在fMRI时间序列中区分BOLD和非BOLD信号,使用跨皮层深度延迟模式

科学领域:

• 神经成像是一种神经成像.
• 生物物理学的生物物理.
• 信号处理 信号处理

背景情况:

• 功能磁共振成像 (fMRI) 的分辨率显著提高.
• 高分辨率的fMRI使新的分析策略能够提高灵敏度和神经元特异性.
• 了解血液动力学信号在皮层深度的进展是关键.

研究的目的:

• 研究使用跨皮层深度时间滞后 (CortiLag) 模式在fMRI中用于BOLD和非BOLD信号分类的可行性.
• 开发和验证基于独立组件分析 (ICA) 的框架 (CortiLag-ICA) 进行fMRI检测.
• 为适度和高空间分辨率的fMRI数据提供替代的无色化策略.

主要方法:

• 开发了一个基于ICA的框架 (CortiLag-ICA),利用跨皮层深度的时间依赖.
• 该框架在以不同时空分辨率 (1.1-2.0 mm voxels) 获取的视觉任务fMRI数据上进行了测试.
• 科尔蒂拉格-ICA与现有的否定方法进行了比较,重点是区分BOLD和非BOLD信号.

主要成果:

• 在CortiLag-ICA框架中,成功分类了BOLD和非BOLD信号组件.
• 该方法在不同的空间和时间分辨率上表现出有效性.
• 科尔蒂拉格-ICA证明能够基于穿过皮层深度的时间滞后模式来识别信号来源.

结论:

• 在fMRI中,CortiLag模式提供了一种可行的方法来区分神经原体的BOLD信号与麻烦因素.
• 拟议的CortiLag-ICA框架为拒绝fMRI数据提供了一个有希望的替代方案,特别是当多回声采集无法使用时.
• 这种方法提高了fMRI分析在高分辨率神经成像中的可靠性和特异性.