在基于图形的fMRI中数据预处理和分析的多元宇宙:对分析选择的系统文献综述被输入到为知情分析提供决策支持的工具中

科学领域:

• 神经成像是一种神经成像.
• 认知神经科学 认知神经科学
• 数据科学数据科学数据科学

背景情况:

• 由于不同的分析管道,神经成像中的复制危机.
• 缺乏标准化的预处理和分析步骤阻碍了稳定性检查.

研究的目的:

• 系统地审查认知网络神经科学中的分析决策.
• 识别和分类功能神经成像数据预处理和分析中的变异.
• 开发一个框架和工具来支持稳定性分析.

主要方法:

• 对神经成像研究的系统文献综述.
• 确定了61个不同的分析步骤,17个具有参数可变性.
• 为分析选择 (包括,参数调整,序列) 开发一个三级分类.

主要成果:

• 在预处理和分析步骤中发现了显著的变异性,包括诸如擦洗和全球信号回归等有争议的方法.
• 在研究中没有标准化的分析步骤顺序.
• 提出了一个分类学来分类分析管道变化.

结论:

• 分析选择的可变性是神经成像复制挑战的关键因素.
• 拟议的分类学和METEOR工具可以促进知情的稳定性 (多元) 分析.
• 分析管道的标准化和透明报告对于可重现的认知神经科学研究至关重要.