描述神经元和非神经元组件在多回声EPI数据中的分布,基于张量-ICA的回声时间
Tengfei Feng1, Halim Ibrahim Baqapuri2, Jana Zweerings3
1Department of Psychiatry, Psychotherapy and Psychosomatics, Faculty of Medicine, RWTH Aachen University, Pauwelsstr. 30, Aachen 52074, Germany; School of Biomedical Engineering, Faculty of Medicine, Dalian University of Technology, Dalian 116024, China.
多回声回声平面成像 (ME-EPI) 的电张器-ICA分解有效地区分神经和非神经信号. 删除短TE峰值组件显著提高了fMRI数据质量,并揭示了更清晰的激活模式.
科学领域:
- 神经成像是一种神经成像.
- 生物物理学的生物物理.
背景情况:
- 多回声回声平面成像 (ME-EPI) 通过在多个回声时间 (TE) 获取数据来提供增强的BOLD信号分析.
- 描述跨TE的信号波动对于区分神经活动与人工制造物至关重要.
- 张量分解为分析TE-依赖信号特征提供了一个新领域.
研究的目的:
- 将张量-ICA应用于将ME-EPI数据分解为空间,时间和TE领域.
- 在ME-EPI数据中描述神经和非神经元件的TE模式.
- 为了评估张量-ICA对于fMRI数据的有用性.
主要方法:
- 在ME-EPI数据集上使用独立组件分析 (tensor-ICA) 的张量扩展.
- 独立的空间地图被迫在空间,时间和TE领域分解数据.
- 组件根据其独特的TE模式进行分类.
主要成果:
- 根据TE模式确定了三个不同的组件组.
- 与运动相关的和非BOLD组件表现出TE模式的下降.
- 确定了与生理噪声相关的短时间TE峰值组件,删除改善了数据质量和激活清晰度.
结论:
- 张量-ICA是分解ME-EPI数据和表征TE模式的有效方法.
- 基于TE模式的组件分类有助于fMRI数据的排斥.
- 删除短TE峰值组件可以提高fMRI结果的质量和解释性.
更多相关视频
06:57Utilizing Electroencephalography Measurements for Comparison of Task-Specific Neural Efficiencies: Spatial Intelligence Tasks
Published on: August 9, 2016
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
