• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Frontiers in Neuroinformatics >A Symmetry-Based Method to Infer Structural Brain Networks from Probabilistic Tractography Data
【2h】

A Symmetry-Based Method to Infer Structural Brain Networks from Probabilistic Tractography Data

机译：基于对称性的概率论数据推断结构性脑网络的方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent progress in diffusion MRI and tractography algorithms as well as the launch of the Human Connectome Project (HCP) have provided brain research with an abundance of structural connectivity data. In this work, we describe and evaluate a method that can infer the structural brain network that interconnects a given set of Regions of Interest (ROIs) from probabilistic tractography data. The proposed method, referred to as Minimum Asymmetry Network Inference Algorithm (MANIA), does not determine the connectivity between two ROIs based on an arbitrary connectivity threshold. Instead, we exploit a basic limitation of the tractography process: the observed streamlines from a source to a target do not provide any information about the polarity of the underlying white matter, and so if there are some fibers connecting two voxels (or two ROIs) X and Y, tractography should be able in principle to follow this connection in both directions, from X to Y and from Y to X. We leverage this limitation to formulate the network inference process as an optimization problem that minimizes the (appropriately normalized) asymmetry of the observed network. We evaluate the proposed method using both the FiberCup dataset and based on a noise model that randomly corrupts the observed connectivity of synthetic networks. As a case-study, we apply MANIA on diffusion MRI data from 28 healthy subjects to infer the structural network between 18 corticolimbic ROIs that are associated with various neuropsychiatric conditions including depression, anxiety and addiction.
机译：弥散MRI和tractography算法的最新进展，以及人类Connectome Project（HCP） 的启动，为大脑研究提供了大量的结构连通性数据。在这项工作中，我们描述并评估了一种方法，该方法可以从概率性体检数据中推断将给定的一组感兴趣区域（ROI）互连起来的结构性大脑网络。所提出的方法称为最小不对称网络推断算法（MANIA），它不会基于任意连接性阈值确定两个ROI之间的连接性。取而代之的是，我们利用了束线照相术的基本局限性：从源到目标的观察到的流线形没有提供有关基础白质极性的任何信息，因此，如果有一些纤维连接两个体素（或两个ROI） X和Y，原则上应该能够从X到Y以及从Y到X沿两个方向进行射线照相。我们利用这一限制将网络推理过程表述为使（适当归一化）不对称最小化的优化问题。观察到的网络。我们使用FiberCup数据集并基于随机破坏观察到的合成网络连通性的噪声模型来评估所提出的方法。作为案例研究，我们将MANIA应用于来自28位健康受试者的弥散MRI数据，以推断18种皮质下肢ROI之间的结构网络，这些ROI与各种神经精神疾病（包括抑郁症，焦虑症和成瘾症）相关。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号