一项发表在 arXiv 上的新研究使用 Krakencoder 框架分析了大脑连接组中基于性别的差异。研究人员检查了来自人类连接组计划 702 名参与者的结构和功能连接组,评估了移除个体 Yeo-7 功能网络的影响。默认模式网络引起了最大的扰动,而体感运动网络的影响最小。虽然预测连接组中的性别特异性信息很微妙,但与单独的扰动衍生特征(66.09% 的准确率)相比,完整的预测连接组保留了显著更多的性别区分信息(准确率高达 84.76%)。 AI
排序理由 该集群包含一篇发表在 arXiv 上的研究论文,详细介绍了新颖的分析方法和研究结果。
- default mode network
- Frobenius norm
- Human Connectome Project
- Krakencoder
- Kullback–Leibler divergence
- Somatomotor network
- Wasserstein metric
- Yeo-7 functional networks
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →