基于 BOLD fMRI 和头部运动参数的健康成年人呼吸波动的机器学习估计
机器学习
2024-05-02 v1
摘要
动机：在许多 fMRI 研究中，呼吸信号常常缺失或质量较差。因此，有一个从 fMRI 数据中直接提取呼吸变化 (respiratory variation, RV) 波形的工具将大有裨益，无需外围录制设备。目标：研究假设认为头部运动参数包含有关呼吸模式的有价值信息，这些信息可帮助机器学习算法估计 RV 波形。方法：本研究提出一种 CNN 模型，用于利用头部运动参数和 BOLD 信号重建 RV 波形。结果：本研究表明，将头部运动参数与 BOLD 信号结合可提高 RV 波形的估计。影响：预计该方法的应用将降低 fMRI 研究的成本，降低复杂度，并减轻对受试者的负担，因为他们无需佩戴呼吸 belts。
引用
@article{arxiv.2405.00219,
title = {Machine Learning-based Estimation of Respiratory Fluctuations in a Healthy Adult Population using BOLD fMRI and Head Motion Parameters},
author = {Abdoljalil Addeh and Fernando Vega and Rebecca J. Williams and G. Bruce Pike and M. Ethan MacDonald},
journal= {arXiv preprint arXiv:2405.00219},
year = {2024}
}
备注
6 pages, 5 figure, conference abstract