使用fMRIPrep和Nilearn进行休息状态fMRI连接中的无声化策略的持续评估

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 数据科学数据科学数据科学

背景情况:

• 功能磁共振成像 (fMRI) 连接性分析需要减少非神经元噪声.
• 由于软件进化,fMRI现有的否定基准可能会过时.
• 实践者需要可靠的指导来选择适当的fMRI拒绝策略.

研究的目的:

• 为fMRI连接性分析提供一种新的,可重复的无噪点基准.
• 通过使用多个数据集和指标,评估一系列的除策略.
• 为了促进fMRI拒绝软件的持续评估和比较,特别是fMRIPrep.

主要方法:

• 根据fMRIPrep.开发一个基于fMRIPrep.的拒绝基准框架.
• 包含多种多样的拒绝策略,数据集和评估指标.
• 在Neurolibre服务器上使用Jupyter Book实现可重复框架.

主要成果:

• 大多数基准测试结果与之前关于fMRI拒绝的文献一致.
• 洗与全球信号回归相结合,通常有效消除噪声.
• 在不同数据集和fMRIPrep版本的策略表现中观察到不一致.

结论:

• 开发的基准为fMRI社区提供了指导方针,并促进了可重现的研究.
• 持续评估fMRI拒绝方法是必不可少的.
• 具体的拒绝策略的适用性因分析要求和数据特征而有所不同.