一个新的定向基于种子的连接分析工具箱应用于人类和马尔莫塞特休息状态的FMRI
Takuto Okuno1,2, Junichi Hata2,3, Chino Kawai2
1Connectome Analysis Unit, RIKEN Center for Brain Science, Saitama 351-0198, Japan takuto.okuno@riken.jp.
概括
一种新的定向基于种子的连接分析 (SCA) 方法准确地估计了脑功能连接在voxel水平. 这种新的方法揭示了对人类大脑中默认模式网络 (DMN) 和语言网络的新见解.
科学领域:
- 神经科学是一个神经科学.
- 脑部成像 脑部成像
- 计算神经科学是一种神经科学.
背景情况:
- 估计定向功能连接 (FC) 对于理解复杂的大脑功能至关重要.
- 在fMRI数据中以voxel级定向的FC估计和性能评估仍未得到充分研究.
研究的目的:
- 开发和验证一种针对voxel级fMRI数据的新型定向种子连接分析 (SCA) 方法.
- 评估定向SCA方法的性能与地面真实性蜂连接数据的性能.
- 使用开发的方法,研究人类默认模式网络 (DMN) 的功能组织.
主要方法:
- 开发了一种基于正常化的双向格兰杰因果关系的定向SCA方法.
- 验证了该方法与145个皮质逆行标记剂注射在马尔莫塞特 (地面真相).
- 计算接收机运行特征 (ROC) 曲线以评估性能 (曲线下的面积).
- 应用定向的SCA来分析人类默认模式网络 (DMN).
主要成果:
- 定向SCA实现了高精度,ROC曲线下的面积为0.942与蜂连接相比.
- 该方法可靠地估计了fMRI数据中的voxels之间的强细胞连接.
- 对人类DMN的分析揭示了语言网络中的背侧前额皮层 (dlPFC) 和叶的不同作用.
- 小脑 (Crus I-II) 被确定为DMN和语言网络的目标,而不是核心组件.
结论:
- 这种新的指导性SCA方法比传统的基于ROI的方法提供了更大的细节和准确性.
- 这种方法提供了一种可靠的方法,可以从fMRI数据中估计voxel级功能连接.
- 导向的SCA与功能平面映射相结合,引入了全脑功能分析的新范式.
