CICADA:用于全面的fMRI降噪的自动化和灵活的工具
Keith Dodd1,2, Maureen McHugo1, Lauren Sarabia1
1Department of Psychiatry, University of Colorado School of Medicine, Aurora, CO, United States.
Imaging neuroscience (Cambridge, Mass.)
|August 25, 2025
概括
一个名为"综合独立组件分析检测助手" (CICADA) 的新工具准确地对功能磁共振成像 (fMRI) 数据进行分类,从而改善噪音降低. CICADA的性能与手工方法相似,并且优于现有的自动化方法,使fMRI消除噪音更有效.
科学领域:
- 神经成像
- 数据分析
- 信号处理
背景情况:
- 在功能磁共振成像 (fMRI) 降噪方面,独立组件分析 (ICA) 降噪是有效的.
- 独立组件 (IC) 作为神经信号或噪声的准确分类对于ICA的成功至关重要.
- 手动IC分类是黄金标准,但耗时且需要专业知识,而自动化方法则难以满足临床群体的需求.
研究的目的:
- 开发和评估一种全新的自动化清除方法,即全面的独立组件分析清除助手 (CICADA).
- 与手动分类和现有的自动化方法 (FIX,ICA-AROMA) 相比,评估CICADA对fMRI数据IC的准确性.
- 通过使用质量控制基准和噪音概况相关性来评估CICADA的消除噪音性能.
主要方法:
- 使用手动分类指南开发CICADA以自动识别常见的fMRI噪声源.
- 与FIX和ICA- AROMA相比,CICADA在三个fMRI数据集上进行了评估:高运动静止状态 (精神分裂症),视觉任务 (精神分裂症) 和低运动静止状态 (健康对照组).
- 在每个数据集的子集中,IC分类的准确性与手动分类进行了评估;使用QC基准和噪声概况来评估消噪效果.
主要成果:
- 在IC分类中,CICADA获得了97.9%的平均整体准确度,与手册分类非常接近.
- 在IC分类数据集中,CICADA显著优于FIX (92. 9%的准确率) 和ICA- AROMA (83. 8%的准确率) (分别为p < 0. 01和p < 0. 001).
- 在大多数质量控制和噪音配置指标上,CICADA与FIX和ICA-AROMA相匹配或超越,同时将手动检查负担平均降低了75%.
结论:
- 在休息状态和基于任务的范式中,CICADA是一种新,准确和全面的fMRI自动化工具.
- 特别是在具有挑战性的数据集中,CICADA的性能与手动IC分类相美,优于当前的自动化方法.
- 在不影响有效性的情况下,CICADA可以提高手动ICA无声化的效率,为神经成像研究提供了有价值的工具.
