关于使用不同管道处理的数据进行fMRI大分析的有效性

科学领域:

• 神经成像是一种神经成像.
• 功能性磁共振成像 (fMRI) 是一种功能性磁共振成像技术.
• 数据科学数据科学数据科学

背景情况:

• 公共可用的神经成像数据,特别是功能磁共振成像 (fMRI) 的数据,对于增加研究样本大小和提高稳定性是有价值的.
• 功能性磁共振成像 (fMRI) 研究通常使用一致的分析管道预处理原始数据,以生成主体级对比图用于组分析.

研究的目的:

• 调查不同数据处理管道产生的分析变异对结合功能磁共振成像 (fMRI) 数据的大型分析可靠性的影响.
• 确定fMRI分析工作流程中未解决的差异是否可以在大规模数据聚合中诱导假阳性结果.

主要方法:

• 利用了人类结合体项目 (HCP) 多管道数据集,包括来自1080名参与者的对比图.
• 使用 24 个不同的分析管道处理了 HCP 数据集.
• 进行了组间分析,比较不同管道生成的对比图,以估计管道诱导的检测率.

主要成果:

• 来自不同fMRI处理管道的分析变异性可以在数据结合时显著影响结果.
• 如果不考虑分析工作流程中的差异,则会导致大型分析中虚假阳性率的膨胀.
• 该研究表明,在没有协调的情况下使用不同管道处理的数据会导致虚假阳性检测.

结论:

• 功能磁共振成像 (fMRI) 数据处理中的分析变量是一个必须解决的关键问题.
• 在fMRI分析管道中无法解释的差异可能会损害大规模数据整合工作中发现的有效性.
• 未来的大型分析应实施战略,协调或考虑数据处理管道的变化,以确保准确可靠的结果.