功能性超声波成像与机器学习相结合,用于对药物诱导的血液动力学变化进行全脑分析

科学领域:

• 神经科学是一个神经科学.
• 药理学 药理学是指药理学的学科.
• 医疗成像医学成像

背景情况:

• 功能性超声波成像 (fUSI) 可视化大脑血液体积的变化,具有高时空分辨率.
• 目前的fUSI研究经常使用固定感兴趣的区域,可能错过了关键的大脑活动.
• 迪佐西尔平 (MK-801) 是一种NMDA受体对抗剂,在临床前模型中用于记忆和学习研究.

研究的目的:

• 将机器学习方法 (CNN,SVM,ViT) 与fUSI进行比较,用于分析药物药理动力学.
• 用数据驱动,解剖学特定的方法识别受MK-801影响的大脑区域.
• 在药物机制研究中为fUSI建立一个新的分析框架.

主要方法:

• 功能性超声波成像 (fUSI) 用于监测大脑血液体积变化.
• 三种机器学习模型 (CNN,SVM,ViT) 应用于fUSI数据.
• 迪佐西尔平 (MK-801) 用于临床前模型,并分析了其影响.

主要成果:

• 所有测试的机器学习模型都区分了药物和控制条件.
• 卷积神经网络 (CNN) 在捕捉空间特征和解剖特异性方面表现出卓越的性能.
• 类激活映射在前额叶皮质和海马体中发现了显著的药物效应.

结论:

• fUSI和CNN的结合提供了一个强大的,数据驱动的框架来分析药物对大脑的影响.
• 这种方法可以识别和绘制药物诱导的变化,同时保持解剖学上下文.
• 这些发现与NMDA受体在关键大脑区域的已知分布一致.