegt zwischen 86,5% und 91,5% für FC+ und zwischen 84,25% und 89,5% für FC-.
Diese Ergebnisse unterstreichen die Bedeutung, sowohl positiv als auch negativ korrelierte Netzwerke zu untersuchen, um ein umfassendes Verständnis der visuellen Informationsverarbeitung im Gehirn zu erlangen.
翻译成其他语言
从原文生成
arxiv.org
更深入的查询