通过使用双投影独立组件分析来消除位点效应和增强信号,以组合多位点MRI数据

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
• 生物统计学 生物统计学

背景情况:

• 多站点磁共振成像 (MRI) 数据的聚合提高了神经科学研究的可靠性.
• 扫描仪和站点的变化存在重大混,使数据解释复杂化.
• 现有的协调方法,如独立组件分析 (ICA) 和通用线性模型 (GLM),与相关的现场效应和感兴趣的信号作斗争.

研究的目的:

• 开发和验证一个新的协调战略,用于多站点MRI数据.
• 解决当前ICA和GLM方法在消除相关的扫描器/现场效应方面的局限性.
• 为了改善完全消除扫描仪/站点变异性而不会丢失关键信号.

主要方法:

• 提出了基于双投影 (DP) 理论的独立组件分析 (ICA) 协调战略.
• 实施DP-ICA以有效分离和删除与站点变量相关的扫描器/站点效应.
• 使用模拟数据和体内结构性MRI数据集 (自闭症脑成像数据交换II,大脑科学战略研究计划旅行对象数据集) 验证了该方法.

主要成果:

• 与GLM和传统ICA相比,基于DP的ICA协调在消除现场效应方面表现优越.
• 拟议的方法成功地将与现场变量相关的信号效应与移除现场效应分开.
• 通过基于DP的ICA协调,观察到检测感兴趣信号的增强灵敏度.

结论:

• 基于双投影 (DP) 的ICA提供了一种强大而有效的策略,用于协调多站点MRI数据.
• 这种方法显著改善了扫描仪/现场效应的完全消除,即使与生物信号相关联.
• 基于DP的ICA提高了大规模,多站点神经成像研究中的数据质量和分析灵敏度.