在静态fMRI数据中优化样本的测量
Donovan J Roediger1, Jessica Butts2, Chloe Falke2
1Department of Psychiatry and Behavioral Sciences, Medical School, University of Minnesota (UMN), Minneapolis, MN, United States.
Frontiers in neurology
|March 1, 2024
概括
这项研究引入了一种新的窗口方法,以使用fMRI数据中的样本变来准确测量大脑信号复杂性,减少运动工件并改善可重现性,以改善大脑疾病研究.
科学领域:
- 神经成像是一种神经成像.
- 复杂性科学 复杂性科学
- 生物物理学的生物物理.
背景情况:
- 通过样本度测量的大脑信号复杂性,对于理解基于大脑的疾病至关重要.
- 基于fMRI的样品分析面临着由于运动工件和参数选择的挑战.
- 标准的预处理方法,如擦洗,可能不适合测量.
研究的目的:
- 开发和验证一种新的fMRI数据窗口方法,以准确估计样本.
- 为了创建用户友好的实用程序,以进行最佳的参数选择 (匹配长度m,误差宽容r).
- 为了生成整个大脑的密度地图并评估可重现性.
主要方法:
- 开发了一种新的窗口技术,用于选择和连接fMRI数据的低运动段.
- 创建了自回归模型和网格搜索实用程序,以优化样本参数 (m 和 r) 的选择.
- 这些方法应用于ABCD研究数据,结果与标准方法进行比较,通过类内相关性评估可重现性.
主要成果:
- 窗户程序有效地减轻了和头部运动之间的反相关性.
- 使用窗口方法计算的样本值在早期和后期扫描期间表现出良好的可重现性.
- 在整个大脑中观察到可重现性的区域变异.
结论:
- 为fMRI样本度测量开发了一种优化,可适应的方法,解决了运动和参数选择的挑战.
- 开发的方法和相关的R包 ("powseR") 为推进神经成像研究提供了有价值的工具.
- 提供了fMRI数据采集和分析的建议,以加强样本度测量.
更多相关视频
08:08Using Wavelet Entropy to Demonstrate how Mindfulness Practice Increases Coordination between Irregular Cerebral and Cardiac Activities
Published on: May 10, 2017
14.7K
08:19Simultaneous Data Collection of fMRI and fNIRS Measurements Using a Whole-Head Optode Array and Short-Distance Channels
Published on: October 20, 2023
1.1K
