内部一致且完全无偏的多式核磁共振脑模板构建来自英国生物库:牛津-MM
Christoph Arthofer1, Stephen M Smith1, Gwenaëlle Douaud1
1Wellcome Centre for Integrative Neuroimaging, FMRIB, Nuffield Department of Clinical Neurosciences, University of Oxford, Oxford, United Kingdom.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
新的多式脑MRI模板提高了空间正常化的准确性. 牛津多模-1 (OMM-1) 和年龄依赖模板为结构和扩散成像提供了更好的对齐,增强了小组级分析.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 计算神经科学是一种神经科学.
背景情况:
- 解剖磁共振成像 (MRI) 模板对于小组级大脑分析和空间正常化至关重要.
- 现有的模板往往缺乏多模式性,限制了来自不同MRI序列的互补信息的整合.
- 当前的多模式模板构建方法可能无法充分利用所有可用的数据或使用统一的框架.
研究的目的:
- 开发使用英国生物库数据的新型多式,横截面脑MRI模板.
- 为45-81岁的个人创建牛津多模-1 (OMM-1) 模板和年龄依赖模板.
- 提供无偏见,内部一致的模板,利用T1加权,T2加权的流体减弱反转恢复 (T2-FLAIR) 和扩散张力成像 (DTI) 数据.
主要方法:
- 使用240个 (50-55岁) 个体的多解析度,代方法构建OMM-1模板.
- 使用高斯过程对来自37,330个人的数据进行年龄依赖模板的估计,捕获与年龄相关的大脑形状变化.
- 与T1,T2-FLAIR和DTI数据共同提供模板构建信息,以提高跨模式对齐和一致性.
主要成果:
- 开发的模板在T1,T2-FLAIR和DTI模式内和之间显示出出色的对比度和对齐.
- 使用OMM-1模板提高了注册准确性,而不是在英国生物银行和医疗保健人员数据集上的标准FSL MNI-152模板.
- 取决于年龄的模板进一步提高了注册准确度,但在一定程度上是可以检测到的.
结论:
- OMM-1和年龄依赖模板为单模和多模空间对齐提供了优越的参考空间.
- 这些公开可用的模板通过有效地整合各种MRI数据来促进更准确的群体级分析.
- 这些发现强调了多式联络和特定年龄的方法在构建神经成像模板的好处.
