使用可见度图的fMRI数据的网络表示:运动的影响和测试-重测可靠性
Govinda R Poudel1,2, Prabin Sharma3, Valentina Lorenzetti4
1Mary Mackillop Institute for Health Research, Australian Catholic University, 215 Spring Street, Melbourne, 3000, Australia. Govinda.Poudel@acu.edu.au.
Neuroinformatics
|February 9, 2024
概括
在fMRI中的可见度图分析显示了对运动的高度敏感性,影响了可靠性. 使用这些图表功能,强大的运动校正对于准确的脑连接洞察至关重要.
科学领域:
- 神经科学是一个神经科学.
- 图形理论 图形理论
- 数据挖掘 数据挖掘
背景情况:
- 可见度图提供了新的时间序列分析方法.
- 对可见度图的图形理论分析可以为fMRI数据挖掘带来新的功能.
- 然而,由于对噪声强度和测试-重新测试可靠性的担忧,可见度图的特征在神经科学中未得到充分利用.
研究的目的:
- 调查fMRI数据中的可见度图形属性的稳定性和测试-重新测试可靠性.
- 为了评估这些图形特征对运动工件的灵敏度.
- 用可见度图形的相步度来描述功能连接.
主要方法:
- 来自人类结合体项目的fMRI数据 (N=1010) 的可见度图形属性的分析.
- 使用Intraclass相关系数 (ICC) 测试对运动的敏感性和评估测试重试可靠性.
- 通过可见度图的度同步来描述连接强度.
主要成果:
- 在可见度图形属性 (例如,社区数量,平均度) 和运动之间观察到强烈的相关性 (r > 0.5).
- 平均度 (ICC=0.74),集群系数 (ICC=0.43) 和平均路径长度 (ICC=0.41) 的高测试-重试可靠性中等.
- 通过关联可见度图度来测量的功能连接发现了中等到低的相关性 (r < 0.35).
结论:
- fMRI运动显著影响可见度图特征的稳定性和可靠性.
- 在将可见度图分析应用于fMRI数据之前,强大的运动校正策略是必不可少的.
- 需要进一步的研究,才能充分了解fMRI中的可见度图特征的应用潜力.
