使用功能磁共振成像技术,对脉动性脑血管进行了强大的数据驱动细分
Adam M Wright1,2, Tianyin Xu2, Jacob Ingram2
1Department of Radiology and Imaging Sciences, Indiana University School of Medicine, Indianapolis, IN, USA.
Interface focus
|December 9, 2024
概括
这项研究引入了一种自动方法,在功能性MRI (fMRI) 数据中直接对脑血管进行细分. 这种技术准确地识别了主要动脉和上部斜鼻,改善了神经流体动力学研究.
科学领域:
- 神经成像是一种神经成像.
- 生物医学工程 生物医学工程
- 心血管生理学心血管生理学
背景情况:
- 功能磁共振成像 (fMRI) 提供了对大脑功能,血管健康和废物清除的洞察.
- 精确的脑血管细分对于推进基于fMRI的流体动力学研究至关重要.
- 目前的方法与fMRI扭曲作斗争,限制了在fMRI空间中可靠的船舶识别.
研究的目的:
- 开发一种数据驱动的,用于直接在fMRI数据中对脑血管进行细分的自动方法.
- 解决fMRI数据固有的错误注册和扭曲的挑战.
- 为了能够可靠地研究大脑大动脉和上斜 (SSS) 中的神经流体动态.
主要方法:
- 开发了一种自动细分方法,利用心脏周期期间血管的脉动信号模式.
- 在fMRI空间中直接识别大脑动脉和SSS,克服空间扭曲.
- 在本地数据集上验证了该方法,并使用人类结合体项目 (HCP) 衰老数据集 (422 名参与者) 测试了可重复性.
主要成果:
- 该方法通过利用它们独特的脉动特征成功细分了大脑动脉和SSS.
- 在HCP老龄化数据集中证实了高可重现性,对于动脉和SSS细分体积的类内相关系数>0.7.
- 该方法在广泛的年龄范围内 (36-90岁) 通过重复扫描显示出强大的性能.
结论:
- 主要脑动脉和SSS的自动细分可以直接在fMRI数据中实现.
- 这种新的方法克服了与fMRI扭曲有关的现有技术的局限性.
- 证明的可重现性使得使用fMRI在关键脑血管系统中进行准确可靠的流体动力学研究更容易.
