亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Hierarchical Organization of Functional Brain Networks Revealed by Hybrid Spatiotemporal Deep Learning

人类连接体项目 人工智能 计算机科学 连接体 层级组织 功能磁共振成像 深度学习 Lasso(编程语言) 系统神经科学 机器学习 神经科学 模式识别(心理学) 功能连接 心理学 万维网 经济 管理 中枢神经系统 少突胶质细胞 髓鞘
作者
Wei Zhang,Shijie Zhao,Xintao Hu,Qinglin Dong,Heng Huang,Shu Zhang,Yu Zhao,Haixing Dai,Fangfei Ge,Lei Guo,Tianming Liu
出处
期刊:Brain connectivity [Mary Ann Liebert]
卷期号:10 (2): 72-82 被引量:19
标识
DOI:10.1089/brain.2019.0701
摘要

Hierarchical organization of brain function has been an established concept in the neuroscience field for a long time, however, it has been rarely demonstrated how such hierarchical macroscale functional networks are actually organized in the human brain. In this study, to answer this question, we propose a novel methodology to provide an evidence of hierarchical organization of functional brain networks. This article introduces the hybrid spatiotemporal deep learning (HSDL), by jointly using deep belief networks (DBNs) and deep least absolute shrinkage and selection operator (LASSO) to reveal the temporal hierarchical features and spatial hierarchical maps of brain networks based on the Human Connectome Project 900 functional magnetic resonance imaging (fMRI) data sets. Briefly, the key idea of HSDL is to extract the weights between two adjacent layers of DBNs, which are then treated as the hierarchical dictionaries for deep LASSO to identify the corresponding hierarchical spatial maps. Our results demonstrate that both spatial and temporal aspects of dozens of functional networks exhibit multiscale properties that can be well characterized and interpreted based on existing computational tools and neuroscience knowledge. Our proposed novel hybrid deep model is used to provide the first insightful opportunity to reveal the potential hierarchical organization of time series and functional brain networks, using task-based fMRI signals of human brain.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
咿呀咿呀完成签到 ,获得积分10
18秒前
zyj完成签到 ,获得积分10
18秒前
JacekYu完成签到 ,获得积分10
18秒前
18秒前
huangyao完成签到 ,获得积分10
22秒前
xinxin完成签到,获得积分10
24秒前
VDC应助kingwill采纳,获得30
26秒前
Perry完成签到,获得积分10
28秒前
小俊完成签到,获得积分10
28秒前
橘橘橘子皮完成签到 ,获得积分10
30秒前
33秒前
Mingyue123完成签到,获得积分10
35秒前
43秒前
44秒前
纳米大亨发布了新的文献求助10
48秒前
打打应助阳光的定帮采纳,获得10
50秒前
zywoo发布了新的文献求助30
51秒前
科研通AI2S应助科研通管家采纳,获得10
53秒前
53秒前
好巧完成签到,获得积分10
55秒前
58秒前
Nan发布了新的文献求助30
1分钟前
1分钟前
1分钟前
昏睡的山柳完成签到 ,获得积分10
1分钟前
还在考虑完成签到,获得积分10
1分钟前
Qssai发布了新的文献求助10
1分钟前
卡卡东完成签到 ,获得积分20
1分钟前
阳光的定帮完成签到,获得积分10
1分钟前
加湿器应助kingwill采纳,获得30
1分钟前
1分钟前
Luuu发布了新的文献求助10
1分钟前
1分钟前
赘婿应助歌西卡采纳,获得10
1分钟前
liuyan发布了新的文献求助10
1分钟前
1分钟前
1分钟前
淡定荧发布了新的文献求助10
1分钟前
Elena发布了新的文献求助10
1分钟前
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
Generative AI in Higher Education 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3356802
求助须知:如何正确求助?哪些是违规求助? 2980374
关于积分的说明 8694214
捐赠科研通 2662053
什么是DOI,文献DOI怎么找? 1457536
科研通“疑难数据库(出版商)”最低求助积分说明 674806
邀请新用户注册赠送积分活动 665723