Dokument: Brain Region-wise Connectivity-based Psychometric Prediction: Framework, Interpretation, Replicability and Generalizability

Titel:	Brain Region-wise Connectivity-based Psychometric Prediction: Framework, Interpretation, Replicability and Generalizability
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=63661
URN (NBN):	urn:nbn:de:hbz:061-20231108-104151-8
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Wu, Jianxiao [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 306,8 KB in einer Datei [ZIP-Datei erzeugen] Dateien vom 12.09.2023 / geändert 12.09.2023
Beitragende:	Prof. Dr. Genon, Sarah [Gutachter] Prof. Dr. Schwender, Holger [Gutachter]
Dewey Dezimal-Klassifikation:	600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit
Beschreibungen:	Die Untersuchung des Zusammenhangs zwischen Gehirn und Verhalten ist ein essentieller Aspekt der Neurowissenschaften. Die interindividuelle Variabilit ̈at psychometrischer Messwerte mit der unterindividuellen Variabilit ̈at von Gehirnbilddaten in Beziehung zu setzen wird eine vor allem in letzter Zeit immer beliebtere Untersuchungsmethode. Insbesondere Vorhersageansa ̈tze mit Kreuzvalidierung ko ̈nnen nu ̈tzlich sein, um verallgemeinerbare Beziehungen zwischen Gehirn und Verhalten auf datengesteuerte Weise zu identifizieren. Dennoch bleibt zu kla ̈ren, welche Gehirn-Verhaltens-Beziehungen aus den Vorhersagemodellen interpretiert werden ko ̈nnen, sowie die Verallgemeinerbarkeit der Modelle auf vo ̈llig neue Kohorten. In dieser Arbeit versuchen wir, die Lu ̈cke der Interpretierbarkeit zu schließen, indem wir einen auf regionaler Konnektivita ̈t basierenden psychometrischen Vorhersageansatz entwickeln. Dies umfasst ein regionenbezogenes Vorgehen, bei dem fu ̈r jede Hirnregion ein Vorhersagemodell gescha ̈tzt und bewertet wird. Die Vorhersagegenauigkeit jedes regionenspezifischen Modells ist ein direkter Hinweis auf die Assoziation dieser Gehirnregion mit der vorhergesagten psychometrischen Messung. In Studie 1 haben wir dese Vorgehensweise auf eine Reihe psychometrischer Variablen aus einer großen gesunden Kohorte angewendet. Wir konnten zeigen, dass der Ansatz hilfreich ist, um sowohl regionenspezifische psychometrische Vorhersageprofile als auch psychometrische Vorhersagemuster fu ̈r das gesamte Gehirn zu erstellen. In Studie 2 haben wir die Nu ̈tzlichkeit des Ansatzes bei der Bewertung der kohortenu ̈bergreifenden Replizierbarkeit und Generalisierbarkeit in Bezug auf die aus den Vorhersagemodellen abgeleiteten Beziehungen zwischen Gehirn und Verhalten gezeigt, anstatt nur auf der Grundlage der Vorhersagegenauigkeit. In Studie 3 untersuchten wir systematisch bestehende psychometrische Vorhersagestudien und fassten die Trends auf diesem Gebiet zusammen, welche die Verwendung großer Kohorten und eine externe Validierung forderten. Insgesamt hat unsere Arbeit gezeigt, wie wichtig Interpretierbarkeit und Verallgemeinerbarkeit fu ̈r psychometrische Vorhersagen sind. Wir empfehlen die Verwendung mehrerer großer Kohorten zur Bewertung der Interpretierbarkeit und Verallgemeinerbarkeit. The study of brain-behavior relationships is a fundamental aspect of neuroscience. Recently, it has become increasingly popular to investigate brain-behavior relationships by relating the interindividual variability in psychometric measure to the interindividual variability in brain imaging data. In particular, prediction approaches with cross-validation can be useful for identifying generalizable brain-behavior relationships in a data-driven manner. Nevertheless, it remains to be ascertained what brain-behavior relationships can be interpreted from the prediction models, and how generalizable the models are to fully new cohorts. In this work, we attempt to fill in the gap of interpretability by developing a region-wise connectivity-based psychometric prediction (CBPP) framework. This framework involves a region-wise approach where a prediction model is estimated and evaluated for each brain region. The prediction accuracy of each region-wise model is a direct indication of that brain region’s association with the psychometric measure predicted. In study 1, we applied the framework to a range of psychometric variables from a large healthy cohort and demonstrated the helpfulness of the framework in constructing region-wise psychometric prediction profiles or psychometric-wise prediction pattern across the brain. In study 2, we demonstrated the usefulness of the framework in assessing cross-cohort replicability and generalizability in terms of brain-behavior relationships derived from the prediction models, instead of just based on prediction accuracies. In study 3, we systematically examined existing psychometric prediction studies, summarizing the trends in the field, calling for the use of large cohorts and external validation. Overall, our work suggested the importance of interpretability and generalizability for psychometric prediction, recommending the use of multiple large cohorts in evaluating the interpretability and generalizability.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Medizinische Fakultät
Dokument erstellt am:	08.11.2023
Dateien geändert am:	08.11.2023
Promotionsantrag am:	21.09.2022
Datum der Promotion:	18.08.2023