方法概述

HemiSpec 文档将方法来源与项目特定扩展分开说明。

原始框架

Wang 等人 2024 年提出了一种跨半球深度生成网络框架，用于从对侧半球估计单侧半球，并从实际-重建残差中推导神经解剖特异性图。

下游任务层

HemiSpec 将重建衍生框架扩展为可复用的下游任务分析表示：ANS/RNS 图既可以作为体素级特征，也可以汇总为 ROI 级特征。方法层的叙述保持宽泛，使同一套输出能支持人口学效应、半球身份、行为表型和疾病组对照等分析。

指标

• ANS：绝对神经解剖特异性——实际与重建灰质图之间的绝对残差。
• RNS：相对神经解剖特异性——经局部灰质幅度归一化后的残差。

ANS 和 RNS 是指标名称。HemiSpec 是围绕这些指标打包工作流的软件和文档项目。

下游分析

ANS/RNS 图和 ROI 级特征支持多种下游分析：

• 年龄与性别效应——重建衍生特异性在不同人口学群体间的变化规律。
• 半球身份分类——利用 ROI 级 ANS/RNS 特征区分左右半球。
• 行为表型——将特异性特征与行为或侧化表型相关联。
• 疾病组与正常组比较——比较患者群体与健康对照之间的 ANS/RNS 特征差异。