构建细粒度的空间时空新生儿功能地图与光谱功能网络学习

科学领域:

• 神经科学是一个神经科学.
• 发展生物学 发展生物学
• 医疗成像医学成像

背景情况:

• 人类早期的大脑发育对于认知和行为结果至关重要.
• 空间时空 (4D) 大脑功能图谱对于理解大脑发育至关重要.
• 由于fMRI噪音和大脑的快速变化,现有的4D地图集对于早期生命是有限的.

研究的目的:

• 开发一种新的,数据驱动的框架,用于在生命早期生成高质量的4D功能大脑地图.
• 解决用于创建地图库的功能磁共振成像 (fMRI) 数据中噪声和时间不一致的挑战.
• 制作第一个具有细粒度的时空分辨率的新生儿4D功能地图.

主要方法:

• 集成的低级张量学习与光谱嵌入,用于光谱功能网络学习 (SFNL) 框架.
• 利用低级张量学习来捕捉跨年龄的常见功能连接 (FC) 模式,优化FC以获得时间一致性.
• 采用光谱嵌入来减轻fMRI噪声,通过在光谱空间中重建FC网络.

主要成果:

• 成功生成了第一个新生儿4D功能地图,使用正在开发的人类连接组项目 (dHCP) 数据集.
• 与现有方法相比,在功能同质性,可靠性和时间一致性方面表现出卓越的性能.
• 通过网络分析验证框架的有效性和稳定性,包括个人识别和功能系统开发.

结论:

• SFNL框架提供了一种强大的方法,用于为早期人类大脑发育创建一致的,高质量的时空功能地图.
• 生成的新生儿4D地图提供了前所未有的时空分辨率,推动了发育神经科学研究.
• 4D地图和相关代码是公开的,以促进进一步的研究.