告诉我为什么:对基于fMRI的网络分析的基本构件进行范围审查
Z van der Pal1, L Douw2, A Genis3
1Amsterdam UMC location University of Amsterdam, Department of Radiology and Nuclear Medicine, Meibergdreef 9, Amsterdam, the Netherlands.
NeuroImage. Clinical
|April 17, 2025
概括
这次对2022年功能性MRI网络分析的审查发现了常见的方法,如对对应关系和加权网络. 然而,不完整的报告阻碍了理解神经和精神疾病中大脑行为联系的进展.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 神经学 神经学
背景情况:
- 了解大脑与行为之间的关系对于精神病和神经疾病至关重要.
- 使用功能性MRI (fMRI) 的网络神经科学为大脑功能提供了洞察力.
- 静态无定向网络分析是这个领域的一个关键方法.
研究的目的:
- 从2022年开始在fMRI研究中审查和描述网络估计方法.
- 确定共同的方法选择和报告标准.
- 突出在fMRI网络分析中需要改进的领域.
主要方法:
- 专注于2022年发表的fMRI研究.
- 分析了基础网络分析组件:样本大小,网络大小,关联类型,边缘包含,边缘权重,建模级别和混因素.
- 描述了常见的估计技术.
主要成果:
- 79.6%的研究使用对对相关性来估计大脑区域之间的关联.
- 在95.3%的研究中估计有权重网络.
- 个人层面的网络估计是普遍存在的 (86.9%).
结论:
- 尽管有常见的方法,但许多研究缺乏全面的方法报告,阻碍了研究综合.
- 对fMRI网络估计的透明报告对于推进临床见解至关重要.
- 整合网络神经科学和心理测量可以增强对大脑行为关系的理解.
