大数据,小偏差:协调基于MRI的扩散结构连接,以减轻数据集成中的与位置相关的偏差
Rui Sherry Shen1,2, Drew Parker2, Andrew An Chen3
1Department of Bioengineering, University of Pennsylvania, Philadelphia, Pennsylvania, USA.
Human brain mapping
|June 26, 2025
概括
这项研究介绍了MATCH,这是一种用于多位点扩散MRI连接组数据的新型协调框架. MATCH有效地消除了特定站点的偏见,保留了生物信息,以便更可靠地进行大脑连接研究.
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.
- 数据科学数据科学数据科学
背景情况:
- 基于扩散MRI的结构连接体对于研究疾病中的大脑连接性至关重要.
- 由于样本规模较小和表现异质,汇集多个地点的数据至关重要.
- 与扫描仪和协议的现场相关差异需要数据协调.
研究的目的:
- 开发和评估一个针对结构性连接收入的统计协调框架.
- 解决多站点神经成像数据集中与站点相关偏差的挑战.
- 为了保持生物变异性,同时减轻技术工件.
主要方法:
- 研究了各种统计协调方法,适用于连接数据.
- 开发了基于马分布模型的MATCH算法.
- 评估了基于边缘和图形分析的协调性能.
主要成果:
- MATCH算法有效地建模结构连接体,并消除与网站相关的偏见.
- 在协调连接组数据方面,MATCH的性能优于现有的方法.
- 协调增强了机器学习预测器的概括性和组级差异检测.
结论:
- MATCH提供了一个强大的框架,用于协调多个站点的结构连接.
- 这种方法对于协作的大数据神经成像研究中可靠的发现至关重要.
- 为有效的多站点连接组分析提供了指导方针.
