从动力任务fMRI数据中排除与任务相关的头部运动,使用多回声ICA
Neha A Reddy1,2, Kristina M Zvolanek1,2, Stefano Moia3,4,5
1Department of Physical Therapy and Human Movement Sciences, Feinberg School of Medicine, Northwestern University, Chicago, IL, United States.
多回声独立组件分析 (ME-ICA) 有效地减少了机动任务功能性MRI (fMRI) 数据中的头部运动器件. 这种方法提高了大脑激活分析的可靠性,特别是在具有显著运动的临床人群中.
科学领域:
- 神经成像是一种神经成像.
- 临床神经科学 临床神经科学
- 生物医学工程 生物医学工程
背景情况:
- 功能性磁共振成像 (fMRI) 对于研究神经疾病如中风和帕金森病至关重要.
- 与任务相关的头部运动是运动任务fMRI中的一个重要因素,特别是在临床人群中,影响激活结果.
- 多回声独立组件分析 (ME-ICA) 在将头部运动与BOLD信号分离方面显示出有前途,但需要在高运动电机任务数据集中进行验证.
研究的目的:
- 评估多回声独立组件分析 (ME-ICA) 在减轻机动任务fMRI中的头部运动器件的有效性.
- 在模拟高运动条件下,将ME-ICA与单回声 (SE) 和多回声最佳组合 (ME-OC) 模型的性能进行比较.
- 评估这些方法对主体级和群体级运动激活分析的影响.
主要方法:
- 收集了健康参与者执行手握任务的fMRI数据,有或没有放大与任务相关的头部运动.
- 使用三个模型分析数据:单回声 (SE),多回声最佳组合 (ME-OC) 和多回声独立组件分析 (ME-ICA).
- 对比模型在减少运动效应和提高信号质量的性能,无论是在主体和小组层面.
主要成果:
- ME-ICA证明了头部运动与BOLD信号的优异分离,并降低了受试者层面的噪音.
- 两种ME模型都增加了运动区域的t统计数据;ME-ICA进一步减轻了人工物,并在高运动扫描中稳定了估计值.
- 所有模型的组级分析显示了运动区域的激活,这表明平均值可以克服一些运动工件.
结论:
- ME-ICA 是一个有价值的工具,用于对运动任务的fMRI数据进行主体级分析,其中包括与任务相关的大量头部运动.
- 在临床环境中,ME-ICA的改进对于提高主体级激活图的可靠性至关重要,在临床环境中,小组分析可能有限.
- 这种技术对于患者队列特别重要,例如慢性中风幸存者,在这些患者队列中,病变位置和严重程度的个体变化使小组分析复杂化.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
11:31Functional Near Infrared Spectroscopy of the Sensory and Motor Brain Regions with Simultaneous Kinematic and EMG Monitoring During Motor Tasks
Published on: December 5, 2014
相关概念视频
Magnetic Resonance Imaging
Imaging Studies for Cardiovascular System IV: CMRI
