智能独立成分分析（SMART ICA）：提取准确的脑功能网络的创新方法 背景介绍 在脑科学研究中，功能网络（Functional Networks，FNs）通过探讨不同脑区之间的整合和互动关系，显示出极大的潜力来理解人类脑功能。功能磁共振成像（fMRI）是一种重要的工具，它通过观测脑活动时的血氧水平依赖信号变化，揭示了不同脑区间的功能连接。独立成分分析（Independent Component Analysis，ICA）是一种常用的数据驱动方法，广泛应用于从fMRI数据中估算功能网络。然而，ICA方法在确定最佳模型阶数（即成分数量）时面临挑战，这导致了对功能网络估算结果的可靠性产生质疑。因此，开发可靠的脑功能网络分析方法对于最大化研究结果的稳健性和普适性尤为重要。本文提出了一种名为智能独立...

冠心病患者功能性大脑网络变化：独立成分分析和图论分析 本文发表在《Brain Structure and Function》期刊2024年第229卷，探讨了冠心病（coronary heart disease, CHD）患者在功能性连接（functional connectivity, FC）和大脑网络拓扑性质方面的变化。文章由来自厦门大学附属心血管病医院、厦门大学医学院等多所机构的科学家们合作完成，主要作者包括Simin Lin、Puyeh Wu、Shaoyin Duan等。 研究背景与动机 冠心病是全球主要的死亡原因之一，其患者面临认知和心理损害风险增高。此前的研究已经表明，冠心病的发病机制与炎症因素密切相关（Li et al. 2017）。冠心病不仅仅是心血管系统的疾病，还与一系列危险...