评估Mean Shift、ComBat和CycleGAN在跨站点脑连接矩阵 harmonization 中的效果
神经元与认知
2024-01-25 v2 图像与视频处理
摘要
源自扩散磁共振成像（dMRI）的连接矩阵为理解人脑连接组提供了一种可解释且可推广的方式。然而，dMRI存在站点间和扫描仪间的差异，这阻碍了跨数据集分析以提高结果的稳健性和可重复性。为了评估不同 harmonization 方法对连接矩阵的效果，我们比较了在应用三种 harmonization 技术（mean shift、ComBat和CycleGAN）前后从这些矩阵导出的图论指标。样本包括来自两项研究的168名年龄匹配、性别匹配的正常受试者：范德比尔特记忆与衰老项目（VMAP）和正常个体认知衰退生物标志物研究（BIOCARD）。首先，我们绘制了图论指标，并使用变异系数（CoV）和Mann-Whitney U检验来评估不同方法在消除矩阵及其衍生图论指标上的站点效应方面的有效性。ComBat有效地消除了全局效率和模块度的站点效应，并且优于其他两种方法。然而，所有方法在 harmonizing 平均介数中心性时都表现不佳。其次，我们测试了我们的 harmonization 方法是否保留了年龄与图论指标之间的相关性。除CycleGAN在一个方向上外，所有方法都将年龄与全局效率以及年龄与模块度之间的相关性从不显著改善为显著，p值小于0.05。
引用
@article{arxiv.2401.06798,
title = {Evaluation of Mean Shift, ComBat, and CycleGAN for Harmonizing Brain Connectivity Matrices Across Sites},
author = {Hanliang Xu and Nancy R. Newlin and Michael E. Kim and Chenyu Gao and Praitayini Kanakaraj and Aravind R. Krishnan and Lucas W. Remedios and Nazirah Mohd Khairi and Kimberly Pechman and Derek Archer and Timothy J. Hohman and Angela L. Jefferson and The BIOCARD Study Team and Ivana Isgum and Yuankai Huo and Daniel Moyer and Kurt G. Schilling and Bennett A. Landman},
journal= {arXiv preprint arXiv:2401.06798},
year = {2024}
}
备注
11 pages, 5 figures, to be published in SPIE Medical Imaging 2024: Image Processing