新方法提升病变网络映射的可靠性

病变网络映射（LNM）是一种将脑部病变位置与症状关联的技术，但其统计有效性和特异性近期受到质疑。本研究提出了一种基于空模型的鲁棒性LNM（rLNM）框架，通过敏感性测试和症状特异性测试，在10种病变条件（333个病变）和4种任务条件（706个实验）的数据集中进行了验证。结果显示，rLNM能够有效控制假阳性，并揭示出具有生物学意义且症状特异性的脑网络。该研究为神经影像学中的病变-症状关联分析提供了更可靠的统计工具。目前该研究为预印本，尚未经过同行评审。