使用连接体指纹功能性MRI模型用于预测手术前规划中的运动活动:可行性研究

科学领域:

• 神经科学是一个神经科学.
• 机器学习 机器学习
• 医疗成像医学成像

背景情况:

• 术前计划对于在脑瘤切除后保持神经功能至关重要.
• 功能性MRI (fMRI) 是绘制雄辩大脑区域的关键工具,但对一些患者来说,任务执行可能具有挑战性.
• 连接指纹 (CF) 提供了一种新的方法,可以从静止状态数据中预测任务激活.

研究的目的:

• 通过静止状态fMRI (rs-fMRI) 数据评估连接体指纹 (CF) 的有效性,以预测基于任务的大脑激活.
• 评估CF在患有脑瘤的患者手术前计划的可行性.
• 为了验证CF模型预测与实际任务fMRI数据在健康对照和患者.

主要方法:

• 在休息状态的fMRI数据上训练有素的CF模型,来自208名人体连接体项目 (HCP) 的受试者.
• 应用训练有素的CF模型来预测来自rs-fMRI数据的运动任务激活在15名健康对照和16名手术前患者的队列中.
• 在健康对照组和患者中使用任务fMRI数据验证了预测准确性.

主要成果:

• 在大多数健康受试者和一些患者中,CF模型在运动区域实现了高预测准确性 (90%-100%的任务稳定性).
• 即使没有引起与任务相关的激活,CF也成功预测了任务激活.
• 强大的交叉扫描仪和交叉站点预测得到了证明,包括患者群体.

结论:

• 连接指纹是预测大脑活动的可行工具,在任务执行困难时提供基于任务的fMRI的潜在替代品.
• 肌痛动脉瘤模型显示,它有望通过在脑瘤患者中实现可靠的运动网络映射来增强术前规划.
• 需要进一步开发以应对挑战并优化CF在临床环境中的应用.