功能磁共振成像的区域间相关性估计器

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 脑连接分析 脑连接分析

背景情况:

• 功能性磁共振成像 (fMRI) 功能连接对于理解大脑功能至关重要.
• 目前的方法通常依赖于voxel平均值,这可能对噪声和区域大小敏感.
• 有各种各样的估计器存在,每个估计器都有不同的假设和强度属性.

研究的目的:

• 系统地呈现和研究9个功能连接估计器对fMRI数据的属性.
• 为了比较现有的和新的估计器关于空间结构,噪声强度,和区域大小的依赖.
• 引入一种具有更好的理论保证和经验性能的新估计器.

主要方法:

• 对9种功能连接估计器的系统评估,包括3种现有方法和6种新方法.
• 基于fMRI数据的空间模型进行分析,使用合成,动物和人类数据集.
• 评估图形结构,可重复性,可重复性,可区分性,区域大小依赖性和噪声强度.

主要成果:

• 像平均值相关性 (ca) 这样的常见估计表现出正偏差和对区域大小和内相关性的显著依赖.
• 一个新的"平均值的局部相关性"估计器表明,对区域大小和偏差的依赖性明显较低.
• 估计器的选择影响了连接模式,揭示了与区域大小和内相关性相关的腹脊梯度.

结论:

• 功能连接估计器的选择对由此产生的脑网络结构和解释产生了关键影响.
• 拟议的"平均值的局部相关性"为fMRI连接性分析提供了更强大,更少偏差的替代方案.
• 提供开源软件 (R和Python),以促进这些改进的估计器的采用.