动用头部运动参数纠正 BOLD fMRI 中的呼吸混杂效应
图像与视频处理
2024-10-29 v1 机器学习
摘要
在功能磁性共振成像 (fMRI) 中获取准确的外部呼吸数据具有挑战性，这促使人们探索机器学习方法从 fMRI 数据估计呼吸变化 (RV)。呼吸诱导头部运动，包括实际运动和伪运动，这可能提供关于呼吸事件的有用信息。推荐的陷波滤波器减轻呼吸引起的运动伪影，这表明处于呼吸频率带的带通滤波器可隔离呼吸引起的头部运动。本研究旨在通过整合估计的头部运动参数来提高从静息状态 BOLD-fMRI 数据中估计 RV 的准确性。具体而言，我们旨在确定纳入原始头部运动参数与带通滤波后头部运动参数对 RV 重建准确性的影响，使用一维卷积神经网络 (1D-CNN)。这种方法解决了传统滤波技术的局限性，利用头部运动数据提供更稳健的呼吸诱导变异估计。
引用
@article{arxiv.2410.19802,
title = {The Useful Side of Motion: Using Head Motion Parameters to Correct for Respiratory Confounds in BOLD fMRI},
author = {Abdoljalil Addeh and G. Bruce Pike and M. Ethan MacDonald},
journal= {arXiv preprint arXiv:2410.19802},
year = {2024}
}
备注
3 pahes, 1 Figure, 2024 ISMRM Workshop on Motion Correction in MR, 03-06 September 2024, Qu\'ebec City, QC, Canada. Abstract Number 23