一种无异构的4D过方法,从无范式的功能性MRI数据中恢复大脑激活

科学领域:

• 神经成像是一种神经成像.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 功能磁共振成像 (fMRI) 通过血液氧气水平依赖 (BOLD) 反应间接测量大脑活动.
• 基于任务的fMRI分析通常依赖于通用线性模型 (GLM),这需要对实验范式的先验知识.
• 分析静态fMRI数据是具有挑战性的,因为没有定义的任务,需要无范式的方法.

研究的目的:

• 引入一种新型无范式的规范化算法,即无异型4D-fMRI (A4D-fMRI),用于分析4D fMRI数据.
• 开发一种方法,可以在没有先验实验信息的情况下恢复大脑激活位置和持续时间.
• 为了提高大脑活动的准确性和效率,从fMRI信号中解.

主要方法:

• A4D-fMRI算法将异构调整直接应用于4D fMRI图像,同时处理空间和时间维度.
• 它通过保留大图像变化而删除小图像变化来区分显著的大脑激活变化和噪音.
• 该方法将解卷式 (deconvolution) 描述为一个优化问题,其空间和时间约束是分离的.

主要成果:

• 与总激活 (TA) 方法相比,A4D-fMRI在恢复和地面真实时间课程之间显示出更高的相关性.
• 该算法实现了比TA方法更低的计算时间.
• 51名受试者的合成和真实fMRI数据的验证表明,A4D-fMRI恢复了与GLM结果一致的活性,而不使用范式信息.

结论:

• A4D-fMRI是一种有效的无范式方法,可以从fMRI数据中恢复大脑活动.
• 该算法在精度和计算效率方面比现有技术 (如TA) 有优势.
• A4D-fMRI为分析fMRI数据提供了有价值的工具,特别是在静止状态或当实验范式未知时.