基于登记的评估与手动细分 rhesus大脑MRI的评估
Joey A Charbonneau1,2, Brittany Davis3,4, Erika P Raven5
1Neuroscience Graduate Program, University of California Davis, Davis, CA, USA. jcharbonneau@ucdavis.edu.
Brain structure & function
|August 13, 2024
概括
使用AFNI对大脑MRI的自动细分显示了与手动方法相比的可变准确性. 这种评估对于弥合微观和宏观解剖学研究差距至关重要.
科学领域:
- 神经成像是一种神经成像.
- 进行比较的神经解剖学
- 灵长类神经科学 灵长类神经科学
背景情况:
- 自动化大脑细分对于分析大型磁共振成像 (MRI) 数据集至关重要.
- 之前的研究在人类大脑中验证了自动化方法,但在像这样的非人类灵长类动物中没有.
- 的MRI对于将侵入性微解剖学研究与非侵入性宏解剖学MRI研究联系起来至关重要.
研究的目的:
- 为了评估基于自动注册的细分在大脑中的准确性.
- 在 rhesus macaques 中,将自动细分与手动细分 (黄金标准) 相比较.
- 评估自动化工具对弥合微观和宏观解剖学研究的有用性.
主要方法:
- 使用AFNI (功能神经图像分析) 管道进行自动化细分.
- 在37只 rhesus 中,手动细分了 4 个大脑结构 (前带状皮层,insula,杏仁体,尾状)
- 自动化和手动细分结果之间的相关性分析.
主要成果:
- 在不同神经区域中观察到相关性强度的变化.
- 确定了自动化/手动细分和人口统计学变量 (年龄,性别) 之间的关系的差异.
- 该研究评估了AFNI对大脑MRI分析的性能.
结论:
- 像AFNI这样的自动细分工具看起来很有希望,但需要对大脑分析进行仔细的验证.
- 了解区域变化和人口影响是准确自动细分的关键.
- 这项研究支持在非人类灵长类动物中使用自动化MRI分析,以弥合研究规模.
