.png){kind=icon}
返回
Mapping Functional Brain Organization Using Artificial Intelligence
.png){kind=icon}
PRE
AI
DOI：10.1021/cbmi.5c00092.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人脑的特征在于其空间上可区分的细胞构筑、结构、功能、连接性和形态学，这使得其能够被分割成不同的区域。通过分割界定结构和功能上同质的脑区对于推进我们对脑组织结构和功能的理解至关重要。功能分割利用静息态或任务态fMRI数据，将具有一致活动或连接模式的区域映射出来，以揭示脑网络结构在整个生命周期和疾病中的变化。人工智能（AI）的最新进展通过实现数据驱动和个性化的脑功能组织映射，彻底改变了这一领域。本综述涵盖了使用静息态功能MRI（rs-fMRI）进行功能分割的当前方法，跨越了监督学习、无监督学习和自监督学习框架，重点介绍了它们在空间和时域特征提取以及个体分割中的应用。我们将传统方法（如独立成分分析）与基于AI的方法（如图神经网络、卷积神经网络和Transformer网络）进行了比较，强调了它们独特的方法论基础和性能。我们详细阐述了验证策略，包括测试-重测可重复性、功能同质性、与任务态fMRI或电生理学的对齐以及跨模态验证。我们还讨论了基于AI的方法的局限性，如数据需求、泛化性和可解释性。此外，我们提出了未来方向，包括多模态整合、基础模型和可解释AI。总体而言，本综述概述了使用AI进行功能分割的当前策略，最终支持其用于理解整个生命周期和疾病中的脑组织结构。
Keyword:
brain organization
brain parcellation
braindevelopment
artificial intelligence
resting-statefunctional MRI
functional connectivity
featureextraction
clustering
individual variability
期刊
C
IF:
5.7
论文数:
156
被引数:
0
机构
引用论文
Defining functional SMA and pre-SMA subregions in human MFC using resting state fMRI: Functional connectivity-based parcellation method.png)
NeuroImage
OAAI
NeuroImageIF0
OAAI分享收藏Stereotaxic white matter atlas based on diffusion tensor imaging in an ICBM templateNeuroImageOAAI
NeuroImageIF0
OAAI分享收藏DTI tractography based parcellation of white matter: Application to the mid-sagittal morphology of corpus callosumNeuroImage
NeuroImageIF0
PREAI
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
Intrinsic signal changes accompanying sensory stimulation: functional brain mapping with magnetic resonance imaging.伴随感觉刺激的内在信号变化: 磁共振成像功能脑图。OAAI
OAAI分享收藏
查看更多内容