对于人类连接体项目而言,自动个体皮层分片自动化.
bioRxiv : the preprint server for biology
|July 14, 2025
概括
一个新的分类器,ARENA,通过从不确定的标签中学习来改进个体大脑绘图,并优于以前的方法. 这增强了对大脑组织的个体变异性的理解,特别是对语言区域55b的理解.
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.
- 在神经科学中的机器学习
背景情况:
- 人类连接体项目多模式皮质分片 (HCP_MMP1.0) 旨在利用结构和功能MRI数据绘制个人人类大脑皮质的地图.
- 现有的方法很难捕捉大脑组织中的个体变异性,特别是对于非典型的皮质拓.
- 选择静止状态网络 (RSN) 功能地图和对单个地块的分类标准仍然不清楚.
研究的目的:
- 开发一个改进的自动分类器,用于特定主体的人类皮质分片,以解释个体的变化.
- 为了比较不同的RSN分解方法在面积分类中的有效性.
- 识别55b语言相关区域的新型非典型组织.
主要方法:
- 介绍了A real R认知E与N ested A p p approach (ARENA) 分类器相似,利用弱监督学习来处理不确定的标签.
- 时间ICA和PROFUMO RSN地图与原始基于空间ICA的方法进行比较.
- 通过使用可靠的个体可变性得分,面积检测率和测试-重新测试可重复性来评估分类器性能.
主要成果:
- 该ARENA分类器实现了可靠的个体变异性得分为8380分,平均面积检测率为97.8%,测试-重新测试可重复性为73.3%.
- 在同一数据集上,ARENA的性能优于经过重新训练的多层感知器 (MLP) 模型,并对任务fMRI数据进行了更强的概括.
- 在1071名HCP-Young Adult受试者中,在与语言相关的55b区域中发现了新型的非典型组织.
结论:
- ARENA分类器显著提高了个体皮层分片的准确性和可靠性,有效地捕捉了个体大脑组织的变化.
- 该研究提供了基于数据的HCP_MMP1.0_1071_MPM组分片和对55b区域组织的见解.
- 开发的自动化个体分片管道集成到HCP管道中,为神经成像研究提供了宝贵的工具.
