休息状态功能性MRI的质量控制程序和指标

科学领域:

• 神经成像是一种神经成像.
• 数据科学数据科学数据科学

背景情况:

• 功能性MRI (fMRI) 数据质量对于准确分析至关重要.
• 在获取和处理过程中监测数据质量至关重要,特别是在大型的多站点研究中.
• 不一致的采购参数和文物可以显著影响结果.

研究的目的:

• 为评估fMRI数据质量提供综合的定性和定量框架.
• 识别和减轻fMRI数据处理管道中的潜在错误来源.
• 在大型fMRI研究中指导受试者排除和进一步处理步骤.

主要方法:

• 使用AFNI软件包进行fMRI数据处理和质量评估.
• 员工对结构和功能图像,连接地图和信号噪声比 (SNR) 地图进行定性视觉检查.
• 整合了包括采集参数,头部运动,时间SNR,数据流性和功能连接强度在内的定量指标.

主要成果:

• 在多个处理阶段评估指标,以检测异常和偏差.
• 评估了运动审查门和带宽过对数据质量的影响.
• 展示了定性和定量评估如何为组分析提供主题选择的信息.

结论:

• 强大的质量控制策略对于可靠的fMRI研究至关重要.
• 结合定性和定量方法,可以彻底评估fMRI数据完整性.
• 这种方法有助于管理大型数据集,并确保神经成像发现的有效性.