Evaluación objetiva de la calidad de datos de resonancia magnética funcional de precisión | JoVE Visualize

Área de la Ciencia:

Neuroimagen
Neurociencia Computacional
Análisis de Redes Cerebrales

Sus antecedentes:

El mapeo funcional de precisión (PFM) ofrece información sobre las redes cerebrales individualizadas, pero exige datos de fMRI de alta calidad.
Los criterios actuales para evaluar la suficiencia y calidad de los datos para PFM no están bien definidos, lo que dificulta la reproducibilidad.
La falta de métricas objetivas complica la interpretación y replicación de los hallazgos de fMRI a nivel individual.

Objetivo del estudio:

Introducir una medida objetiva, el Índice de Similitud de Red (NSI), para evaluar la calidad de los datos de fMRI para PFM.
Proporcionar un marco para la evaluación de la calidad de los datos basada en NSI y la idoneidad del PFM.
Guiar las decisiones sobre la suficiencia de los datos y optimizar las estrategias de recopilación de datos en la investigación de fMRI de precisión.

Principales métodos:

Se desarrolló el Índice de Similitud de Red (NSI) para cuantificar la integridad de la organización de redes a gran escala en conjuntos de datos de fMRI individuales.
Se evaluó la alineación del NSI con las evaluaciones de expertos sobre la usabilidad del PFM y su capacidad para tener en cuenta la variabilidad individual en la fiabilidad de la conectividad funcional.
Se creó un marco de código abierto para la implementación del NSI y se desarrollaron modelos que vinculan los valores del NSI con la idoneidad del PFM.

Principales resultados:

El NSI mide objetivamente hasta qué punto los patrones de conectividad funcional reflejan la estructura de red esencial para el PFM.
El NSI demuestra una fuerte concordancia con las evaluaciones de expertos ciegas sobre la calidad de los datos de PFM.
El marco NSI tiene en cuenta las diferencias individuales en la fiabilidad de la conectividad funcional.

Conclusiones:

El NSI proporciona una métrica objetiva y cuantitativa para evaluar la calidad de los datos de fMRI para el mapeo funcional de precisión.
Este marco facilita decisiones fundamentadas sobre la suficiencia de los datos y optimiza la recopilación de datos para la investigación reproducible de redes cerebrales a nivel individual.
La herramienta NSI de código abierto mejora la fiabilidad y la interpretabilidad de los estudios de fMRI de precisión.