.png){kind=icon}
返回
fMRI-based data-driven brain parcellation using independent component analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jneumeth.2025.110403.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景：使用功能磁共振成像（fMRI）的研究普遍需要一种将大脑分割成感兴趣区域（ROIs）的方法。分割可以基于标准化的脑解剖结构，例如蒙特利尔神经病学研究所（MNI）的152图谱，或基于个体的功能活动模式，例如Personode软件。新方法：本研究概述并测试了独立成分分析（ICA）基础上的分割算法（IPA），在应用于高血压研究（n = 48）时，利用组独立成分分析（gICA）输出的独立成分（ICs）构建ROIs，这些ROIs在空间上理想一致且功能上同质。在将ICs回归到所有受试者后，IPA构建个体化分割，同时获得gICA衍生的分割。结果：由Dice相似系数（DSCs）量化的ROI空间一致性显示，个体化分割的均值为0.69 ± 0.14。功能同质性，计算为构成一个ROI的所有体素的平均Pearson相关值，显示个体化分割的均值为0.30 ± 0.14，而gICA衍生的分割均值为0.38 ± 0.15。与现有方法的比较：个体化Personode分割与个体化分割、gICA衍生的分割以及MNI图谱相比，其平均DSCs降低（0.43 ± 0.11），功能同质性值分别为0.28 ± 0.14、0.31 ± 0.15和0.20 ± 0.11。结论：结果表明，IPA能更可靠地定义ROI，且功能同质性更高。鉴于这些发现，IPA有望作为一种新颖的分割技术，有助于fMRI数据的分析。
Keyword:
Parcellation
Data-driven
Hypertension
Functional magnetic resonance imaging
Neuroimaging
Methodological
期刊
IF:
2.3
论文数:
498
被引数:
1.7W
机构
暂无机构信息
引用论文
Detecting functional connectivity disruptions in a translational pediatric traumatic brain injury porcine model using resting-state and task-based fMRI.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏A whole brain fMRI atlas generated via spatially constrained spectral clusteringHUMAN BRAIN MAPPINGOAAI
HUMAN BRAIN MAPPINGIF3.3
OAAI分享收藏Dealing with the shortcomings of spatial normalization: Multi-subject parcellation of fMRl datasetsHUMAN BRAIN MAPPINGOAAI
HUMAN BRAIN MAPPINGIF3.3
OAAI分享收藏
分享收藏A Fineset Cortex Atlas of Human Brain Based On Boundary Mapping Technique: An 7T fMRI Study基于边界映射技术的最精细人类大脑皮层图谱：一项7T fMRI研究
PREAI
分享收藏Automated Anatomical Labeling of Activations in SPM Using a Macroscopic Anatomical Parcellation of the MNI MRI Single-Subject Brain使用MNI MRI单受试者大脑的宏观解剖学分类对SPM中的激活进行自动解剖学标记NeuroImage
NeuroImageIF0
PREAI
分享收藏
查看更多内容