《Journal of Neuroscience Methods》：Uncertainty-aware type-II fuzzy graph modeling of resting-state fMRI uncovers robust sex differences
编辑推荐：
这篇论文并非一篇综述，而是一项原创性研究方法学论文。它引入了一种创新的区间二型模糊图框架来处理静息态功能磁共振成像（rs-fMRI）连接中的不确定性。该方法利用HCP数据，通过块自助法构建连接矩阵的模糊边界，并系统分析α截集图。研究发现，网络稳定性的性别差异是稳健的，但其表现形式（如女性在皮层-皮层下网络中更稳定，男性在皮层功能网络内更稳定）强烈依赖于脑区图谱的选择。与传统的皮尔逊相关“清晰”图相比，这种不确定性感知模型显著增强了对可重复性别效应的检测灵敏度。
亮点
- •
不确定性感知的建模：传统的静息态功能磁共振成像（rs-fMRI）连接性估计通常被简化为一个单一数值（如皮尔逊相关系数），这种方法忽略了运行间变异性和抽样不确定性。我们提出的区间二型模糊图框架，通过对四次HCP静息态扫描进行块自助法重采样，将连接不确定性编码为边界区间，从而构建出更稳健的连接模型。
- •
新颖的稳定图谱系：该方法能够导出一系列稳定的α-截集图（Astable(α)）。较低的α值强调保守、高可靠性的连接；较高的α值则包含更多不确定的、探索性的连接。这提供了一个多尺度的网络鲁棒性视图。
- •
稳健且依赖于图谱的性别差异：我们发现，在全局和节点水平上，使用解体指数（DI）、跨度完整性（SI）及其复合指标（DI × SI）衡量的网络稳定性存在显著的性别差异，但这些差异的表现形式强烈依赖于所使用的脑分区图谱。
- •
使用包含皮层和皮层下结构的宏观解剖学标准图谱时，女性在保守至中等的α区间表现出更高的复合稳定性，这与一个更稳定的、高确定性的皮层-皮层下核心网络相一致。
- •
相反，使用纯粹基于皮层功能网络的Yeo17图谱时，男性在可比的α区间表现出更高的DI × SI，表明其皮层内功能网络组织具有相对更高的稳定性。
- •
超越传统方法：与匹配的、传统的“清晰”皮尔逊相关基线方法相比，我们的不确定性感知模型产生了更大、更稳定的效应量，表明该方法能提高对可重复且跨扫描稳定的性别效应的检测灵敏度。
全局二型模糊分析
我们首先考察了所提出的区间二型模糊框架如何随着α-截集水平的变化而重塑静息态功能网络的拓扑结构。图3展示了一名具有代表性的HCP参与者的稳定模糊连接矩阵Astable(α)，以圆形连接图的形式展示了六个不同的α值。对于每个α值，我们仅保留前1%的连接边（按模糊权重排序）以增强可读性，节点排列使得左半球分区（蓝色）和右半球分区（橙色）对称分布。随着α从0.1增加到0.9，网络保留了高确定性连接的主干，同时逐步纳入了更不确定的边缘，揭示了功能架构从“核心”到“探索性外围”的连续变化。
讨论
本研究引入了一种区间二型模糊框架，用于对静息态功能磁共振成像连接性进行不确定性感知建模，并证明在该框架下，网络稳定性中的性别效应不仅可被检测到，而且强烈依赖于连接组的空间表征方式。通过使用两个概念上不同的分区图谱——宏观解剖学标准图谱（21个脑区；包含皮层+皮层下+小脑/脑干）和纯皮层功能的Yeo17功能网络图谱，我们展示了性别差异的“方向”是可变的：女性在标准图谱中表现出更高的整体稳定性，而男性在Yeo17图谱中表现出更高的稳定性。这种差异突显了“稳定性”本身是一个依赖于尺度的概念：在包含皮层下节点的全脑网络中，女性可能拥有更稳固的结构-功能耦合核心；而在专注于皮层内部功能模块的网络中，男性可能表现出更强的内部整合一致性。我们的节点水平分析进一步揭示了这些全局效应的解剖学基础：在标准图谱中，差异主要体现在丘脑、壳核等皮层下枢纽；在Yeo17图谱中，则广泛分布于默认网络、额顶叶网络等皮层系统。重要的是，这些效应在保守的低至中等α区间最为显著，这正是高确定性连接主导的区域，表明性别差异主要体现在最可靠、最稳定的网络骨干成分上，而非整个网络的嘈杂平均连接强度上。
结论
在本研究中，我们提出了一种区间二型模糊框架，用于对静息态功能连接进行不确定性感知建模，并证明该方法揭示了网络稳定性中结构化的、依赖于表征方式的性别差异。通过构建基于自助法的区间值邻接矩阵，并系统分析α-截集图，我们使用解体指数（DI）、跨度完整性（SI）及其复合指标（DI × SI）在全局和节点水平上量化了稳定性。研究发现，性别差异是稳健存在的，但其方向和脑区定位高度依赖于所采用的图谱：使用包含皮层下结构的图谱时，女性网络更稳定；而使用纯皮层功能网络图谱时，男性网络更稳定。与传统的“清晰”皮尔逊相关图相比，模糊方法能捕获更大、更稳定的效应量。这些发现表明，静息态功能磁共振成像中的性别差异不仅体现在平均连接强度上，更深层次地体现在网络连接的不确定性和鲁棒性特征上。我们的工作为探索群体差异提供了一个新的、对不确定性敏感的计算视角，将连接组学分析从单一的“平均连接”扩展到了“连接可靠性”的领域。
