独立组件分析用于提取准确的大脑功能网络的SMART (可靠的分割合并辅助) 独立组件分析
Xingyu He1, Vince D Calhoun2, Yuhui Du3,4
1School of Computer and Information Technology, Shanxi University, Taiyuan, 030006, China.
Neuroscience bulletin
|March 16, 2024
概括
我们开发了SMART ICA,这是一种可靠地从fMRI数据中识别大脑功能网络 (FN) 的新方法. 这种方法提高了多主体脑网络分析的准确性和一致性.
科学领域:
- 神经科学是一个神经科学.
- 脑部成像 脑部成像
- 网络科学 网络科学
背景情况:
- 功能网络 (FNs) 对于理解大脑功能至关重要.
- 独立组件分析 (ICA) 用于从fMRI估计FNs,但最佳模型顺序选择是具有挑战性的.
- 这影响了估计的功能网络的可靠性.
研究的目的:
- 引入一种新的方法,即SMART ICA,用于从fMRI数据中自动和可靠地提取功能网络.
- 为了应对在ICA中确定功能网络估计的最佳模型顺序的挑战.
- 扩展和验证SMART ICA方法用于多主体fMRI分析.
主要方法:
- 提出SMART ICA (分拆合并辅助可靠的ICA) 的建议.
- 通过使用简化图表从多模型顺序 ICA 集群独立组件 (IC).
- 扩展SMART ICA以进行多主体分析,并使用模拟和真实fMRI数据进行验证.
主要成果:
- 从模拟数据中,SMART ICA准确地估计了集团共同的和集团独特的组件.
- 该方法证明了对参数选择的稳定性.
- 对1950名健康受试者的休息状态fMRI数据的分析揭示了跨队列一致的群体级FN和特定受试者FN的年龄渐进变化.
- 提供小规模和大规模的大脑FN模板.
结论:
- 智能ICA提供了一种自动化的方法,可以从多主体fMRI数据中获得可靠的功能网络.
- 该方法建立了来自不同模型订单的FN之间的联系.
- 智能ICA提高了大脑功能网络分析的可靠性和可解释性.
