基于阿特拉斯的休息状态fMRI标签

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.
• 医学图像分析 医学图像分析

背景情况:

• 功能性磁共振成像 (fMRI) 提供非侵入性脑图,但需要对独立组件 (IC) 进行手动检查.
• 手动IC标签是耗时的,需要专门的专业知识.
• 自动化这个过程可以提高神经成像研究的效率和可靠性.

研究的目的:

• 开发和验证一种用于标记fMRI ICs的新型自动化方法.
• 建立一种基于ICs特征空间功能关系的方法.
• 减少fMRI数据分析所需的时间和专业知识.

主要方法:

• 开发了一种自动化的方法来使用它们的空间功能关系来标记fMRI IC.
• 基于176个受试者的z-score分布生成了一个功能激活功能地图.
• 利用共弦相似度对未标记的IC进行分类,并将其与特征图进行对比.
• 在1000个功能连接组项目中的三个独立的fMRI数据集 (280个受试者) 上验证了方法.

主要成果:

• 自动化方法准确识别了9个静态网络和45个IC.
• 在独立测试数据集中,分类准确度超过95%.
• 显著减少了IC标签的专家和计算时间.
• 在功能激活和解剖学上定义的区域之间建立了可解释的关系.

结论:

• 拟议的自动化方法有效地以高精度和可靠性标记fMRI IC.
• 这种方法显著简化了fMRI数据的分析.
• 空间功能关系为自动化IC标签提供了强大的和可解释的基础.