静态磁大脑摄影的动态因果建模的可靠性
Amirhossein Jafarian1,2, Melek Karadag Assem1,2, Ece Kocagoncu1,2
1MRC Cognition and Brain Sciences Unit, University of Cambridge, Cambridge, UK.
Human brain mapping
|July 11, 2024
概括
这项研究证实了磁脑成像 (MEG) 静止状态数据的动态因果建模 (DCM) 的可靠性. 基于行为的模型显示出高可重现性,支持它们在纵向神经学和精神病学研究中的使用.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 生物物理学的生物物理.
背景情况:
- 休息状态动态因果建模 (DCM) 对于理解大脑连接是必不可少的.
- 用磁脑图 (MEG) 评估DCM的可靠性对于临床应用至关重要.
- 阿尔茨海默病队列表现出高的跨主体变异性,需要强大的方法验证.
研究的目的:
- 为了评估静态DCM的可靠性,使用基于导电性的正规微电路模型与MEG数据.
- 为了确定后置参数估计和模型证据在会话中的一致性.
- 验证DCM方法用于未来的神经疾病的纵向研究和干预.
主要方法:
- 利用了来自阿尔茨海默氏症队列的两次会议的静止状态MEG数据,间隔两周.
- 通过比较具有和没有类间相关性的模型证据来评估一级DCM可靠性.
- 采用参数实证贝叶斯 (PEB) 来分析受试者之间的参数分布差异和条件依赖.
主要成果:
- 超过95%的推断的DCM参数在会话之间没有显著的在主体内的差异,这表明很高的可预测性.
- PEB分析显示,可靠性和参数的条件依赖性之间存在相互关系.
- 证实了基于导电性的DCM对静止状态神经生理学数据的可靠性和可重复性.
结论:
- 基于行为性的DCM对于静止状态MEG数据是可靠和可重复的.
- 隐式生成建模方法适用于干预和纵向研究.
- 经过验证的方法支持对神经和精神疾病的未来研究.
