开源平台研究神经成像中的分析灵活性
Jacob Sanz-Robinson1,2, Michelle Wang1, Brent McPherson1
1NeuroDataScience-ORIGAMI Lab, McConnell Brain Imaging Centre, The Neuro (Montreal Neurological Institute-Hospital), Faculty of Medicine and Health Sciences, McGill University, Montreal, Quebec, Canada.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
大脑成像分析工具各不相同,影响研究可重现性. 本评论列出了软件,以管理分析灵活性和提高神经成像研究可靠性.
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.
- 大脑成像分析分析
背景情况:
- 脑成像研究面临着分析灵活性方面的挑战,因为不同的工具在相同的数据上产生不一致的结果.
- 这种变异性损害了神经成像研究的可复制性和稳定性.
- 解决分析灵活性问题的现有软件是分散的,文档不完善的,这阻碍了研究人员确保可靠发现的能力.
研究的目的:
- 编目和描述软件平台,用于管理神经成像中的结果变化.
- 探索使用计算平台和神经成像管道框架来解决分析灵活性问题.
- 提供关于访问,理解和利用这些平台的指导,以提高脑成像研究可靠性.
主要方法:
- 对神经成像分析相关的软件平台和计算库进行系统的审查和编目.
- 探索计算平台和神经成像管道框架.
- 分析这些工具的文档和可访问性.
主要成果:
- 确定并描述了各种软件平台和计算库,旨在解决脑成像中的分析变异性.
- 突出了计算平台和管道框架在标准化神经成像工作流程中的作用.
- 评估了管理分析灵活性工具的文档和可访问性的当前状态.
结论:
- 研究人员需要易于使用,记录良好的工具来管理大脑成像中的分析灵活性.
- 使用编目软件平台和管道框架可以提高神经成像研究的可复制性和可靠性.
- 根据用户的计算需求和预期的工具,为不同的用户群提供了量身定制的建议.
更多相关视频
08:05Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques
Published on: June 30, 2020
7.7K
11:28Concurrent EEG and Functional MRI Recording and Integration Analysis for Dynamic Cortical Activity Imaging
Published on: June 30, 2018
11.8K
