准确功能性MRI数据的客观质量评估

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 大脑网络分析 脑网络分析

背景情况:

• 精确功能映射 (PFM) 提供了个性化的脑网络洞察力,但需要高质量的fMRI数据.
• 目前评估PFM数据充足性和质量的标准尚未明确,这阻碍了可重复性.
• 缺乏客观指标使个人层面的fMRI发现的解释和复制复杂化.

研究的目的:

• 引入一个客观的指标,网络相似性指数 (NSI),以评估PFM的fMRI数据质量.
• 为基于NSI的数据质量评估和PFM适用性提供一个框架.
• 指导关于数据充足性的决策,并优化精密fMRI研究中的数据收集策略.

主要方法:

• 开发了网络相似性指数 (NSI),以量化个人fMRI数据集中大规模网络组织的完整性.
• 评估了NSI与专家对PFM可用性评估的一致性,以及其能够考虑功能连接可靠性的个体变化的能力.
• 为NSI实施创建了一个开源框架,并开发了将NSI值与PFM适用性联系起来的模型.

主要成果:

• 国家指标客观地衡量了功能连接模式反映了PFM必不可少的网络结构的程度.
• 国家统计局表现出强烈同意对PFM数据质量的盲目专家评估.
• 国家标准框架考虑了功能连接可靠性的个体差异.

结论:

• 国家指标提供了一个客观的,定量指标,用于评估fMRI数据质量,用于精确的功能映射.
• 该框架促进了关于数据充足性的原则性决策,并优化了数据收集,以进行可重复的个人级脑网络研究.
• 开源的NSI工具提高了精密fMRI研究的可靠性和可解释性.