美國時間7月16日,達特茅斯學院(Dartmouth College)的研究員創建了新的大腦皮層表面模型,稱為OpenNeuro Average (onavg),可更精準與高效率的進行人類大腦神經影像分析,以深入探討大腦的功能,該研究結果發表於《Nature Methods》上。
人類大腦負責感知、記憶、語言、思考、意識和情感等關鍵作用,為了解大腦如何運作,研究員過去通常以神經影像技術,紀錄受試者在執行任務或休息時的大腦活動,而大腦的功能是建構在大腦皮層上,研究員經常使用「皮層表面模型」來分析神經影像並研究大腦功能。
由於大腦形狀差異,為了分析更多個體的神經影像數據,研究人員需要將數據註冊到相同的大腦模板上,使得在不同大腦上識別出相同的解剖位置,稱為「頂點(verticles)」,在過去25年中,該模型已多次迭代,目前最常用的是從40個大腦中取得多個皮質表面建構的模型。
而此次,研究團隊在神經影像數據共享平台OpenNeuro上收集了1031個大腦皮層解剖構造創建了onavg模型,參與者數量比現有的模型多25倍,但數據僅需其他模型的四分之三,CPU計算時間也減少1.3%~22.4%。
相比以往不均勻取樣的皮層模型,以及基於大腦為球型來定義的皮質頂點分布位置存在偏差,onavg模板所需的數據量較少,也改善頂點分佈的偏差,有利於患者數少的罕病研究。
達特茅斯大學心理與腦科學系博士後研究員Feilong Ma表示,onavg為首個幾何形狀且均勻取樣大腦不同區域的模板,增加研究結果的可複製性與再現性。
達特茅斯大學心理與腦科學系教授James Haxby也表示,onavg代表了一項在認知和臨床神經科學各個方面具有廣泛的應用,他們的皮層表面模板可用於視覺、聽覺、語言和個體差異的研究,以及自閉症和阿茲海默症、帕金森氏症等神經退行性疾病的研究。
參考資料:
https://www.news-medical.net/news/20240716/New-cortical-surface-template-provides-greater-accuracy-in-analyzing-neuroimaging-data.aspx
論文:
https://www.nature.com/articles/s41592-024-02346-y
(編譯/實習記者 郭品岑)
《Nature》子刊:新大腦皮層模型!只需75%數據 神經影像分析準確度大增
撰文實習記者 郭品岑
日期2024-07-22
![](/upload/article/_images/Brain.pptx.jpg)
《Nature》子刊:新大腦皮層模型!只需75%數據 神經影像分析準確度大增 (圖片來源:網路)