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)