平行多链组联合ICA:在多个休息fMRI网络中融合3D结构和4D功能数据
K M Ibrahim Khalilullah1, Oktay Agcaoglu1, Jing Sui1
1Tri-institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State University, Georgia Institute of Technology, Emory University, Atlanta, Georgia, USA.
bioRxiv : the preprint server for biology
|April 8, 2024
概括
这项研究引入了并行多链接组联合ICA (pmg-jICA),一种用于融合结构和功能脑成像数据的新方法. 该方法揭示了阿尔茨海默病中关键的结构功能障碍,将灰质变化与特定的大脑网络联系起来.
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.
- 脑部疾病 脑部疾病
背景情况:
- 多模式神经成像对于理解大脑复杂性和疾病至关重要.
- 独立组件分析 (ICA) 是分析功能磁共振成像 (fMRI) 数据的关键工具.
- 现有的模型在融合结构和功能大脑数据方面存在局限性.
研究的目的:
- 引入并行多链接组联合ICA (pmg-jICA) 进行多模式大脑数据融合.
- 将结构性MRI (sMRI) 的灰质地图与fMRI内在网络联系起来.
- 探索阿尔茨海默病 (AD) 中的结构功能关系.
主要方法:
- 开发了一种新的pmg-jICA方法,将联合ICA和集团ICA原则结合起来.
- 融合的sMRI灰色物质地图与多个fMRI内在网络.
- 将该方法应用于阿尔茨海默氏症数据集,以确定结构功能联系.
主要成果:
- 在阿尔茨海默氏症数据集中为53个大脑网络生成了链接结构-功能输出.
- 在皮下,认知控制和视觉领域中确定了健康对照组 (HC) 和AD组之间的显著差异.
- 计算功能网络连接 (FNC) 和可视化的空间模式和负载.
结论:
- 在pmg-jICA方法有效地集成多式联络神经成像数据.
- 它提供了对阿尔茨海默病中大脑变化的局部见解.
- 该方法有助于详细探索神经系统疾病中的结构功能障碍.


