基于fMRI的数据驱动的大脑分片,使用独立组件分析

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.
• 绘制大脑地图 绘制大脑地图

背景情况:

• 功能性磁共振成像 (fMRI) 研究需要强大的方法来将大脑分成感兴趣的区域 (ROI).
• 目前的分片方法依赖于标准化的解剖图谱 (例如,蒙特利尔神经研究所 - MNI) 或个别的功能活动模式 (例如,Personode软件).

研究的目的:

• 引入和评估基于独立组件分析 (ICA) 的分区算法 (IPA),用于创建个性化和群体级大脑分区.
• 评估IPA在高血压研究队列中产生的ROI的空间一致性和功能均性.

主要方法:

• IPA算法使用来自集团ICA (gICA) 的独立组件 (IC) 来构建ROI.
• 通过对所有主题的回归ICs生成个性化分片,并与gICA衍生分片一起生成.
• 空间一致性用子相似系数 (DSC) 来量化,功能同质性通过平均皮尔森相关性来评估.

主要成果:

• 由IPA生成的个体化地块显示平均DSC为0.69±0.14,表明良好的空间一致性.
• 个性化IPA分片的功能均度平均为0.30 ± 0.14,而gICA衍生的分片显示为0.38 ± 0.15.
• 与Personode的比较显示,IPA的个性化地块具有更高的DSC (0.69比0.43) 和同质性 (0.30比0.28).

结论:

• 与Personode和MNI图谱等现有技术相比,IPA方法提供了更可靠的ROI定义和更高的功能均性.
• 作为一种先进的分片技术,IPA显示出显著的前景,用于增强fMRI数据分析.
• 由IPA生成的分片提供了更好的空间一致性和功能均性,这对于准确解释fMRI发现至关重要.