一个自动化管道,用于获得与功能性大脑系统相对应的标记ICA模板

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.
• 大脑网络分析 脑网络分析

背景情况:

• 功能性大脑网络支持复杂的认知功能和行为.
• 独立组件分析 (ICA) 被广泛用于从神经成像数据中识别这些网络.
• 使用ICA进行组级网络分析的当前方法缺乏通用性和可重复性,因为依赖研究特定样本和标准化模板的有限可用性.

研究的目的:

• 开发一种简单的两步程序,用于为特定的功能性大脑系统生成定制的ICA模板.
• 提高功能性大脑网络研究的概括性,可重现性和可解释性.
• 为创建这些模板提供一个用户友好的工具箱.

主要方法:

• 开发了一种两步程序: 1. 使用统计参数图 (例如,来自NeuroSynth或BrainMap) 定义感兴趣的功能系统. 2. 2. 2. 这是一个很棒的节目. 将这张地图与从人类结合体项目 (HCP) 数据集中预先存在的组-ICA地图进行相关联.
• 最高相关度的HCP-ICA地图被选择为所选功能系统的模板.
• 创建了一个软件工具箱来自动化第二步,并生成NIFTI和CIFTI格式的模板.

主要成果:

• 提出的方法成功生成了运动功能和其他九个大脑系统的ICA模板.
• 生成的ICA模板显示出与大脑解剖边界的优异对齐.
• 与10个现有模板相比,新模板在9/10个案例中显示灰色物质对ICA z值的贡献系统地更强 (至少2倍).

结论:

• 开发的两步程序和附带的工具箱提供了一个标准化和可重复的方法来创建功能性大脑网络ICA模板.
• 这种方法显著提高了功能神经成像研究结果的解释性和概括性.
• 生成的模板有助于更强大的分析,如双回归,推进大脑网络研究领域.