解决大脑发育的大型自动化MRI分析中人工偏差的问题

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 发展心理学 发展心理学

背景情况:

• 大规模的青少年磁共振成像 (MRI) 研究为神经发育和精神疾病提供了宝贵的见解.
• 青少年MRI数据特别容易受到运动工件和噪音的影响,从而损害数据完整性.
• 现有的质量控制方法可能无法充分解决结构测量的微妙偏差.

研究的目的:

• 调查图像质量低于最佳的图像质量对青少年结构性MRI测量的影响.
• 评估自动化和手动方法来检测和纠正与图像质量相关的偏差.
• 评估图像质量控制对神经发育和精神疾病研究的影响.

主要方法:

• 视觉质量控制和自动分析来自9-10岁青少年的11,263张T1MRI扫描.
• 评估表面孔数作为拓复杂性的指数,用于识别低质量的扫描.
• 应用手动编辑来预处理高质量的扫描并评估它们对测量的影响.
• 对皮层厚度和表面积测量的偏差的统计分析及其对临床关联的影响.

主要成果:

• 在55.1%的扫描中,低于最佳的图像质量在皮层厚度和表面积测量中带来了显著的偏差.
• 这些偏见导致了结构性MRI和临床数据之间的联系分析中的假阳性和假阴性关联.
• 表面孔数有效地识别了低质量的扫描,其作为共变量的使用部分减少了偏差.
• 在高质量扫描中手动纠正拓错误提高了测量准确度,并加强了年龄-厚度关联.

结论:

• 在青少年MRI研究中质量控制不足,可能会否定大样本大小的好处.
• 图像质量低于最佳的偏差可以显著影响神经发育和精神疾病研究结果.
• 实施自动化和手动质量控制干预措施对于青少年神经成像研究的可靠和有效结果至关重要.