对于休息状态功能性MRI扫描的协调,里曼的框架
Nicolas Honnorat1, Sudha Seshadri1, Ron Killiany2
1Glenn Biggs Institute for Neurodegenerative Disorders, University of Texas Health Science Center at San Antonio, San Antonio, TX, USA.
Medical image analysis
|November 29, 2023
概括
这项研究引入了协调休息状态功能性MRI (rs-fMRI) 数据的新框架,减少扫描器变异性,同时保留关键的大脑信息. 该方法有效地协调功能连接组和时间序列,改善研究数据的一致性.
科学领域:
- 神经成像是一种神经成像.
- 统计分析 统计分析
- 数据协调与统一
背景情况:
- 磁共振成像 (MRI) 提供了详细的脑图像,但扫描仪和协议变化引入噪音.
- 协调方法对于减少神经成像数据集的变异性至关重要,特别是随着公共数据可用性的增加.
- 休息状态功能性MRI (rs-fMRI) 由于其复杂的数据结构,提出了独特的协调挑战.
研究的目的:
- 开发和验证一个新的框架来协调rs-fMRI数据.
- 为了减少扫描仪和协议差异对功能连接组和rs-fMRI时间序列的影响.
- 在协调期间,保护与衰老和大脑疾病相关的基本临床信息.
主要方法:
- 提出了一种协调方法,使用里曼的几何框架来保持功能连接组属性.
- 在里曼框架内集成最先进的协调技术.
- 生成和分析合成数据,以比较拟议方法的80个变体.
- 将表现最好的框架应用于真实世界的数据集 (ABIDE,HCP,Framingham,GenStruct).
主要成果:
- 拟议的框架成功地协调了低维连接器和音量函数的功能时间序列.
- 在协调过程中证明了在保护连接体属性的有效性.
- 在各种数据集上验证了该方法,包括低和高维 rs-fMRI 数据.
结论:
- 开发的基于里曼的框架为rs-fMRI数据提供了有效的协调.
- 保持功能连接体的数学特性对于成功协调至关重要.
- 这种方法提高了神经成像研究的数据一致性和可靠性.
