模拟MRI获取偏差对结构连接体的影响:协调结构连接体

科学领域:

• 神经成像是一种神经成像.
• 大脑连接学 (Connectomics)
• 磁共振成像 (MRI) 是一种磁共振成像技术.

背景情况:

• 多站点神经成像研究增强了统计能力,但由于扫描仪和采集参数异质性,引入了与站点相关的偏差.
• 来自MRI的脑结构连接体特别容易受到这些成像协议差异的影响.
• 后处理方法对于减轻这些偏差至关重要,而不仅仅是尽量减少获取参数变化.

研究的目的:

• 为了建模和纠正大脑结构连接体中因扩散MRI采集参数变化而引起的位置相关偏差.
• 开发一种强大的方法来协调不同站点和扫描仪收集的神经成像数据.
• 提高多地点神经成像研究的敏感性和通用性.

主要方法:

• 从Human Connectome项目年轻成年人数据集创建了一个重新采样的数据集,使用不同的b值和空间分辨率来模拟多站点数据.
• 开发了一种线性回归模型,明确结合了b值和空间分辨率,以考虑获取参数.
• 在单独的数据集上验证了模型的性能,其中包括反映临床获取实践的数据集.

主要成果:

• 证明b值和空间分辨率对大脑结构连接有显著不同影响.
• 表明,拟议的线性回归模型有效地减少了收购偏差,同时保持了个体间的差异.
• 验证了该模型提高指纹性能的能力,以及其对独立数据集的概括能力.

结论:

• 结构连接体中的获取参数偏差可以使用线性回归方法有效地减少,该方法由成像参数提供信息.
• 开发的方法增强了多站点神经成像的数据协调,提高了灵敏度和通用性.
• 该模型显示了生成潜力,并对临床数据集进行了很好的概括,为大规模的大脑成像研究提供了有价值的工具.