一种基于网络的方法来评估fMRI中的任务合规性
Radheshyam Stepponat1, Marc Berger2, Laurin Schäfer3
1Developmental and Interventional Neuroimaging Lab (DINLAB), Department of Biomedical Imaging and Image-guided Therapy, Medical University of Vienna, Waehringer Guertel 18-20, 1090 Vienna, Austria; Comprehensive Center of Clinical Neurosciences and Mental Health (C3NMH), Austria.
Epilepsy & behavior : E&B
|February 28, 2026
概括
通过评估患者的任务参与度,功能性MRI (fMRI) 语言映射的可靠性得到改善. 使用语言网络 (LN) 和默认模式网络 (DMN) 活动,客观地测量合规性,提高术前规划的准确性.
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
- 临床神经学 临床神经学
背景情况:
- 基于任务的功能性MRI (fMRI) 对于绘制语言网络和指导术前规划至关重要.
- 患者参与和任务执行直接影响fMRI激活图的有效性.
- 区分真正的语言组织与不良的任务执行对于可靠的临床fMRI至关重要.
研究的目的:
- 开发和验证临床fMRI期间任务参与的客观措施.
- 评估功能参与指数和认知表现之间的关系.
- 提高患者语言网络映射的可靠性.
主要方法:
- 对43名患者和25名健康对照者的fMRI数据进行了回顾性分析.
- 基于语言网络 (LN) 和默认模式网络 (DMN) 激活/抑制的定义的参与指数.
- 根据遵守水平对参与者进行分类,并在各组中比较注意力表现.
主要成果:
- 健康对照组在一个苛刻的理解任务中表现出比TLE患者更高的遵从性.
- 在多个测试中,LN参与强有力的预测了更好的注意力表现.
- 一个显著的线性趋势显示,注意力得分下降,合规性降低.
结论:
- 基于网络的参与指数 (LN和DMN) 提供了一种实用的方法,可以在fMRI中接近任务合规性.
- LN 参与是引起注意力的强有力的预测因素,而 DMN 抑制则充当了补充的保护措施.
- 整合任务正和任务负标记可以提高fMRI预外科规划的可靠性.


