A conserved node degree-based backbone and flexible hub organization of brain connectome during naturalistic movie watching
含HCP 7T观影fMRI（14片段）与独立在体数据集两层证据，并做节点度、富俱乐部、CCA及中介分析等功能与机制验证
HCP Young Adult 7T观影fMRI数据集（176名健康年轻成人，14个主电影片段） 独立在体观影fMRI数据集（22名健康受试者，7分钟电影片段）
HCP数据集纳入完成全部4个观影run的176名受试者（106女/70男，22–35岁），主分析聚焦14个主片段，排除验证片段和片段间休息 功能网络基于374个ROI（360个HCP MMP1.0皮层ROI+14个Harvard-Oxford皮层下ROI），保留最强30%连接为主阈值，并在10%–60%密度做敏感性分析 独立数据集为22名英语母语健康受试者（11女/11男，平均26.3岁，19–39岁），刺激为7分钟电影片段，采用相同图论分析流程 ISFC矩阵阈值：HCP为单样本t检验p<0.01（Bonferroni校正），在体数据集为p<0.01（FDR校正） 统计稳健性：全流程受试者bootstrap（节点度相似性5000次、骨干1000次、分半1000次）、ROI标签置换5000次及解剖分组限制置换
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获得可用于构建刺激锁定功能网络的清洁BOLD时间序列。
使用HCP Young Adult 7T观影fMRI数据（176名受试者，Movies 1–4，14个主片段）和独立在体观影fMRI数据（22名受试者，7分钟电影片段）；HCP数据经fMRIVolume最小预处理、sICA+FIX去噪、全脑信号回归、4 mm FWHM平滑并插值到2 mm体素；在体数据经CBIG流程预处理、去除多种混淆信号、0.01–0.1 Hz带通滤波和4 mm平滑。
估计每个电影片段下跨受试者同步的功能连接，用于图论分析。
在374个ROI（360个HCP MMP1.0皮层ROI和14个Harvard-Oxford皮层下ROI）上提取区域时间序列，采用留一法ISFC计算每个受试者与其余受试者平均时间序列的Pearson相关，Fisher z变换后跨受试者平均得到组水平ISFC矩阵，并进行单样本t检验阈值化。
量化全局网络效率和模块度以及区域节点度拓扑。
使用Brain Connectivity Toolbox for Python计算每个片段平均ISFC网络的节点度、全局效率和模块度；节点度图作为骨干表征和刺激-脑多元分析的主要区域指标；在10%–60%比例密度阈值重复分析。
检验节点度拓扑是否在不同电影片段间保守。
计算14个片段节点度图之间的两两Pearson相关并取平均作为跨片段稳定性；进行全流程受试者bootstrap（5000次）和ROI标签置换零模型（5000次），包括无约束置换和解剖分组限制置换。
用平均节点度、跨片段变异系数和排名稳定性定义保守骨干并检验其可靠性。
对每个ROI计算平均节点度、变异系数和排名稳定性（在片段中位于节点度前四分位的比例），构建连续骨干得分=z(平均节点度)−z(变异系数)+z(排名稳定性)；核心骨干区域标准为平均节点度前四分位、变异系数低于中位数、排名稳定性≥0.75；通过受试者bootstrap、分半、片段划分、留一电影和置换检验评估稳定性。
检验片段间节点度组织变异是否与多维刺激特征系统相关。
利用HCP 7T观影数据集提供的TR分辨率WordNet语义注释，以及pyannote语音检测、Pliers面部特征提取、YOLO人物检测和社会强度指数，汇总为14片段×19特征的片段级矩阵；对脑节点度矩阵和刺激特征矩阵分别PCA保留前两主成分后进行CCA，并用全流程置换检验和留一片段交叉验证评估。
识别观影时作为整合枢纽的富俱乐部区域并刻画其跨片段灵活性。
对每个片段从组平均ISFC网络计算归一化富俱乐部系数，与度保持随机网络（1000次置换）比较；富俱乐部区域定义为节点度超过使归一化富俱乐部系数最大的阈值的节点；将枢纽按HCP-MMP1.0注释归入22个皮层区域和一个皮层下组，并分为语言、视觉、运动和高阶领域一般四个功能系统。
探索刺激特征、富俱乐部枢纽-目标连接与目标网络内整合之间是否存在结构化间接统计关联。
采用中介启发式路径分析框架，X为片段级刺激特征，M为给定富俱乐部枢纽与目标皮层区域组内所有ROI的平均功能连接，Y为目标区域组内所有ROI对的平均功能连接；在每个受试者内跨14个片段拟合路径a和b，计算参与者水平间接项(ab)并汇总。
检验节点度和富俱乐部组织是否可在独立观影数据集中重现。
在独立在体观影fMRI数据集（7分钟电影片段）上使用相同网络分析流程，计算节点度图、归一化富俱乐部系数和富俱乐部区域全脑连接谱。
按研究目的归类文中使用的方法，便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据预处理 | fMRIVolume最小HCP流程 | Human Connectome Project | -- |
| sICA+FIX去噪 | Human Connectome Project | -- | |
| CBIG fMRI预处理流程 | CBIG | -- | |
| 脑网络分析 | Brain Connectivity Toolbox Python版 | -- | -- |
| 刺激特征提取 | pyannote语音处理工具 | -- | -- |
| Pliers多模态特征提取工具 | -- | -- | |
| YOLO目标检测 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| HCP观影fMRI数据集 | 受试者纳入标准与样本量：完成全部4个观影run的176名健康年轻成人（106女/70男，22–35岁）；主分析14个片段，排除验证片段和片段间休息 阅读提示：Methods 2.1.1 Subjects and experimental paradigm of the Human Connectome Project 7T dataset；Supplementary Table 1片段描述 |
| 独立在体观影fMRI数据集 | 受试者来源与特征：22名右利手英语母语健康受试者（11女/11男，平均26.3岁，19–39岁），无神经、认知、精神疾病及言语、听力、视力缺陷；刺激为7分钟电影片段；伦理批准来自Mass General Brigham Institutional Review Board 阅读提示：Methods 2.1.2 Subjects and experimental paradigm of the in-house dataset；MRI采集参数见Supplementary Methods |
| 功能网络构建 | ROI定义（374个：360个HCP MMP1.0皮层ROI+14个Harvard-Oxford皮层下ROI）、ISFC留一法计算、阈值（HCP p<0.01 Bonferroni；在体p<0.01 FDR）、主网络密度30%（敏感性10%–60%） 阅读提示：Methods 2.4 Brain network construction；Methods 2.3 Network analysis and statistics；Fig. 1B |
| 保守骨干定义与稳定性 | 骨干得分公式=z(平均节点度)−z(变异系数)+z(排名稳定性)；核心骨干标准：平均节点度前四分位、变异系数低于中位数、排名稳定性≥0.75；bootstrap、分半、置换迭代次数 阅读提示：Methods 2.7 Definition of the degree-based backbone；Methods 2.6 Cross-clip stability of node-degree topology；Fig. 3 |
| 刺激-脑CCA与中介分析 | 片段级特征矩阵14×19；PCA保留前2主成分；CCA置换10000次；中介分析仅纳入至少6个片段为富俱乐部成员的枢纽，bootstrap 5000次、置换5000次、FDR q<0.05 阅读提示：Methods 2.10 Multivariate stimulus-brain canonical correlation analysis；Methods 2.11 Exploratory indirect-association analysis of rich-club hub pathways；Fig. 4和图6 |
