περίληψη: Οι ερευνητές ανέπτυξαν το OpenNeuro Average (onavg), ένα νέο πρότυπο φλοιικής επιφάνειας που βελτιώνει την ακρίβεια και την αποτελεσματικότητα της ανάλυσης δεδομένων νευροαπεικόνισης.
Αυτό το μοντέλο βασίζεται σε 1.031 εγκεφάλους, παρέχοντας έναν πιο συνεπή και λιγότερο προκατειλημμένο χάρτη σε σύγκριση με προηγούμενα μοντέλα. Επιτρέπει επίσης την καλύτερη χρήση των δεδομένων, κάτι που είναι κρίσιμο για μελέτες με περιορισμένα σύνολα δεδομένων.
Το πρότυπο onavg αναμένεται να έχει ευρείες εφαρμογές στη γνωστική και κλινική νευροεπιστήμη.
Βασικά στοιχεία:
- Τυποποιημένο δείγμα: Ο μέσος όρος των δειγμάτων σε όλες τις περιοχές του εγκεφάλου εκτελεί ομοιόμορφες διαδικασίες, οι οποίες μειώνουν την προκατάληψη.
- Αποδοτικότητα δεδομένων: Απαιτεί λιγότερα δεδομένα για ακριβή ανάλυση, κάτι που βοηθά τις μελέτες με περιορισμένα σύνολα δεδομένων.
- Ευρείες εφαρμογές: Χρήσιμο για έρευνα στην όραση, τη γλώσσα και τις νευροεκφυλιστικές ασθένειες.
πηγή: Κολλέγιο Dartmouth
Ο ανθρώπινος εγκέφαλος είναι υπεύθυνος για σημαντικές λειτουργίες, όπως η αντίληψη, η μνήμη, η γλώσσα, η σκέψη, η συνείδηση και τα συναισθήματα.
Για να κατανοήσουν πώς λειτουργεί ο εγκέφαλος, οι επιστήμονες συχνά χρησιμοποιούν νευροαπεικόνιση για να καταγράψουν την εγκεφαλική δραστηριότητα των συμμετεχόντων ενώ ο εγκέφαλος εκτελεί μια εργασία ή σε ηρεμία. Οι λειτουργίες του εγκεφάλου ρυθμίζονται συστηματικά στον εγκεφαλικό φλοιό, που είναι το εξωτερικό στρώμα του ανθρώπινου εγκεφάλου.
Οι ερευνητές χρησιμοποιούν συχνά αυτό που ονομάζεται «μοντέλο επιφάνειας φλοιού» για να αναλύσουν δεδομένα νευροαπεικόνισης και να μελετήσουν τη λειτουργική οργάνωση του ανθρώπινου εγκεφάλου.
Κάθε εγκέφαλος έχει διαφορετικό σχήμα. Για να αναλύσουν δεδομένα νευροαπεικόνισης από πολλά άτομα, οι ερευνητές πρέπει να καταχωρήσουν τα δεδομένα στο ίδιο πρότυπο εγκεφάλου, επιτρέποντας την ταυτοποίηση της ίδιας ανατομικής θέσης σε διαφορετικούς εγκεφάλους, παρόλο που οι εγκέφαλοι έχουν διαφορετικά σχήματα. Αυτές οι τοποθεσίες είναι γνωστές ως “κορυφές”.
Τα τελευταία 25 χρόνια, έχουν γίνει πολλές επαναλήψεις αυτών των προτύπων και το πιο ευρέως χρησιμοποιούμενο πρότυπο φλοιικής επιφάνειας σήμερα βασίζεται σε δεδομένα που συλλέχθηκαν από 40 εγκεφάλους.
Τώρα, οι ερευνητές του Dartmouth πέτυχαν να δημιουργήσουν ένα νέο πρότυπο φλοιικής επιφάνειας που ονομάζεται “OpenNeuro Average” ή “onavg” για συντομία, το οποίο παρέχει μεγαλύτερη ακρίβεια και αποτελεσματικότητα στην ανάλυση δεδομένων νευροαπεικόνισης.
Τα αποτελέσματα δημοσιεύτηκαν στο Μέθοδοι της φύσης.
«Το πρότυπο της φλοιικής επιφάνειας μας, onavg, είναι το πρώτο που δειγματοληπτεί ομοιόμορφα διαφορετικά μέρη του εγκεφάλου», λέει ο επικεφαλής συγγραφέας Feilong Ma, μεταδιδακτορικός συνεργάτης και μέλος του Haxby Lab στο Τμήμα Ψυχολογικών και Επιστημών του Εγκεφάλου στο Dartmouth. «Είναι ένας λιγότερο προκατειλημμένος χάρτης και πιο υπολογιστικά αποδοτικός».
Η ομάδα κατασκεύασε το πρότυπο με βάση τη φλοιώδη ανατομία 1.031 εγκεφάλων από 30 σύνολα δεδομένων στο OpenNeuro, μια δωρεάν πλατφόρμα ανοιχτού κώδικα για την κοινή χρήση δεδομένων νευροαπεικόνισης. Σύμφωνα με τους συν-συγγραφείς, είναι επίσης το πρώτο πρότυπο φλοιικής επιφάνειας που βασίζεται στη γεωμετρία του εγκεφάλου.
Αντίθετα, τα προηγούμενα πρότυπα έκαναν δειγματοληψία από διαφορετικά μέρη του φλοιού ανομοιόμορφα και βασίστηκαν σε ένα σχήμα σαν μπάλα για να εντοπίσουν τις κορυφές του φλοιού, οδηγώντας σε προκαταλήψεις στην κατανομή των κορυφών.
Με το πρότυπο onavg, χρειάζονται λιγότερα δεδομένα για ανάλυση.
“Η λήψη δεδομένων μέσω νευροαπεικόνισης είναι πολύ δαπανηρή και για ορισμένους κλινικούς πληθυσμούς – όπως εάν μελετάτε μια σπάνια ασθένεια – μπορεί να είναι δύσκολο ή αδύνατο να αποκτήσετε μεγάλο όγκο δεδομένων”, λέει ο Felong.
“Χρησιμοποιώντας τα δεδομένα πιο αποτελεσματικά, το πρότυπό μας μπορεί να αυξήσει την αναπαραγωγιμότητα και την αναπαραγωγιμότητα των αποτελεσμάτων σε ακαδημαϊκές μελέτες.”
«Πιστεύω ότι το onavg αντιπροσωπεύει μια μεθοδολογική πρόοδο που έχει ευρείες εφαρμογές σε όλες τις πτυχές της γνωστικής και κλινικής νευροεπιστήμης», λέει ο συν-συγγραφέας James Haxby, καθηγητής στο Τμήμα Ψυχολογικών και Επιστημών του Εγκεφάλου και πρώην διευθυντής του Κέντρου Γνωσιακής Νευροεπιστήμης στο Dartmouth. .
Λέει ότι το πρότυπο της φλοιικής τους επιφάνειας θα μπορούσε να χρησιμοποιηθεί σε μελέτες για την όραση, την ακοή, τη γλώσσα και τις ατομικές διαφορές, καθώς και σε διαταραχές όπως ο αυτισμός και οι νευροεκφυλιστικές ασθένειες όπως το Αλτσχάιμερ και το Πάρκινσον.
«Πιστεύουμε ότι αυτό θα έχει ευρύ και βαθύ αντίκτυπο στο πεδίο», λέει ο Haxby. Στη μελέτη συνέβαλαν επίσης ο Jiahui Guo, πρώην μεταδιδακτορικός συνεργάτης στις Ψυχολογικές και Επιστήμες του Εγκεφάλου και επίκουρος καθηγητής στη Σχολή Επιστημών Συμπεριφοράς και Εγκεφάλου στο Πανεπιστήμιο του Τέξας στο Ντάλας, και η Maria Ida Gobini, αναπληρώτρια καθηγήτρια στο Τμήμα Ιατρικές και Χειρουργικές Επιστήμες στο Πανεπιστήμιο της Μπολόνια.
Σχετικά με τα νέα της έρευνας χαρτογράφησης εγκεφάλου
συγγραφέας: Έιμι Όλσον
πηγή: Κολλέγιο Dartmouth
επικοινωνία: Amy Olson – Dartmouth College
εικόνα: Η εικόνα ελήφθη από το Neuroscience News
Αρχική αναζήτηση: Ανοιχτή πρόσβαση.
“Πρότυπο φλοιικής επιφάνειας για την ανθρώπινη νευροεπιστήμη“Γράφτηκε από Feilong Ma et al.” Μέθοδοι της φύσης
μια περίληψη
Πρότυπο φλοιικής επιφάνειας για την ανθρώπινη νευροεπιστήμη
Η ανάλυση των δεδομένων νευροαπεικόνισης βασίζεται στην κανονικοποίηση σε τυπικά ανατομικά πρότυπα για την επίλυση σημαντικών ανατομικών διαφορών μεταξύ των εγκεφάλων. Η τρέχουσα επιφάνεια του ανθρώπινου εγκεφαλικού φλοιού διαμορφώνει τις θέσεις δειγμάτων άνισα λόγω των παραμορφώσεων που προκύπτουν από το φούσκωμα του φλοιού που έχει διπλωθεί σε τυπικό σχήμα.
Εδώ παρουσιάζουμε το πρότυπο onavg, το οποίο παρέχει ομοιόμορφη δειγματοληψία του φλοιού.
Δημιουργήσαμε το πρότυπο onavg με βάση τις διαθέσιμες στο κοινό, υψηλής ποιότητας δομικές σαρώσεις 1.031 εγκεφάλων – 25 φορές περισσότερο από τα υπάρχοντα φλοιώδη πρότυπα. Βελτιστοποιήσαμε τις θέσεις των κορυφών με βάση την ανατομία του εγκεφαλικού φλοιού, επιτυγχάνοντας ομοιόμορφη κατανομή.
Παρατηρούσαμε σταθερά την ακρίβεια ταξινόμησης πολυμεταβλητών προτύπων και τους συσχετισμούς μεταξύ των συμμετεχόντων στην αναπαραστατική γεωμετρία με βάση το onavg σε σύγκριση με άλλα πρότυπα, και το onavg χρειάζεται μόνο τα τρία τέταρτα των δεδομένων για να επιτύχει την ίδια απόδοση σε σύγκριση με άλλα πρότυπα.
Η βελτιωμένη δειγματοληψία μειώνει επίσης τον χρόνο της CPU μεταξύ των αλγορίθμων μεταξύ 1,3% και 22,4% λόγω της μικρότερης διακύμανσης στον αριθμό των κορυφών σε κάθε προβολέα.