大脑微观结构的大规模规范建模
Julio E Villalón-Reina1, Alyssa H Zhu1, Talia M Nir1
1Imaging Genetics Center, Mark & Mary Stevens Institute for Neuroimaging & Informatics, Keck School of Medicine, University of Southern California, Los Angeles, CA, USA.
2023 19th International Symposium on Medical Information Processing and Analysis (SIPAIM). Institute of Electrical and Electronics Engineers
|October 31, 2024
概括
这项研究创建了第一个大规模的大脑白质模型,使用了超过5万个人的扩散MRI. 这种规范模型有助于识别各种神经和精神疾病中的大脑异常.
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.
- 生物统计学 生物统计学
背景情况:
- 大脑指标的规范模型对于识别神经,精神和发育条件中的异常至关重要.
- 现有的协调多站点神经成像数据的方法存在局限性.
研究的目的:
- 开发第一个白质 (WM) 微观结构在整个生命周期的大型规范模型.
- 建立一个标准化的参考,用于检测和可视化WM偏差在各种患者队伍.
- 为了比较疾病的影响,并确定影响大脑异常的因素.
主要方法:
- 使用了18个国际扩散MRI (dMRI) 数据集 (N=51,830,年龄为3至80岁).
- 使用标准化分析和质量控制提取区域扩散张力成像 (DTI) 度量.
- 应用等级贝叶斯回归 (HBR) 来建模WM指标作为年龄和性别的函数,并考虑站点效应.
主要成果:
- 开发了WM微观结构的大规模规范模型.
- 证明了该模型在检测阿尔茨海默病,轻度认知障碍,帕金森病和22q11.2删除综合征中的WM偏差方面的实用性.
- HBR方法有效地模拟了现场效应,克服了简单的协调技术的局限性.
结论:
- 开发的大规模规范性WM模型为临床和研究应用提供了有价值的共同参考.
- 这种模型有助于识别疾病特异性脑部变化,并有助于比较不同疾病.
- 该方法为分析多站点dMRI数据和理解神经发育轨迹提供了一个强大的方法.
