即使在给定的物种中,单个大脑在解剖结构和功能组织中也有所不同。当试图从受试者组收集的神经影像数据中得出可概括的结论时,个体间的可变性是一个主要障碍。当前的共同注册程序依赖于有限的数据,从而导致非常粗糙的主体间比对。在这项工作中,我们提出了一种基于最佳运输的主体间比对的新方法,称为融合不平衡的Gromov Wasserstein(FUGW)。该方法根据其功能特征的相似性来对齐皮质表面,以响应各种刺激设置,同时惩罚了单个地形组织的大变形。我们证明了FUGW非常适合全脑车地标的对齐。不平衡的功能可以处理以下事实:功能区域的大小各不相同。我们的结果表明,FUGW的对准显着增加了独立功能数据的活动间相关性,并导致在组级别上更精确的映射。
translated by 谷歌翻译