用MRIQC和fMRIPrep进行功能性MRI研究的质量控制

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:

• 磁共振成像 (MRI) 研究中的质量评估 (QA) 和质量控制 (QC) 是至关重要的,但往往资源密集型,导致各机构的做法不一致.
• 低质量的MRI数据可以显著增加研究结果中的假阳性和假阴性率,从而损害结果.
• 功能性MRI (fMRI) 研究中的当前QA/QC方法差异很大,突出了对标准化,高效协议的需求.

研究的目的:

• 展示一个实用的,视觉评估协议,用于功能性 (血氧依赖水平; BOLD) MRI 数据的质量控制 (QC).
• 定义基于常见文物的全脑voxel-wise BOLD分析的特定排除标准.
• 促进fMRI数据质量评估的标准化,并鼓励社区讨论.

主要方法:

• 开发了一项协议,涉及对fMRI图像进行一对一的视觉评估.
• 使用MRIQC和fMRIPrep生成的QC检查点报告.
• 将协议应用于来自开放式fMRI研究的复合数据集 (n=181),记录排除标准和常见文物.

主要成果:

• 该协议导致97%的数据被排除在外 (181名受试者中有176名) 由于文物,因为受试者被专门选择以证明潜在的问题.
• 识别和描述了需要数据排除的常见文物和缺陷.
• 所有生成的材料和质量控制决策都已发布,以支持标准化.

结论:

• 拟议的视觉评估协议,利用MRIQC和fMRIPrep,为fMRI数据QC提供了一个结构化的方法.
• 在fMRI研究中标准化QA/QC对于减少数据错误和提高神经成像结果可靠性至关重要.
• 材料和记录决策的公开发布旨在促进社区参与,并推进现场的质量保证/质量控制实践.