这项研究利用拓扑数据分析（TDA）中的持续同调技术，深入探讨了健康衰老与自闭症谱系障碍（ASD）在脑功能连接上的改变。作者引入了名为节点持续性（Node persistence）的新型计算指标，能够从全局、中观和局部三个维度精准定位大脑区域的特征变化。研究发现，该方法识别出的关键脑区与非侵入性脑刺激治疗有效的区域高度吻合，证明了其在临床应用上的巨大潜力。通过对大脑神经网络的高维几何形态进行建模，该方法有效克服了传统分析中阈值选取的随意性。总而言之，这项工作为理解神经发育和认知衰退提供了多尺度的数学视角，并为精准医疗下的靶向干预提供了解剖学依据。
References:
- Madhumita Mondal, Yasharth Yadav, Jürgen Jost, Areejit Samal. Node persistence from topological data analysis reveals changes in brain functional connectivity. Patterns. 2025.
