Brain Network Architecture and Cognition: From Giftdness to Cognitive Decline-Analyses Across sMRI and fMRI Using MSN, MIND, and GCN

Abstract

Aquesta tesi examina l'organització cerebral mitjançant la neurociència de xarxes, integrant estructura, funció i cognició. Els objectius són dos: 1) l'anàlisi comparativa de xarxes cerebrals estructurals en nens amb altes capacitats; i 2) el desenvolupament d'una xarxa convolucional de grafs per a la connectivitat funcional en la detecció precoç de la demència. Metodològicament, es validen les xarxes de similitud morfomètrica com a eines robustes i es determina un rang òptim de densitat de connexió (p=0.05-0.15) per a l'anàlisi. Els resultats mostren que l'eficiència cognitiva segueix un principi unificador: una major integració intra-modular amb una reducció selectiva de connexions inter-modulars. En l'àmbit translacional, el marc GCN va assolir un 91,2% de precisió diagnòstica en deteriorament cognitiu lleu. En conjunt, aquest treball aporta coneixements complementaris sobre l'organització cerebral, des de les altes capacitats fins al declivi cognitiu, avançant tant en la teoria com en les aplicacions clíniques.

Esta tesis examina la organización cerebral mediante la neurociencia de redes, integrando estructura, función y cognición. Los objetivos son dos: 1) el análisis comparativo de redes cerebrales estructurales en niños con altas capacidades; y 2) el desarrollo de una red convolucional de grafos para la conectividad funcional en la detección precoz de la demencia. Metodológicamente, se validan las redes de similitud morfométrica como herramientas robustas y se determina un rango óptimo de densidad de conexión (p=0.05-0.15) para el análisis. Los resultados muestran que la eficiencia cognitiva sigue un principio unificador: una mayor integración intramodular con una reducción selectiva de conexiones intermodulares. En el ámbito traslacional, el marco GCN alcanzó un 91,2% de precisión diagnóstica en deterioro cognitivo leve. En conjunto, este trabajo aporta conocimientos complementarios sobre la organización cerebral, desde las altas capacidades hasta el declive cognitivo, avanzando tanto en la teoría como en las aplicaciones clínicas.

This dissertation investigates the human brain’s organization through network neuroscience, bridging structure, function, and cognition. It explores two main areas: 1) A comparative analysis of individual-level structural brain networks (SBNs) in gifted children, focusing on graphical topology and anatomical modularity, and 2) The development of a graph convolutional network (GCN) for functional connectivity (FC) to detect early dementia. Methodologically, it establishes morphometric similarity networks (MSNs) as robust tools for capturing brain-cognition relationships and identifies an optimal connection density range (p=0.05-0.15) for network analysis. The research reveals that cognitive proficiency follows a unifying principle: enhanced intra-modular integration paired with selective reduction in inter-modular connections. Translationally, a novel GCN framework achieved 91.2% accuracy in diagnosing mild cognitive impairment, significantly outperforming baseline models. Overall, this work provides complementary insights into brain organization from giftedness to cognitive decline, advancing both theoretical understanding and clinical applications.