深度学习模型连接大脑拓扑与连接组

近日，研究人员在bioRxiv预印本上发表了一项研究，开发了一种名为表面视觉变换器的深度学习模型，用于连接大脑的拓扑组织与功能连接组。该模型能从静息态功能磁共振成像（rsfMRI）数据中提取的拓扑脑图，准确转化为个体化的功能连接组。

研究团队利用大规模数据集验证了模型性能，重建准确率达到0.73±0.09，拓扑到连接组的翻译准确率为0.43±0.08，表明该模型能有效捕捉大脑空间组织与功能连接之间的关系。

该研究为理解静息大脑的个体差异提供了新方法，可应用于神经精神疾病的生物标志物研究。但需注意，该结果尚未经过同行评审。