NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Motor-görev fonksiyonel manyetik rezonans görüntüleme (fMRI) inme ve Parkinson hastalığı da dahil olmak üzere birkaç klinik durumun incelenmesinde çok önemlidir. Bununla birlikte, motor-görev fMRI, klinik popülasyonlarda büyütülebilen ve motor aktivasyon sonuçlarını karıştıran görevle ilişkili kafa hareketi ile karmaşıktır. Bu sorunu hafifletebilecek bir yöntem, kafa hareketinin etkilerini istenen kan oksijenasyon seviyesine bağlı (BOLD) sinyalden ayırdığı gösterilen ancak yüksek miktarda hareket içeren motor-görev veri kümelerinde test edilmemiş çok-ekolu bağımsız bileşen analizidir (ME-ICA). Bu çalışmada, motor engelli bir popülasyonu simüle etmek için görevle ilişkili amplifiye kafa hareketi ile ve olmadan bir el kavrama görevi yapan sağlıklı bir popülasyondan bir fMRI veri seti topladık. Bu verileri üç model kullanarak analiz ettik: tek-echo (SE), çoklu-echo optimal olarak birleştirildi (ME-OC) ve ME-ICA. Modellerin kafa hareketinin konu seviyesi ve grup seviyesi üzerindeki etkilerini hafifletmedeki performansını karşılaştırdık. Konu düzeyinde, ME-ICA, BOLD sinyalinden gelen kafa hareketinin etkilerini daha iyi ayrıştırdı ve gürültüyü azalttı. Her iki ME modeli de beyin motor bölgelerinde t-istatistiklerinin artmasına yol açtı. Yüksek hareket seviyelerine sahip taramalarda, ME-ICA, SE'ye kıyasla eserleri hafifletti ve beta katsayısı tahminlerinin stabilitesini artırdı. Grup düzeyinde, her üç model de hem düşük hem de yüksek hareketli taramalarda beklenen motor alanlarda aktivasyon kümeleri üretti, bu da grup düzeyinde ortalamalamanın konuya göre değişen hareket eserlerini de yeterince çözebileceğini gösteriyor. Bu bulgular, ME-ICA'nın görevle ilişkili kafa hareketi yüksek olan motor-görev verilerinin konu düzeyinde analizi için yararlı bir araç olduğunu göstermektedir. ME-ICA tarafından sağlanan iyileştirmeler, grup düzeyinde analizin uygulanabilir veya uygun olamayacağı klinik popülasyonlar için konu düzeyinde aktivasyon haritalarının güvenilirliğini artırmak için kritik öneme sahiptir, örneğin, değişen inme yeri ve doku hasarı derecesine sahip kronik inme kohortunda.
Özgün kaynak özetini okuyun
Motor-task functional magnetic resonance imaging (fMRI) is crucial in the study of several clinical conditions, including stroke and Parkinson's disease. However, motor-task fMRI is complicated by task-correlated head motion, which can be magnified in clinical populations and confounds motor activation results. One method that may mitigate this issue is multi-echo independent component analysis (ME-ICA), which has been shown to separate the effects of head motion from the desired blood oxygenation level dependent (BOLD) signal but has not been tested in motor-task datasets with high amounts of motion. In this study, we collected an fMRI dataset from a healthy population who performed a hand grasp task with and without task-correlated amplified head motion to simulate a motor-impaired population. We analyzed these data using three models: single-echo (SE), multi-echo optimally combined (ME-OC), and ME-ICA. We compared the models' performance in mitigating the effects of head motion on the subject level and group level. On the subject level, ME-ICA better dissociated the effects of head motion from the BOLD signal and reduced noise. Both ME models led to increased t-statistics in brain motor regions. In scans with high levels of motion, ME-ICA additionally mitigated artifacts and increased stability of beta coefficient estimates, compared to SE. On the group level, all three models produced activation clusters in expected motor areas in scans with both low and high motion, indicating that group-level averaging may also sufficiently resolve motion artifacts that vary by subject. These findings demonstrate that ME-ICA is a useful tool for subject-level analysis of motor-task data with high levels of task-correlated head motion. The improvements afforded by ME-ICA are critical to improve reliability of subject-level activation maps for clinical populations in which group-level analysis may not be feasible or appropriate, for example, in a chronic stroke cohort with varying stroke location and degree of tissue damage.
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.