NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
İnsanlarda görev kaynaklı striatal dopamin (DA) salınımının Voxel düzeyinde tespiti, dinamik PET görüntüleme ile başarılabilir, motor, bilişsel ve ödül görevlerinin karmaşık çalışmalarını sağlar. Daha önce, düşük amplitude DA salınımının tespitini iyileştiren Residual Space Detection (RSD) adı verilen veri odaklı bir metodoloji tanıttık, ancak uygulanabilirliği düşük amplitude ve / veya lokalize etkilerin tespiti ile sınırlıydı. Burada, RSD'yi, yerel olmayan anlam kümelemesi (RSD-Hybrid-IMRTM) ile birlikte yeni bir model tabanlı temel zaman-etkinlik eğrisi tahmin yöntemini tanıtarak daha geniş DA sürüm senaryolarına genelleştiriyoruz. Simülasyonlarda RSD-Hybrid-IMRTM, küresel striatal DA salınımını tespit etmek için önceki metodolojimizden daha iyi performans gösterirken, mutlak algılama hassasiyetini% 18 oranında% 5 yanlış pozitif oranda geliştirirken, aynı zamanda sinaptik DA konsantrasyonlarındaki görev kaynaklı değişikliklerin büyüklüğünü gürültü-robust bir şekilde izleme yeteneğini gösterir. İlkenin bir kanıtı olarak, RSD-Hybrid-IMRTM'yi sağlıklı kontrollere ve Parkinson hastalığı deneklerine parmak ve ayak vuruşu görevlerine uyguluyoruz. Sonuçlar, parametrik haritalarda beklenen grup farklılıklarını, parametre büyüklüklerini ve fonksiyonel ayrımı ortaya koyuyor ve RSD-Hybrid-IMRTM'nin insan kohortlarında nörotransmisyonu araştırmak için yardımcı programını gösteriyor.
Özgün kaynak özetini okuyun
Voxel-level detection of task-induced striatal dopamine (DA) release in humans is achievable with dynamic PET imaging, enabling complex studies of motor, cognitive, and reward tasks. We previously introduced a data-driven methodology termed Residual Space Detection (RSD), which improved detection of low-amplitude DA release, however its applicability was limited to detection of low-amplitude and/or localized effects. Here, we generalize RSD to broader DA release scenarios by introducing a novel model-based baseline time-activity curve prediction method in combination with non-local-means clustering (RSD-Hybrid-IMRTM). In simulations, RSD-Hybrid-IMRTM outperforms our previous methodology for detecting global striatal DA release, improving absolute detection sensitivity by 18% at 5% false positive rate, while also demonstrating the ability to track the magnitude of task-induced changes in synaptic DA concentrations in a noise-robust manner. As a proof of principle, we apply RSD-Hybrid-IMRTM to healthy controls and Parkinson's disease subjects undergoing finger and foot tapping tasks. Results reveal expected group differences in parametric maps, parameter magnitudes, and functional segregation, demonstrating RSD-Hybrid-IMRTM's utility for investigating neurotransmission in human cohorts.
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.