腦圖譜涉及尋找與不同特征相關(guān)的大腦區(qū)域，例如疾病、認知功能或行為，是神經(jīng)科學的一個主要研究領(lǐng)域。這種方法基于統(tǒng)計模型，并且存在許多偏差。為了對抗這些問題，巴黎腦研究所和 Inria 的聯(lián)合團隊 ARAMIS 團隊的研究人員，以及他們在昆士蘭大學(澳大利亞)和西湖大學(中國)的合作者，提出了一種新的大腦映射統(tǒng)計模型。結(jié)果發(fā)表在《醫(yī)學影像雜志》上。
映射大腦
繪制大腦圖是一項動員世界各地許多神經(jīng)科學研究人員的挑戰(zhàn)。這種方法的目標是識別與不同特征相關(guān)的大腦區(qū)域，例如疾病、認知評分或行為。這種類型的研究也被稱為“全腦關(guān)聯(lián)研究”，它依賴于對大腦區(qū)域的詳盡篩選來識別與感興趣的特征相關(guān)的區(qū)域。
“困難在于我們正在大海撈針，除了我們不知道有多少針，或者在我們的例子中，有多少大腦區(qū)域需要找到，”Baptiste Couvy-Duchesne (Inria )，該研究的第一作者。
應對信號冗余的挑戰(zhàn)
第一個挑戰(zhàn)在于每個人可用的大腦測量數(shù)量，它可以迅速達到一百萬或更多。此外，大腦區(qū)域相互關(guān)聯(lián)。一些區(qū)域高度連接并與許多其他區(qū)域相關(guān)聯(lián)，例如網(wǎng)絡中的節(jié)點。然而，其他人則更加孤立，要么因為它們獨立于其他大腦區(qū)域，要么因為它們有助于非常特定的認知特征或大腦功能。
“如果與我們感興趣的特征相關(guān)的大腦區(qū)域是高度連接網(wǎng)絡的一部分，分析將傾向于檢測整個網(wǎng)絡，因為信號在相互關(guān)聯(lián)的區(qū)域內(nèi)傳播，”研究人員繼續(xù)說道，“這個信號，乍一看似乎非常強大，但實際上是多余的。那么我們?nèi)绾尾拍茉诰W(wǎng)絡中找到真正對感興趣的特征有貢獻的一個或多個區(qū)域呢?
為了解決這個問題，研究人員正在提出新的統(tǒng)計方法，這些方法適用于高維圖像以及對大腦內(nèi)復雜的相關(guān)結(jié)構(gòu)進行建模。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！