功能性超声成像结合机器学习用于药物诱导血流动力学变化的全脑分析
神经元与认知
2025-08-20 v2 图像与视频处理
医学物理
摘要
功能性超声成像 (fUSI) 是一种前沿技术，通过检测视野内红血球运动产生的后向散射回波来测量脑血容量 (CBV) 的变化。它具有高时空分辨率和高灵敏度，使其能够详细描绘脑血流动力学。虽然fUSI已被用于药物开发前临床研究，以探索针对中枢神经系统的各种药物作用机制，但许多研究依赖于预先确定的区域感兴趣 (ROI)，这种做法可能忽视了这些特定区域之外的相关脑活动，这可能影响结果。为此，我们比较了三种机器学习方法——卷积神经网络 (CNN)、支持向量机 (SVM) 和视觉转换器 (ViT)——与fUSI结合，用于分析Dizocilpine (MK-801) 的药理学作用，该物质是一种强效的非竞争性NMDA受体拮抗剂，常用于记忆和学习受损的前临床模型。虽然所有三种机器学习技术都能区分药物和对照条件，但CNN因其捕获层次化空间特征同时保持解剖特异性的能力而尤为有效。通过类激活映射，我们揭示了包括前额叶皮层和海马体在内的脑区因药物给药而产生显著变化，这与文献报道的NMDA受体在这些区域高度密集相符。总体而言，fUSI和CNN的结合为检验药理机制提供了一种新型分析框架，使我们能够在保持解剖语境和生理相关性的同时，从数据中驱动地识别和区域映射药物效应。
引用
@article{arxiv.2410.09523,
title = {Functional Ultrasound Imaging Combined with Machine Learning for Whole-Brain Analysis of Drug-Induced Hemodynamic Changes},
author = {Jared Deighton and Shan Zhong and Kofi Agyeman and Wooseong Choi and Charles Liu and Darrin Lee and Vasileios Maroulas and Vasileios Christopoulos},
journal= {arXiv preprint arXiv:2410.09523},
year = {2025}
}
备注
24 pages, 6 figures