MaltSci 麦伴科研

Appearance

文献精选 > 高引权威"脑机接口"文献

Groupwise whole-brain parcellation from resting-state fMRI data for network node identification. ​

文献信息 ​

PMID23747961
期刊NeuroImage
影响因子4.5
JCR 分区Q1
发表年份2013
被引次数523
关键词功能性磁共振成像，基于图论的分区，网络分析，静息态连接性，整体脑图谱
文献类型Journal Article, Research Support, N.I.H., Extramural
ISSN1053-8119
页码403-15
期号82()
作者X Shen, F Tokoglu, X Papademetris, R T Constable

一句话小结 ​

本文提出了一种基于图论的分区方法，用于在功能性磁共振成像（fMRI）分析中合理定义节点，以提高网络分析的准确性和应用价值。研究结果表明，该方法能够确保每个子单元的功能同质性，具有较高的重现性，并提供了100、200和300个子单元的功能图谱，促进了fMRI数据分析的标准化和可用性。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

功能性磁共振成像 · 基于图论的分区 · 网络分析 · 静息态连接性 · 整体脑图谱

摘要 ​

在本文中，我们提出了一种基于图论的分区方法，以定义网络分析中的节点。将网络理论应用于功能性磁共振成像（fMRI）的分析，以拓展其应用价值，近年来引起了越来越多的关注。这类分析首先需要合理地定义一组节点，以作为网络分析的输入。目前，许多应用使用了基于细胞结构、任务相关fMRI激活或解剖划分的现有图谱。使用这些图谱的潜在陷阱在于，如果不同的功能区域包含在同一个节点中，则该节点的平均时间序列可能无法代表其组成时间序列。所提出的方法涉及一种群体优化，确保每个子单元内的功能同质性，并且这些定义在群体层面上是一致的。通过多个健康志愿者组计算每个子单元的分区重现性，并证明其具有很高的重现性。还考虑了选择大脑中适当节点数量的问题。在典型的fMRI分辨率参数下，展示了总共100、200和300个子单元的分区结果。这些分区最终可能作为功能图谱用于fMRI，因此从79名健康正常志愿者中派生出的100、200和300分区级别的三个图谱已在线免费提供，并附带与SPM、BioImage Suite及其他分析软件接口的工具。

英文摘要 ​

In this paper, we present a groupwise graph-theory-based parcellation approach to define nodes for network analysis. The application of network-theory-based analysis to extend the utility of functional MRI has recently received increased attention. Such analyses require first and foremost a reasonable definition of a set of nodes as input to the network analysis. To date many applications have used existing atlases based on cytoarchitecture, task-based fMRI activations, or anatomic delineations. A potential pitfall in using such atlases is that the mean timecourse of a node may not represent any of the constituent timecourses if different functional areas are included within a single node. The proposed approach involves a groupwise optimization that ensures functional homogeneity within each subunit and that these definitions are consistent at the group level. Parcellation reproducibility of each subunit is computed across multiple groups of healthy volunteers and is demonstrated to be high. Issues related to the selection of appropriate number of nodes in the brain are considered. Within typical parameters of fMRI resolution, parcellation results are shown for a total of 100, 200, and 300 subunits. Such parcellations may ultimately serve as a functional atlas for fMRI and as such three atlases at the 100-, 200- and 300-parcellation levels derived from 79 healthy normal volunteers are made freely available online along with tools to interface this atlas with SPM, BioImage Suite and other analysis packages.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 该方法在不同年龄段或疾病状态下的适用性如何？
  2. 如何评估该分区方法在不同功能网络识别中的有效性？
  3. 在实施该分区方法时，如何选择最优的节点数量以获得最佳结果？
  4. 该研究提出的分区方法与传统的基于解剖学的分区方法相比，有何优势和局限？
  5. 如何将该功能图谱与其他神经影像技术（如DTI或PET）结合使用，以获得更全面的脑网络分析？

核心洞察 ​

研究背景和目的 ​

功能性磁共振成像（fMRI）在神经科学研究中广泛应用，尤其是在网络分析方面。为了有效利用网络理论进行分析，首先需要合理定义一组节点作为输入。然而，现有的脑区划分方法通常基于细胞结构、任务激活或解剖学界限，可能导致节点的平均时间序列无法准确代表其组成部分的功能活动。因此，本研究旨在提出一种基于图论的群体划分方法，以优化节点的定义，从而提高fMRI网络分析的准确性。

主要方法/材料/实验设计 ​

本研究采用了一种群体优化的图论方法进行脑区划分，确保每个子单元内的功能同质性，并在群体水平上保持一致性。研究设计包括以下步骤：

Mermaid diagram
  1. 数据收集：从79名健康志愿者收集fMRI数据。
  2. 功能性磁共振成像：应用fMRI技术获取大脑活动数据。
  3. 图论分析方法：使用图论技术进行网络分析。
  4. 群体优化划分：通过优化算法对大脑进行划分，确保功能同质性。
  5. 子单元功能同质性验证：计算不同组之间的划分重现性。
  6. 节点数量选择：探讨在fMRI分辨率下适合的节点数量，生成100、200和300个子单元的划分结果。
  7. 在线共享图谱和工具：将生成的功能性图谱和分析工具在线共享，供研究者使用。

关键结果和发现 ​

  • 提出的群体优化划分方法显示出较高的重现性，适用于不同的健康志愿者群体。
  • 研究中生成了100、200和300个子单元的功能性图谱，作为未来fMRI研究的参考。
  • 该方法有效解决了现有划分方法在功能同质性方面的不足。

主要结论/意义/创新性 ​

本研究提出的基于图论的群体划分方法为fMRI网络分析提供了一种新的思路。通过优化节点定义，提高了划分的功能同质性和重现性，填补了现有方法的不足。生成的功能性图谱为研究者提供了一个新的工具，有助于更深入地理解大脑功能连接性。

研究局限性和未来方向 ​

  • 本研究主要基于健康志愿者，未来可考虑在不同病理状态下验证该方法的有效性。
  • 对于节点数量的选择仍需进一步探索，以适应不同的研究需求。
  • 未来研究可以扩展到其他成像技术，提升整体的脑功能研究能力。
部分内容
研究背景和目的提出一种基于图论的群体划分方法，优化fMRI网络分析的节点定义
主要方法群体优化划分，功能同质性验证，生成功能性图谱
关键结果高重现性，生成100、200、300个子单元的功能性图谱
主要结论提供新的节点定义方法，提升fMRI分析的准确性
研究局限性主要基于健康志愿者，节点数量选择需进一步探索
未来方向在不同病理状态下验证，扩展至其他成像技术

参考文献 ​

  1. Functional connectivity and brain networks in schizophrenia. - Mary-Ellen Lynall;Danielle S Bassett;Robert Kerwin;Peter J McKenna;Manfred Kitzbichler;Ulrich Muller;Ed Bullmore - The Journal of neuroscience : the official journal of the Society for Neuroscience (2010)
  2. MR connectomics: Principles and challenges. - Patric Hagmann;Leila Cammoun;Xavier Gigandet;Stephan Gerhard;P Ellen Grant;Van Wedeen;Reto Meuli;Jean-Philippe Thiran;Christopher J Honey;Olaf Sporns - Journal of neuroscience methods (2010)
  3. fMRI resting state networks define distinct modes of long-distance interactions in the human brain. - M De Luca;C F Beckmann;N De Stefano;P M Matthews;S M Smith - NeuroImage (2006)
  4. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain. - N Tzourio-Mazoyer;B Landeau;D Papathanassiou;F Crivello;O Etard;N Delcroix;B Mazoyer;M Joliot - NeuroImage (2002)
  5. Large-scale brain networks in cognition: emerging methods and principles. - Steven L Bressler;Vinod Menon - Trends in cognitive sciences (2010)
  6. A common, high-dimensional model of the representational space in human ventral temporal cortex. - James V Haxby;J Swaroop Guntupalli;Andrew C Connolly;Yaroslav O Halchenko;Bryan R Conroy;M Ida Gobbini;Michael Hanke;Peter J Ramadge - Neuron (2011)
  7. Aberrant frontal and temporal complex network structure in schizophrenia: a graph theoretical analysis. - Martijn P van den Heuvel;René C W Mandl;Cornelis J Stam;René S Kahn;Hilleke E Hulshoff Pol - The Journal of neuroscience : the official journal of the Society for Neuroscience (2010)
  8. Intrinsic functional architecture in the anaesthetized monkey brain. - J L Vincent;G H Patel;M D Fox;A Z Snyder;J T Baker;D C Van Essen;J M Zempel;L H Snyder;M Corbetta;M E Raichle - Nature (2007)
  9. The discovery of population differences in network community structure: new methods and applications to brain functional networks in schizophrenia. - Aaron Alexander-Bloch;Renaud Lambiotte;Ben Roberts;Jay Giedd;Nitin Gogtay;Ed Bullmore - NeuroImage (2012)
  10. Development of distinct control networks through segregation and integration. - Damien A Fair;Nico U F Dosenbach;Jessica A Church;Alexander L Cohen;Shefali Brahmbhatt;Francis M Miezin;Deanna M Barch;Marcus E Raichle;Steven E Petersen;Bradley L Schlaggar - Proceedings of the National Academy of Sciences of the United States of America (2007)

引用本文的文献 ​

  1. Potential use and challenges of functional connectivity mapping in intractable epilepsy. - Robert Todd Constable;Dustin Scheinost;Emily S Finn;Xilin Shen;Michelle Hampson;F Scott Winstanley;Dennis D Spencer;Xenophon Papademetris - Frontiers in neurology (2013)
  2. Disruption of functional networks in dyslexia: a whole-brain, data-driven analysis of connectivity. - Emily S Finn;Xilin Shen;John M Holahan;Dustin Scheinost;Cheryl Lacadie;Xenophon Papademetris;Sally E Shaywitz;Bennett A Shaywitz;R Todd Constable - Biological psychiatry (2014)
  3. The impact of image smoothness on intrinsic functional connectivity and head motion confounds. - Dustin Scheinost;Xenophon Papademetris;R Todd Constable - NeuroImage (2014)
  4. Coupled Intrinsic Connectivity Distribution analysis: a method for exploratory connectivity analysis of paired FMRI data. - Dustin Scheinost;Xilin Shen;Emily Finn;Rajita Sinha;R Todd Constable;Xenophon Papademetris - PloS one (2014)
  5. Graph theory findings in the pathophysiology of temporal lobe epilepsy. - Sharon Chiang;Zulfi Haneef - Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology (2014)
  6. Default mode network as a potential biomarker of chemotherapy-related brain injury. - Shelli R Kesler - Neurobiology of aging (2014)
  7. Connectomic profiles for individualized resting state networks and regions of interest. - Kaiming Li;Jason Langley;Zhihao Li;Xiaoping P Hu - Brain connectivity (2015)
  8. Direct imaging of functional networks. - Eric C Wong - Brain connectivity (2014)
  9. Spatial and temporal functional connectivity changes between resting and attentive states. - Signe Bray;Aiden E G F Arnold;Richard M Levy;Giuseppe Iaria - Human brain mapping (2015)
  10. Generation and Evaluation of a Cortical Area Parcellation from Resting-State Correlations. - Evan M Gordon;Timothy O Laumann;Babatunde Adeyemo;Jeremy F Huckins;William M Kelley;Steven E Petersen - Cerebral cortex (New York, N.Y. : 1991) (2016)

... (513 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研