基于对称性的从纤维束成像数据推断结构脑网络的方法
神经元与认知
2016-06-02 v2
摘要
扩散磁共振成像和纤维束成像算法的最新进展以及人类连接组计划（HCP）的启动，为脑研究提供了丰富的结构连接数据。在这项工作中，我们描述并评估了一种能够从纤维束成像数据推断连接给定一组感兴趣区域（ROIs）的结构脑网络的方法。所提出的方法称为最小不对称网络推断算法（MANIA），它与先前工作的不同之处在于不基于任意连接阈值来确定两个ROI之间的连接性。相反，我们利用纤维束成像过程的一个基本限制：从源到靶的观测流线不提供关于底层白质极性的任何信息，因此如果存在一些连接两个体素（或两个ROI）X和Y的纤维，纤维束成像原则上应能在两个方向追踪该连接，从X到Y和从Y到X。我们利用这一限制将网络推断过程公式化为一个优化问题，最小化观测网络的不对称性（经适当归一化）。我们在一个随机破坏合成网络观测连接性的噪声模型上评估所提方法。作为一个案例研究，我们将MANIA应用于28名健康受试者的扩散磁共振成像数据，以推断与包括抑郁、焦虑和成瘾在内的各种神经精神疾病相关的18个皮层边缘ROI之间的结构网络。
引用
@article{arxiv.1508.03788,
title = {A symmetry-based method to infer structural brain networks from tractography data},
author = {Kamal Shadi and Saideh Bakhshi and David A. Gutman and Helen S. Mayberg and Constantine Dovrolis},
journal= {arXiv preprint arXiv:1508.03788},
year = {2016}
}