通过一种方法来优化休息状态fMRI的独立组件的优化术前语言映射
Beatriz Vale1, Diogo Duarte2, Ricardo Vigário3
1Instituto de Biofísica e Engenharia Biomédica (IBEB), Faculdade de Ciências, Universidade de Lisboa, Lisboa, Portugal. beatrizdovale@tecnico.ulisboa.pt.
Brain imaging and behavior
|September 27, 2025
概括
这项研究引入了一种自动化算法,以改善休息状态功能性MRI (fMRI) 分析,用于术前规划. 该方法可靠地识别语言网络,为基于任务的fMRI提供了更简单的替代方案.
科学领域:
- 神经成像是一种神经成像.
- 认知神经科学 认知神经科学
- 医学成像分析 医学成像分析
背景情况:
- 对于和脑瘤等神经系统疾病的术前规划通常使用基于任务的功能磁共振成像 (fMRI).
- 静态fMRI (rs-fMRI) 提供了一个更简单,不合作的替代方案,但缺乏强大的分析方法.
- 独立组件分析 (ICA) 是一种常见的rs-fMRI技术,但组件分类仍然是一个挑战.
研究的目的:
- 开发和验证一种自动化算法,用于从rs-fMRI数据中提取的独立组件 (IC) 进行排序.
- 特别加强语言静止状态网络的识别,用于术前规划.
- 建立 rs-fMRI 作为临床环境中基于任务的fMRI 的可行和可靠替代方案.
主要方法:
- 从20名健康志愿者获得休息状态和基于任务的fMRI数据.
- 使用独立组件分析 (ICA) 提取静态网络.
- 基于空间相似性,频率比率和引导可靠性的自动化IC分类算法的开发.
主要成果:
- 自动化算法成功地对IC进行了排序,在前三个组件中识别了休息状态语言地图,准确度为74%.
- 在排序的IC和基于任务的语言地图之间观察到很好的重叠 (迪斯系数).
- 与基于任务的地图相比,静态网络表现出更高的特异性和更低的灵敏度.
结论:
- 拟议的自动排序算法显著提高了ICA在rs-fMRI分析中的可靠性.
- 这种方法为手术前的规划提供了强大而实用的替代方案,特别是用于识别语言网络.
- 这些发现支持rs-fMRI作为神经外科背景中的有价值工具的临床可行性.
