基于图像的元和超级分析 (IBMMA):一个统一的框架,用于大规模,多站点,神经成像数据分析
Nick Steele1, Ashley A Huggins2, Rajendra A Morey1
1Brain Imaging and Analysis Center, Duke University, Durham, NC, USA; Department of Veteran Affairs Mid-Atlantic Mental Illness Research, Education and Clinical Center, Durham, NC, USA.
NeuroImage
|October 25, 2025
概括
一个新的软件包,基于图像的元分析和大分析 (IBMMA),解决了分析大型神经成像数据集的挑战. IBMMA有效地处理缺失的数据和复杂的模型,加速神经科学发现.
科学领域:
- 神经科学是一个神经科学.
- 生物统计学 生物统计学
- 医疗信息学 医疗信息学
背景情况:
- 神经成像数据集的规模和复杂性在不断增长,这带来了重大的分析挑战.
- 现有的统计工具在缺乏数据,计算速度,内存配置以及多站点研究的有限统计设计选项方面扎.
研究的目的:
- 介绍基于图像的Meta- & Mega-Analysis (IBMMA),这是一个用于分析各种神经成像特征的新软件包.
- 提供一个统一的框架,有效地处理大规模数据集,提供灵活的统计建模,并管理缺失的voxel数据.
主要方法:
- 使用R和Python开发了IBMMA,并结合了并行处理以实现高效的大规模数据处理.
- 实施了强大的方法来管理缺失的voxel数据,这在多站点神经成像研究中很常见.
- 实现了复杂的神经成像研究设计的灵活统计建模.
主要成果:
- 成功分析了包括数千名参与者的大型数据集.
- 鉴定了以前由于缺少数据而被传统软件忽视的大脑区域的发现.
- 展示了IBMMA克服现有的神经成像分析工具局限性的能力.
结论:
- IBMMA提供了一个统一,高效和灵活的框架,用于神经成像元分析和超级分析.
- 该软件有效地处理缺失的voxel数据和大型数据集,加速科学发现.
- IBMMA有可能提高神经成像发现的临床实用性.
