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(rèn)知功能或行為，是神經(jīng)科學(xué)的一個(gè)主要研究領(lǐng)域。這種方法基于統(tǒng)計(jì)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(tuán)隊(duì) ARAMIS 團(tuán)隊(duì)的研究人員，以及他們在昆士蘭大學(xué)(澳大利亞)和西湖大學(xué)(中國)的合作者，提出了一種新的大腦映射統(tǒng)計(jì)模型。結(jié)果發(fā)表在《醫(yī)學(xué)影像雜志》上。
映射大腦
繪制大腦圖是一項(xiàng)動員世界各地許多神經(jīng)科學(xué)研究人員的挑戰(zhàn)。這種方法的目標(biāo)是識別與不同特征相關(guān)的大腦區(qū)域，例如疾病、認(rèn)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(yīng)對信號冗余的挑戰(zhàn)
第一個(gè)挑戰(zhàn)在于每個(gè)人可用的大腦測量數(shù)量，它可以迅速達(dá)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(luò)中的節(jié)點(diǎn)。然而，其他人則更加孤立，要么因?yàn)樗鼈儶?dú)立于其他大腦區(qū)域，要么因?yàn)樗鼈冇兄诜浅Ｌ囟ǖ恼J(rèn)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(luò)的一部分，分析將傾向于檢測整個(gè)網(wǎng)絡(luò)，因?yàn)樾盘栐谙嗷リP(guān)聯(lián)的區(qū)域內(nèi)傳播，”研究人員繼續(xù)說道，“這個(gè)信號，乍一看似乎非常強(qiáng)大，但實(shí)際上是多余的。那么我們?nèi)绾尾拍茉诰W(wǎng)絡(luò)中找到真正對感興趣的特征有貢獻(xiàn)的一個(gè)或多個(gè)區(qū)域呢?
為了解決這個(gè)問題，研究人員正在提出新的統(tǒng)計(jì)方法，這些方法適用于高維圖像以及對大腦內(nèi)復(fù)雜的相關(guān)結(jié)構(gòu)進(jìn)行建模。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！