在大脑瘤患者中检测静止状态功能性MRI语言网络的概率模板匹配
Jian Ming Teo1,2, Vinodh A Kumar3, Alexander M Khalaf3
1Department of Imaging Physics, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA.
Medical physics
|November 13, 2025
概括
这项研究开发了概率语言模板,以提高在使用休息状态fMRI的脑瘤患者中语言网络的检测. 与传统方法相比,这些新方法提高了识别语言网络的准确性.
科学领域:
- 神经成像是一种神经成像.
- 医学图像分析 医学图像分析
- 大脑网络绘制地图
背景情况:
- 使用独立组件分析 (ICA) 用静止状态fMRI (rs-fMRI) 检测语言网络在脑瘤患者中具有挑战性,这是由于主体间的变化.
- 标准模板匹配方法很难解释大脑解剖学和瘤相关变化的个体差异.
研究的目的:
- 开发和验证方法,将人际变异纳入脑瘤患者的语言网络检测.
- 为了在功能性MRI (fMRI) 分析中改进模板匹配,利用概率语言地图.
主要方法:
- 79名脑瘤患者进行基于任务的 (tb) -fMRI和rs-fMRI的回顾性分析.
- 从不同值 (τ) 的地图集中开发二进制和概率语言模板.
- 模板匹配方法的比较,包括适合性 (GOF),加权的GOF (wGOF) 和詹森-香农距离 (JSD),使用Dice系数和Pearson对应对tb-fMRI.
主要成果:
- 与对照二进制模板相比,概率模板显著提高了语言网络检测 (更高的子系数和皮尔森相关性),跨度为t = 0%至35%.
- 峰值平均子系数达到0.349 (wGOF) 和0.350 (JSD),远高于对照组的0.247.
- 定性评估显示,使用概率模板的性能明显优越 (p < 0.05),正确的语言网络识别从58-52个案例增加到69-73个案例.
结论:
- 来自语言 tb-fMRI 地图的概率模板有效地解决了脑瘤患者的主体间的变化.
- 拟议的概率模板匹配方法提高了rs-fMRI ICA语言网络在这个群体中的检测准确性.
- 这种方法为神经瘤学中术前语言映射提供了更可靠的工具.
