使用NeuroMark搜索可复制的大脑特征:不同年龄群体和成像方式的模板

科学领域:

• 神经成像分析分析神经成像分析
• 大脑绘制地图.
• 计算神经科学是一种计算神经科学.

背景情况:

• 数据驱动的大脑研究面临的挑战是平衡概括性与特定主体变异性的挑战.
• 使用空间受约束的独立组件分析 (ICA) 的NeuroMark框架,此前已经从功能性MRI (fMRI) 中识别出可复制的大脑标记.
• 现有的NeuroMark模板基于年轻的成年人群,限制了寿命的适用性.

研究的目的:

• 将NeuroMark框架扩展为涵盖整个生命周期的新型模板,从婴儿到老年.
• 将结构MRI (sMRI) 和扩散MRI (dMRI) 模式集成到NeuroMark模板库中.
• 研究大脑网络特征的可复制性和与年龄相关的变异性,跨不同人群和模式.

主要方法:

• 从四个数据集的6000次静止状态扫描中生成空间时光fMRI模板,涵盖婴儿,青少年和老龄化队列.
• 使用来自两个大型公共数据集的30,000多次扫描构建sMRI和dMRI模板.
• 利用空间相似性分析来识别可复制的组件并评估跨年龄模式的相似性.

主要成果:

• 开发了第一个强大的ICA模板,用于整个生命周期的动态大脑发育.
• 通过极端的年龄差异,证明了适应的大脑组件的非常高的相似性.
• 展示了NeuroMark模板在fMRI,sMRI和dMRI模式中的通用性.

结论:

• 扩展的NeuroMark框架提供了特定于年龄和跨模式的模板,增强了对大脑疾病的生物标志物识别.
• 新的模板提高了神经成像研究的概括性和可比性,跨越多样化的队列和寿命.
• 这项工作促进了对寿命和跨模式大脑变化的理解,提高了心理健康研究的准确性.