SNAKE: Un simulador de datos fMRI realista modular desde el dominio espacio-tiempo hasta el k-espacio y viceversa

Área de la Ciencia:

• Imágenes neurológicas
• Ingeniería biomédica
• Neurociencia computacional

Sus antecedentes:

• La adquisición de imágenes de resonancia magnética funcional (fMRI) implica procesos complejos desde la actividad neuronal hasta el muestreo de datos.
• El desarrollo y la validación de nuevas técnicas de adquisición y reconstrucción por resonancia magnética funcional requieren datos realistas con la verdad conocida.
• Las herramientas de simulación actuales a menudo carecen de la fidelidad de extremo a extremo necesaria para las estrategias avanzadas de adquisición de resonancia magnética funcional.

Objetivo del estudio:

• Introducir SNAKE, un simulador de código abierto basado en Python para datos de resonancia magnética funcional realistas en 3D + tiempo.
• Proporcionar una plataforma flexible para simular toda la cadena de adquisición de datos por resonancia magnética funcional.
• Generar datos basados en la verdad reproducibles para evaluar los métodos de reconstrucción y análisis por resonancia magnética funcional.

Principales métodos:

• SNAKE simula el acoplamiento neurovascular, las respuestas cerebrales y la adquisición de datos de espacio k 3D con múltiples bobinas.
• El software permite la extensión del modelo de adquisición avanzada para incluir varias fuentes de ruido y artefactos.
• Es compatible con diversas estrategias de muestreo, incluidos los patrones cartesianos y no cartesianos 3D.

Principales resultados:

• Demostró la flexibilidad y fidelidad de SNAKE a través de tres escenarios de complejidad creciente.
• Demostró la capacidad de generar una verdad realista y reproducible para la adquisición acelerada de resonancia magnética funcional 3D.
• Permite la exploración de las influencias de parámetros críticos (por ejemplo, factor de aceleración, SNR) en la reconstrucción y el análisis estadístico.

Conclusiones:

• SNAKE ofrece una herramienta potente y eficiente en la memoria para avanzar en la investigación de técnicas de adquisición de resonancia magnética funcional.
• El simulador facilita la comparación reproducible de paradigmas experimentales, estrategias de adquisición y métodos de reconstrucción.
• Este enfoque in silico ayuda a comprender la interacción de los factores que afectan el análisis estadístico de resonancia magnética funcional.