NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Grafiksel modeller, doğrudan ve dolaylı beyin bağlantısını ayırt edebildikleri için, fMRI verilerinden beyin bağlantısını çıkarmak için çok uygun görünmektedir. Bununla birlikte, biyolojik yorumlama sadece çok değişkenli zaman serisinin yeterince modellenmesini değil, aynı zamanda çıkarımlanmış kenarların doğru bir hata kontrolü olmasını da gerektirir. Li ve Wang tarafından geliştirilen PC(fdr) algoritması, hesaplamalı kenarların yanlış keşif oranını (FDR) asimptotik olarak kontrol etmek için hesaplamalı olarak verimli bir araç sağlamaktı. Orijinal PC (fdr) algoritması, bağlantı hakkında a priori bilgileri barındıramadı ve bir grup denekten ziyade tek bir konudan bağlantı elde etmek için tasarlandı. Burada orijinal PC (fdr) algoritmasını genişletiyoruz ve önceden bağlantı bilgisinin dahil edilmesini sağlayan çok subjektifli, hata oranı kontrollü bir beyin bağlantı modelleme yaklaşımı sunuyoruz. Simülasyonlarda, önerilen iki uzantının, FDR'yi belirli bir eşik etrafında veya altında hala kontrol edebildiğini gösteriyoruz. Önerilen yaklaşım, Parkinson hastalığı çalışmasında fMRI verilerine uygulandığında, hastalığa bağlı değişikliklerin, telafi edici değişikliklerin ve L-dopa ilaçlarının normalleştirici etkisinin sağlam grup kanıtlarını buluyoruz. Önerilen yöntem, fonksiyonel nörogörüntüleme verilerinden beyin bağlantı kalıplarının değerlendirilmesi için sağlam, doğru ve pratik bir yöntem sağlar.
Özgün kaynak özetini okuyun
Graphical models appear well suited for inferring brain connectivity from fMRI data, as they can distinguish between direct and indirect brain connectivity. Nevertheless, biological interpretation requires not only that the multivariate time series are adequately modeled, but also that there is accurate error-control of the inferred edges. The PC(fdr) algorithm, which was developed by Li and Wang, was to provide a computationally efficient means to control the false discovery rate (FDR) of computed edges asymptotically. The original PC(fdr) algorithm was unable to accommodate a priori information about connectivity and was designed to infer connectivity from a single subject rather than a group of subjects. Here we extend the original PC(fdr) algorithm and propose a multisubject, error-rate-controlled brain connectivity modeling approach that allows incorporation of prior knowledge of connectivity. In simulations, we show that the two proposed extensions can still control the FDR around or below a specified threshold. When the proposed approach is applied to fMRI data in a Parkinson's disease study, we find robust group evidence of the disease-related changes, the compensatory changes, and the normalizing effect of L-dopa medication. The proposed method provides a robust, accurate, and practical method for the assessment of brain connectivity patterns from functional neuroimaging data.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.