Functional connectivity (FC) is determined by similarity between functional magnetic resonance imaging (fMRI) signals from distinct brain regions. However, traditional FC analyses ignore temporal phase differences. Here, we addressed this limitation, using dynamic time warping (DTW) within a machine-learning framework, to study cortical FC patterns of 2 spatially adjacent but functionally distinct subcortical regions, namely Substantia Nigra Pars Compacta (SNc) and ventral tegmental area (VTA). We evaluate: 1) the influence of pair of brain regions considered, 2) the influence of warping window sizes, 3) the classification efficacy of DTW, and 4) the uniqueness of features identified. Whole brain 7 Tesla resting state fMRI scans from 81 healthy participants were used. FC between 2 subcortical regions of interests (ROIs) and 360 cortical parcels were computed using: 1) Pearson correlations (PCs), 2) dynamic time-warped PCs (DTW-PC). The separability of SNc-cortical and VTA-cortical network was validated on 40 participants and tested on the remaining 41, using a support vector machine (SVM). The SVM separated the SNc-cortical versus VTA-cortical network with 74.39 and 97.56% test accuracy using PC and DTW-PC, respectively. SVM–recursive feature elimination yielded 20 DTW-PC features that most strongly contributed to the separation of the networks and revealed novel VTA versus SNc preferential connections (P < 0.05, Bonferroni–Holm corrected).

中文翻译：

---

动态时间扭曲识别特定于 VTA 和 SNc 的功能不同的 fMRI 静息状态皮质网络：概念证明

功能连接（FC）是由不同大脑区域的功能磁共振成像（fMRI）信号之间的相似性决定的。然而，传统的 FC 分析忽略了时间相位差异。在这里，我们解决了这一限制，在机器学习框架内使用动态时间扭曲（DTW）来研究 2 个空间相邻但功能不同的皮质下区域的皮质 FC 模式，即黑质致密部（SNc）和腹侧被盖区（VTA） ）。我们评估：1）所考虑的一对大脑区域的影响，2）扭曲窗口大小的影响，3）DTW 的分类功效，以及 4）所识别特征的独特性。使用来自 81 名健康参与者的全脑 7 特斯拉静息态 fMRI 扫描。使用以下方法计算 2 个皮质下感兴趣区域 (ROI) 和 360 个皮质块之间的 FC：1) 皮尔逊相关性 (PC)，2) 动态时间扭曲 PC (DTW-PC)。SNc 皮质和 VTA 皮质网络的可分离性在 40 名参与者身上进行了验证，并使用支持向量机 (SVM) 对其余 41 名参与者进行了测试。SVM 使用 PC 和 DTW-PC 分别以 74.39% 和 97.56% 的测试精度将 SNc 皮质网络与 VTA 皮质网络分开。SVM 递归特征消除产生了 20 个 DTW-PC 特征，这些特征对网络的分离贡献最大，并揭示了新颖的 VTA 与 SNc 优先连接（P < 0.05，Bonferroni-Holm 校正）。