优化认知神经科学实验,以在非随机交替设计中分离与事件相关的fMRI BOLD反应
Soukhin Das1,2, Weigang Yi1, Mingzhou Ding3
1Center for Mind and Brain, University of California, Davis, Davis, CA, United States.
Frontiers in neuroimaging
|August 9, 2023
概括
功能磁共振成像 (fMRI) 面临的挑战是缓慢的血氧水平依赖 (BOLD) 信号. 这项研究优化了fMRI设计,以更好地检测紧密的时间大脑事件,改善认知神经科学研究.
科学领域:
- 认知神经科学 认知神经科学
- 神经成像是一种神经成像.
- 生物物理学的生物物理.
背景情况:
- 功能磁共振成像 (fMRI) 对大脑研究至关重要,但由于缓慢的血液氧气水平依赖 (BOLD) 信号,其时间分辨率受到限制.
- 神经活动和BOLD信号之间的时间不匹配使得快速认知过程的研究变得复杂,并导致fMRI中的信号重叠.
- 现有的解重叠的BOLD信号的方法往往是不够的,特别是在具有非随机事件序列的复杂实验设计中.
研究的目的:
- 为优化fMRI实验设计提供指导,以提高神经事件的检测和估计效率.
- 在认知神经科学研究中解决暂时重叠的BOLD信号所带来的挑战.
- 使用fMRI增强区分近距离认知神经事件的能力.
主要方法:
- 利用计算机模拟模型模拟非线性和短暂的fMRI信号属性与现实的噪声模型.
- 操纵了关键设计参数,包括刺激间隔 (ISI),零事件的比例和BOLD信号非线性.
- 开发了一个理论框架和一个Python工具箱 (deconvolve) 来指导实验设计.
主要成果:
- 确定了最佳设计参数,以改善fMRI研究中BOLD信号的检测和估计.
- 证明了对复杂设计的建议框架和工具箱的实用性,特别是那些具有非随机事件序列的设计.
- 突出了对于BOLD信号同时优化检测和估计效率的固有权衡和局限性.
结论:
- 优化的fMRI实验设计可以减轻BOLD信号的时间分辨率限制.
- 开发的框架和deconvolve工具箱为认知神经科学研究提供了实际的解决方案,涉及紧密的时间事件.
- 需要进行进一步的研究,以充分解决针对复杂认知范式的BOLD信号分析优化的挑战.
