在fMRI中建模动态流入效应,以量化脑脊髓液流量
bioRxiv : the preprint server for biology
|April 16, 2025
概括
研究人员开发了一个动态模型和一个深度学习框架,用流量敏感的功能性MRI (fMRI) 来量化脑脊液 (CSF) 流量. 这使得可以从广泛可用的fMRI数据中获得物理解释的流量信号.
科学领域:
- 神经成像是一种神经成像.
- 流体动力学 流体动力学
- 生物医学工程 生物医学工程
背景情况:
- 脑脊液 (CSF) 流动对大脑健康至关重要,需要定量成像.
- 流量敏感功能性MRI (fMRI) 为CSF动态提供高灵敏度和时间分辨率,但缺乏定量测量.
研究的目的:
- 开发一个动态模型来模拟基于时间变化的流速的fMRI输入信号.
- 从fMRI数据创建基于物理的深度学习框架,用于从fMRI数据进行定量速度估计.
主要方法:
- 开发了一个动态模型来模拟fMRI输入信号.
- 使用人类和幻影数据验证了模型.
- 实现了基于物理的深度学习框架,以反转速度估计的动态模型.
主要成果:
- 动态模型准确地模拟了fMRI输入信号.
- 深度学习框架可以从fMRI数据直接估计CSF流速.
- 确定了用于解释fMRI输入数据的关键信号属性.
结论:
- 这项工作提供了一种方法,可以从fMRI中获得定量,物理可解释的CSF流量信息.
- 能够更广泛地利用fMRI的灵敏度和时间分辨率进行定量神经成像研究.
更多相关视频
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
06:24Paired Cisterna Magna Nanoinjection and Laser Speckle Contrast Imaging Assay to Study Cerebral Blood Flow Regulation In Vivo
Published on: July 8, 2025
