使用贝叶斯层次模型估计与发作相关的fMRI反应

科学领域:

• 神经成像是一种神经成像.
• 发病学 (Epileptology) 是一个专业的学科.
• 医学统计 医学统计

背景情况:

• 同时的脑电图功能性MRI (EEG-fMRI) 对于前手术评估至关重要.
• 传统的分析可能会高估功能性MRI (fMRI) 对间接性发泄症 (IED) 的反应,特别是在罕见的情况下.
• 准确估计fMRI响应幅度对于手术规划至关重要.

研究的目的:

• 开发和验证一个层次模型,以更准确地估计与IED相关的fMRI响应幅度.
• 在前手术评估中,将层次模型的性能与常规的voxel-wise一般线性模型 (GLM) 进行比较.
• 评估模型根据IED持续时间区分fMRI反应的能力.

主要方法:

• 采用了层次化的贝叶斯模型,将血动力学反应的一致性纳入规范化.
• 分析了82名患者,他们同时接受了EEG-fMRI和随后的手术.
• 层次模型估计的fMRI响应幅度和与手术腔的一致性与传统的voxel-wise GLM进行了比较.

主要成果:

• 相比于voxel-wise模型,等级模型的百分比变化明显较低,在生理上更合理,与血液氧气水平相关 (BOLD).
• 只有等级模型才能在短时间和长时间的IED之间显著区分BOLD响应.
• 与voxel-wise模型相比,等级模型在手术前评估中表现出优异的预测性能.

结论:

• 层次模型提供了对IEDs的fMRI反应更准确和生理上更合理的估计.
• 这种先进的建模方法增强了EEG-fMRI在前手术评估中的实用性.
• 未来的改进可能涉及将空间先验和量身定制的决策策略纳入,以进一步提高灵敏度.