使用功能磁共振成像技术,对脉动性脑血管进行了强大的数据驱动细分

科学领域:

• 神经成像是一种神经成像.
• 生物医学工程 生物医学工程
• 流体动力学 流体动力学

背景情况:

• 功能磁共振成像 (fMRI) 提供了关于神经血管健康的见解,但缺乏详细的脑血管细分.
• 精确细分脑动脉和上斜鼻 (SSS) 对于研究神经流体动力学至关重要.
• 目前的细分方法往往耗时,需要专门的磁共振血管学 (MRA) 扫描.

研究的目的:

• 开发和验证一个数据驱动的,用于直接从fMRI数据对大脑动脉和SSS进行细分的自动方法.
• 评估这种自动化细分方法在一个大,老化的队列中的可重复性.

主要方法:

• 利用心脏诱导的脉动性fMRI信号进行自动细分.
• 开发了一种数据驱动的方法来识别大脑动脉和SSS.
• 验证了基准真相细分的方法,并在人类结合体项目 (HCP) 衰老数据集 (422 名参与者) 上测试了可重复性.

主要成果:

• 该自动化方法成功地在fMRI数据中对大脑动脉和SSS进行了细分.
• 证明了高可重现性,对动脉和SSS细分体积的类内相关系数>0.7.
• 该方法在广泛的年龄范围 (36-100岁) 和重复扫描中被证明是可靠的.

结论:

• 大脑大动脉和SSS的自动细分是可行的,可以使用fMRI进行复制.
• 这种技术有助于对神经流体动力学和血管健康进行非侵入性调查.
• 该方法减少了对MRA的依赖,使先进的fMRI分析更容易获得.