在数据集和人群中对任务唤起的大脑活动的概括预测

科学领域:

• 神经科学是一个神经科学.
• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.

背景情况:

• 无任务静止状态 (rs) 功能磁共振成像 (fMRI) 越来越多地用于预测基于任务的fMRI活动.
• 这种方法为研究个体大脑功能的变化提供了一个有希望的途径,而无需要求任务.
• 预测模型在不同数据集中的通用性对于广泛采用至关重要.

研究的目的:

• 评估rs-fMRI对跨站点,MRI供应商和年龄组的任务fMRI预测的概括性.
• 确定数据要求,特别是样本大小和fMRI时间点,以成功预测.
• 调查这些数据要求对预测准确性和个体特异性的影响.

主要方法:

• 利用人类结合体项目 (HCP) 数据集用于训练预测模型.
• 研究了不同训练样本大小和fMRI时间点对认知任务预测成功的影响.
• 应用在HCP数据上训练的模型来预测来自不同网站,供应商和年龄组的独立数据集中的大脑激活 (HCP-development).

主要成果:

• 大约有20名参与者和每名参与者100个fMRI时间点观察到最佳的性能增长.
• 预测准确性随着较大的数据集显著改善,在450-600名参与者和800-1000个时间点之间停滞不前.
• fMRI时间点的数量对预测成功的影响比样本大小更大.

结论:

• 在足够的数据上训练的模型在网站,供应商和年龄组中很好地泛化.
• 从rs-fMRI可以实现准确和个体特定的任务fMRI预测.
• 大规模的数据集可以促进在较小,独特的人群中进行大脑功能研究.