视觉脑网络功能连接模式的解码：基于BOLD5000数据集的多维度分析与分类

来自某研究团队（单位未提及）的科学家们利用公开数据集BOLD5000，通过功能磁共振成像(fMRI)时间序列分析，首次结合边际/偏相关构建视觉脑网络(VBN)，并运用图论指标和XGBoost分类器实现图像复杂度特异性VBN的精准区分（准确率86.5-91.5%）。该研究揭示了正/负相关性VBN的差异化特征，为理解真实场景视觉处理的神经机制提供新范式。

　　

神经影像学的最新进展让科学家们能够深入探索人类大脑功能连接(FC)的奥秘。这项研究聚焦视觉处理领域，利用公开的BOLD5000数据集，对视觉任务中的大脑动态进行精细解码。通过创新的分析方法——结合边际相关和偏相关构建具有稳定直接连接的视觉脑网络(VBN)，并运用图论指标量化网络特征，研究人员首次实现了基于图像复杂度特异性时间序列的VBN分类。令人振奋的是，XGBoost分类器在正相关VBN分类中取得86.5-91.5%的高准确率，较负相关网络提升2%。这些发现不仅揭示了不同复杂度图像处理时大脑网络的独特图论特征，更强调了同时研究正/负相关网络对理解真实世界视觉认知机制的重要性。该成果为探索视觉处理的神经基础提供了新的方法论和理论框架。