dcSBM:用于多变量大脑结构映射的联合受约束的基于源的形态学方法

科学领域:

• 神经成像和计算神经科学
• 大脑形态测量分析

背景情况:

• 多变量大脑形态测量模式对于理解患者控制差异至关重要.
• 基于源的形态测量 (SBM) 是一种数据驱动的工具,用于从结构性MRI中对大脑解剖学的探索性分析.
• 现有的SBM方法需要在模式提取和多站点数据集成方面进行改进.

研究的目的:

• 引入受约束的基于源的形态学 (cSBM) 作为SBM的半盲扩展.
• 开发一个完全自动化的SBM框架,使用来自大型数据集 (UKBiobank) 的参考组件.
• 提出一个去中心化的受约束SBM (dcSBM),用于对非本地可访问的神经成像数据的联合分析.

主要方法:

• 通过将SBM与来自UKBiobank数据的参考组件相结合,实现了受约束的SBM.
• 开发了dcSBM,这是一个联合方法,本地站点在私人数据上执行受约束的独立组件分析 (ICA).
• 聚合器节点将本地结果结合起来进行统计分析,以估计源的意义.
• 使用两个多站点患者数据集验证cSBM和dcSBM,比较组差异估计.

主要成果:

• 受约束的SBM成功地从大脑形态测量数据中提取了最大限度独立的,类似参考的来源.
• 拟议的dcSBM框架允许在不集中敏感神经成像数据的情况下进行多站点分析.
• 验证表明,集中式cSBM和分散式dcSBM方法之间的可比组差异估计.

结论:

• 约束式SBM提供了一个强大的,自动化的框架,用于探索大脑形态学模式.
• 分散受约束的SBM (dcSBM) 为大规模的多站点神经成像研究提供了一种保护隐私的解决方案.
• 这些方法在临床和研究环境中推进了对大脑解剖学的分析,促进了神经系统疾病的发现.