该研究通过整合多中心大样本公开神经影像数据库，系统比较了两种主流个体化结构协变网络构建方法——形态学相似网络（MSN）与形态学逆散度（MIND）的重测信度与年龄敏感性，为研究者根据不同的科学目标选择合适的方法提供了实证依据。

基于结构磁共振成像的结构相似网络被广泛用于刻画个体层面的脑组织形态协同变化，但将其作为可用于纵向追踪或个体差异分析的测量指标前，必须回答两个关键问题：同一受试者重复扫描时结果的稳定性（重测信度），以及网络对已知生物学梯度（如脑老化）的响应能力（年龄敏感性）。此前研究多单独评估某一种方法，缺乏在同一数据与统计框架下的直接比较。本研究首次在同一套数据处理流程下，系统对比了MSN（将每个脑区压缩为一组形态学汇总统计量，再计算脑区间相关）与MIND（将每个脑区的顶点级特征视为多变量分布，用分布间差异定义连接）两种建网思路。

研究发现，在相同的五个形态学特征条件下，MSN展现出显著更高的重测信度，而MIND则对年龄相关的信号变化更为敏感。具体而言，MSN-5F的平均边水平ICC显著高于MIND-5F，且这一优势覆盖了多数脑区连接；而在年龄敏感性方面，MIND-5F检测到的年轻组与老年组之间存在显著差异的连接比例更高，并且基于全脑连接预测个体年龄的准确性也显著优于MSN-5F。研究进一步揭示，特征集合的选择会显著影响两种方法的性能：对于MIND，使用单个特征（如仅厚度或体积）在检测边水平组间差异时更敏感，但在个体年龄预测任务上则不如多特征组合；对于MSN，增加特征数量或为每个特征计算更丰富的统计量可以提升其在年龄预测任务中的表现。此外，两种方法检测到的年龄相关脑网络改变的空间模式也存在差异，提示它们可能对不同尺度的形态学变异敏感。

《Network Neuroscience》是神经科学与网络科学交叉领域的专业期刊，JCR属SCI Q2区，最新影响因子为3.1，五年影响因子为4。山东师范大学心理学部青年教师高嘉祺为该论文的唯一第一作者，该研究得到了山东省青年自然科学基金等项目的资助。

论文链接：Gao, J., & Hu, Y. (2026). MIND versus MSN: A systematic evaluation of test-retest reliability and age sensitivity for T1-weighted structural similarity networks. Network Neuroscience. Advance online publication. https://doi.org/10.1162/NETN.a.553