对MEG连接性估计的ROI提取方法的影响:用于研究静止状态数据的实用建议

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 大脑成像分析分析

背景情况:

• 在磁脑学和电脑学 (M/EEG) 中,基于种子的连接性分析依赖于从感兴趣的区域 (ROI) 提取措施.
• 用于导出基于ROI的源活动的方法 (例如,时间序列的平均值与维度减小) 可以影响连接结果.
• 这些不同的ROI提取策略对M/EEG连接结果的影响尚不清楚.

研究的目的:

• 调查各种ROI活动提取策略对基于M/EEG种子的连接分析的影响.
• 使用真实和模拟的MEG数据,比较不同方法对连接量和空间分布的影响.
• 为选择M/EEG连接分析的适当方法提供指导.

主要方法:

• 对比了四种提取方法:在连接计算前的平均值或PCA,在计算后的平均值或最大连接,在113名静止状态MEG参与者的68个ROI中.
• 使用了两种连接测量 (PLV和ciPLV) 跨越theta,alpha和beta频段.
• 采用等级聚类和直接对比来比较策略,并通过现实的模拟进行验证.

主要成果:

• 基于ROI的连接地图显示了根据提取策略的大小和空间分布的显著变化.
• 在连接计算后应用的尺寸缩小方法与以前应用的PCA相比,产生了更相似的结果.
• 差异受连接度量 (对于ciPLV比PLV更大) 和ROI大小 (对于较大的ROI更大) 的影响.

结论:

• 与计算前方法相比,连接后的计算缩小维度的策略通常提供更高的准确性,但较低的特异性 (更多的假阳性).
• 提取方法的选择显著影响M/EEG连接结果,影响跨研究的解释和比较.
• 研究人员在比较来自不同ROI提取方法的M/EEG连接结果时应谨慎.