静息态下默认模式网络的功能连接：数据预处理效果评估
神经元与认知
2016-03-04 v1
摘要
基于MRI测量的静息态功能连接估计已成为表征人脑网络的一种有前景的工具。然而，该方法存在局限性，因为已发现若干误差源会显著影响最终估计。这导致该领域极大兴趣进行系统研究，以帮助确定进行功能连接分析的最可靠和稳健策略。在本研究中，我们考察了静息态功能连接分析中数据预处理两方面的影响：为计算连接性而用于选择默认模式网络（DMN）中节点的准则之效应，以及使用或不使用生理噪声校正之效应。比较了三种不同的感兴趣区域（ROI）选择策略来定义DMN节点坐标：(1) 以基于图谱的坐标为中心的ROI，(2) 基于组独立成分分析结果的ROI，以及 (3) 基于每个被试估计的DMN的ROI。该研究使用15名健康志愿者的数据完成，这些志愿者的静息态数据来自另一个独立项目。我们发现，DMN节点的ROI选择准则和生理噪声校正这两种效应均对功能连接估计有显著影响。具体而言，我们的结果表明生理噪声校正引起了功能连接的微小但显著的降低，这与生理效应引入的伪影性非神经相关减少相一致。此外，基于单被试ICA结果选择DMN节点引起了功能连接的微小但显著增加，这与节点选择具有更高的被试特异性相一致。
引用
@article{arxiv.1603.01077,
title = {Functional Connectivity in Default Mode Network During Resting State: An Evaluation of the Effects of Data Pre-processing},
author = {Pouya Ghaemmaghami},
journal= {arXiv preprint arXiv:1603.01077},
year = {2016}
}
备注
Master's thesis, July 2013