在fMRIPrep中测量和减少fMRI预处理的碳足迹

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 环境科学 环境科学

背景情况:

• 神经成像研究,特别是功能磁共振成像 (fMRI) 数据处理,是计算密集的.
• 数据处理期间的高能耗导致了大量的碳排放,加剧了气候危机.

研究的目的:

• 为了量化fMRIPrep预处理工具的碳足迹.
• 调查不同fMRIPrep参数对碳排放和预处理性能的影响.
• 为减少神经成像数据处理对环境的影响提供可行的建议.

主要方法:

• 使用257名参与者的数据测量了八种不同的fMRIPrep变体的碳足迹.
• 通过分析感兴趣地区的统计任务激活和处理数据的平均流性来评估预处理性能.
• 系统地改变fMRIPrep参数,以确定计算成本和数据质量之间的权衡.

主要成果:

• 通过修改fMRIPrep参数,可以实现碳排放的大幅减少.
• 例如,禁用FreeSurfer表面重建,可以减少48%的碳排放,而不会对数据质量产生负面影响.
• 确定了特定的参数调整,以尽量减少环境影响,同时保持强大的预处理性能.

结论:

• 神经成像研究人员可以通过优化fMRIPrep参数和计算资源,显著减少其预处理管道的碳足迹.
• 这些优化提供了一种可控的方法来减轻神经成像研究对环境的影响.
• 实施这些战略使研究人员有能力采取行动,减少他们对气候危机的贡献.