从大脑MRI中对皮质相似性网络进行了可靠的估计
Isaac Sebenius1,2, Jakob Seidlitz3,4,5, Varun Warrier6
1Department of Psychiatry, University of Cambridge, Cambridge, UK. iss31@cam.ac.uk.
Nature neuroscience
|July 17, 2023
概括
我们介绍了Morphometric INverse Divergence (MIND),这是一种基于MRI的新方法,用于绘制大脑连接的地图. 与现有的方法相比,MIND为皮层连接学提供了更可靠和生物验证的方法.
科学领域:
- 神经成像是一种神经成像.
- 计算神经科学是一种神经科学.
- 大脑连接学 (Connectomics)
背景情况:
- 结构相似性分析对于使用MRI了解大脑连接体至关重要.
- 像形态相似性网络 (MSN) 这样的现有方法在可靠性和生物验证方面存在局限性.
研究的目的:
- 引入Morphometric INverse Divergence (MIND),一种用于估计皮层区域之间主体内相似性的新方法.
- 在多个数据集和验证指标中将MIND与现有方法 (MSN,曲谱) 进行比较.
主要方法:
- 使用多变量MRI特征分布的分歧,MIND估计了皮层区域相似性.
- 这项研究利用了来自人类和的数据集的11000多个MRI扫描.
- 对比涉及可靠性,细胞架构学,对称性,通路追踪,与年龄相关的变化,基因共同表达和遗传性.
主要成果:
- 与MSNs相比,MIND网络表现出更高的可靠性和与皮层组织和对称性的一致性.
- MIND与通道追踪数据的相关性更强,对与年龄相关的变化敏感度更高.
- 在MIND网络中,与基因共同表达和更高的遗传能力的合性更强,特别是在结构上不同的区域.
结论:
- 通过使用标准的MRI数据,MIND为皮层连接学提供了一种生物验证和可靠的方法.
- 这种方法为研究大脑结构功能关系及其变异提供了一个强大的新镜头.
