Human Brain Mapping
SCOPUS (1993-2023)SCIE-ISI
1065-9471
1097-0193
Mỹ
Cơ quản chủ quản: Wiley-Liss Inc. , WILEY
Lĩnh vực:
NeurologyRadiological and Ultrasound TechnologyAnatomyNeurology (clinical)Radiology, Nuclear Medicine and Imaging
Các bài báo tiêu biểu
Phương pháp tự động loại bỏ não nhanh chóng và mạnh mẽ Dịch bởi AI Tóm tắt Một phương pháp tự động để phân đoạn hình ảnh cộng hưởng từ đầu thành não và không phải não đã được phát triển. Phương pháp này rất mạnh mẽ và chính xác, đã được thử nghiệm trên hàng ngàn bộ dữ liệu từ nhiều loại máy quét khác nhau và được thu thập bằng nhiều chuỗi MR khác nhau. Phương pháp này, Công cụ loại bỏ não (BET), sử dụng một mô hình có thể biến đổi, phát triển để phù hợp với bề mặt não thông qua việc ứng dụng một bộ lực mô hình điều chỉnh cục bộ. Phương pháp này rất nhanh và không yêu cầu bất kỳ bước đăng ký trước nào hoặc các quá trình xử lý trước khác trước khi được áp dụng. Chúng tôi mô tả phương pháp mới này và đưa ra các ví dụ về kết quả cũng như kết quả của việc thử nghiệm định lượng rộng rãi so với các phân đoạn thủ công “tiêu chuẩn vàng” và hai phương pháp tự động phổ biến khác. Hum. Brain Mapping 17:143–155, 2002. © 2002 Wiley‐Liss, Inc.
Tập 17 Số 3 - Trang 143-155 - 2002
Các bản đồ tham số thống kê trong hình ảnh chức năng: Một phương pháp tuyến tính tổng quát Dịch bởi AI Tóm tắt Các bản đồ tham số thống kê là các quá trình thống kê mở rộng về mặt không gian được sử dụng để kiểm tra giả thuyết về các hiệu ứng đặc thù theo vùng trong dữ liệu chụp não. Các loại bản đồ tham số thống kê đã được thiết lập lâu dài nhất (ví dụ, Friston et al. [1991]: J Cereb Blood Flow Metab 11:690–699; Worsley et al. [1992]: J Cereb Blood Flow Metab 12:900–918) dựa trên các mô hình tuyến tính, chẳng hạn như ANCOVA, hệ số tương quan và t tests. Theo nghĩa rằng các ví dụ này đều là các trường hợp đặc biệt của mô hình tuyến tính tổng quát , thì việc triển khai chúng (và nhiều trường hợp khác) trong một khuôn khổ thống nhất là khả thi. Chúng tôi trình bày tại đây một phương pháp tổng quát có thể thích ứng với hầu hết các dạng bố trí thí nghiệm và phân tích tiếp theo (thí nghiệm được thiết kế với các hiệu ứng cố định cho các yếu tố, biến đồng covariates và tương tác giữa các yếu tố). Phương pháp này kết hợp hai lý thuyết đã được xác lập (mô hình tuyến tính tổng quát và lý thuyết về các trường Gaussian) để cung cấp một khuôn khổ hoàn chỉnh và đơn giản cho việc phân tích dữ liệu hình ảnh. Ý nghĩa của khuôn khổ này có hai điểm: (i) Sự đơn giản về mặt khái niệm và toán học, trong đó cùng một số lượng nhỏ các phương trình hoạt động được sử dụng bất kể độ phức tạp của thí nghiệm hoặc tính chất của mô hình thống kê và (ii) tính tổng quát của khuôn khổ mang đến sự linh hoạt lớn trong thiết kế và phân tích thí nghiệm. © 1995 Wiley‐Liss, Inc.
Tập 2 Số 4 - Trang 189-210 - 1994
Các bài kiểm tra hoán vị phi tham số cho hình ảnh thần kinh chức năng: Một hướng dẫn với các ví dụ Dịch bởi AI
Tập 15 Số 1 - Trang 1-25 - 2002
Yêu cầu chỉ một giả thiết tối thiểu về tính hợp lệ, các bài kiểm tra hoán vị phi tham số cung cấp một phương pháp linh hoạt và trực quan cho phân tích thống kê dữ liệu từ các thí nghiệm hình ảnh thần kinh chức năng, mặc dù phải chịu một chi phí tính toán nhất định. Được giới thiệu vào tài liệu hình ảnh thần kinh chức năng bởi Holmes et al. (1996: J Cereb Blood Flow Metab 16:7–22), phương pháp hoán vị giải quyết dễ dàng vấn đề so sánh nhiều lần ngầm hiểu trong khuôn khổ kiểm tra giả thuyết voxel theo voxel tiêu chuẩn. Khi các giả thuyết thích hợp được giữ, phương pháp hoán vị phi tham số cho kết quả tương tự như những gì thu được từ một phương pháp Lập bản đồ Tham số Thống kê tương tự với mô hình hồi quy tuyến tính tổng quát có các điều chỉnh so sánh nhiều lần dựa trên lý thuyết trường ngẫu nhiên. Đối với các phân tích có bậc tự do thấp, như các thí nghiệm PET/SPECT của cá nhân đơn lẻ hoặc các thiết kế PET/SPECT nhiều cá nhân hoặc fMRI được đánh giá cho các hiệu ứng dân số, phương pháp phi tham số sử dụng ước lượng phương sai được tích lũy cục bộ (mượt mà) có thể vượt trội hơn phương pháp Lập bản đồ Tham số Thống kê tương tự. Do đó, các kỹ thuật phi tham số này có thể được sử dụng để xác minh tính hợp lệ của các phương pháp tham số ít tốn kém về tính toán hơn. Mặc dù lý thuyết và những lợi thế tương đối của các phương pháp hoán vị đã được nhiều tác giả thảo luận, nhưng không có sự giải thích nào về phương pháp này có thể tiếp cận được, và cũng không có phần mềm nào được phát hành miễn phí để thực hiện nó. Hệ quả là có rất ít ứng dụng thực tiễn cho kỹ thuật này. Bài báo này, cùng với phần mềm MATLAB đi kèm, cố gắng giải quyết những vấn đề này. Các ý tưởng về chuẩn hoán ngẫu nhiên và kiểm tra hoán vị phi tham số tiêu chuẩn được phát triển ở mức có thể tiếp cận, sử dụng các ví dụ thực tiễn từ hình ảnh thần kinh chức năng, và các mở rộng cho so sánh nhiều lần được mô tả. Ba ví dụ làm việc từ PET và fMRI được trình bày, với thảo luận, và so sánh với các phương pháp tham số tiêu chuẩn được thực hiện khi thích hợp. Những cân nhắc thực tiễn được đưa ra trong suốt bài báo, và các khái niệm thống kê liên quan được giải thích trong các phụ lục. Hum. Brain Mapping 15:1–25, 2001. © 2001 Wiley‐Liss, Inc.
Đăng ký và chuẩn hóa không gian của hình ảnh Dịch bởi AI Tóm tắt Bài báo này đề cập đến các biến đổi không gian và cường độ nhằm chuyển đổi một hình ảnh sang một hình ảnh khác. Chúng tôi trình bày một kỹ thuật tổng quát giúp chuẩn hóa không gian phi tuyến tính (stereotactic) và điều chỉnh lại hình ảnh. Kỹ thuật này tối thiểu hóa tổng bình phương giữa hai hình ảnh sau các biến dạng không gian phi tuyến tính và biến đổi giá trị voxel (cường độ). Các biến đổi không gian và cường độ được thu được đồng thời, và một cách rõ ràng, bằng cách sử dụng giải pháp bình phương tối thiểu và một loạt các thiết bị tuyến tính hóa. Cách tiếp cận hoàn toàn không tương tác (tự động), phi tuyến và không lặp đi lặp lại. Nó có thể được áp dụng trong bất kỳ số chiều nào. Nhiều ứng dụng được xem xét, bao gồm việc điều chỉnh lại chuỗi thời gian chụp cộng hưởng từ chức năng (MRI), chuẩn hóa không gian tuyến tính (affine) và phi tuyến tính của hình ảnh chụp cắt lớp phát xạ positron (PET) và hình ảnh MRI cấu trúc, đồng đăng ký PET với MRI cấu trúc, và, một cách ngầm, việc kết hợp PET và MRI để thu được hình ảnh chức năng độ phân giải cao. © 1995 Wiley‐Liss, Inc.
Tập 3 Số 3 - Trang 165-189 - 1995
Mô hình trí nhớ làm việc n‐back: Một phân tích tổng hợp các nghiên cứu hình ảnh chức năng chuẩn mực Dịch bởi AI Tóm tắt Một trong những mô hình thực nghiệm phổ biến nhất cho các nghiên cứu hình ảnh chức năng về trí nhớ làm việc là bài kiểm tra n‐back, trong đó các đối tượng được yêu cầu theo dõi danh tính hoặc vị trí của một chuỗi các kích thích bằng lời hoặc không bằng lời và chỉ ra khi kích thích hiện tại được trình bày giống với kích thích đã trình bày trước n lần. Chúng tôi đã tiến hành một phân tích tổng hợp định lượng 668 bộ tọa độ kích hoạt trong không gian Talairach được báo cáo trong 24 nghiên cứu chính về các biến thể của bài kiểm tra n‐back, thao tác trên quá trình (theo dõi vị trí so với theo dõi danh tính) và nội dung (bằng lời hoặc không bằng lời) của trí nhớ làm việc. Chúng tôi đã phát hiện các vùng vỏ não sau đây được kích hoạt mạnh mẽ (tỷ lệ phát hiện giả voxelwise = 1%): vỏ não vận động bên; vỏ não cingulate lưng và vỏ não vận động giữa; vỏ não trước trán bên lưng và bên bụng; cực trán; và vỏ não thái dương giữa và bên. Các phân tích tổng hợp phụ dựa trên các tập hợp dữ liệu chính phù hợp đã chứng minh các mẫu kích hoạt tương tự rộng rãi cho theo dõi danh tính của các kích thích bằng lời và cả theo dõi vị trí và danh tính của các kích thích không bằng lời. Cũng có một số bằng chứng cho các mẫu kích hoạt mặt trước - đỉnh khác biệt đáp ứng với các biến thể tác vụ khác nhau. Các chuyên môn chức năng của từng thành phần vỏ não chính trong hệ thống mặt trước - đỉnh quy mô lớn chung được thảo luận. Chúng tôi kết luận rằng phân tích tổng hợp định lượng có thể là một công cụ mạnh mẽ để kết hợp các kết quả của nhiều nghiên cứu chính được báo cáo trong không gian Talairach. Ở đây, nó cung cấp bằng chứng cho cả việc kích hoạt nhất quán rộng rãi của các vùng vỏ não trước trán và đỉnh bởi các phiên bản khác nhau của mô hình trí nhớ làm việc n‐back, và cho sự kích hoạt mặt trước - đỉnh theo quá trình và nội dung đặc thù bởi trí nhớ làm việc. Báo cáo Các bản đồ não người 25:46–59, 2005. © 2005 Wiley‐Liss, Inc.
Tập 25 Số 1 - Trang 46-59 - 2005
Kết nối chức năng và kết nối hiệu quả trong hình ảnh thần kinh: Một sự tổng hợp Dịch bởi AI Tóm tắt Não bộ dường như tuân theo hai nguyên tắc tổ chức chức năng: phân chia chức năng và tích hợp chức năng . Sự tích hợp trong và giữa các vùng chuyên biệt chức năng được điều hòa bởi kết nối chức năng hoặc hiệu quả . Việc đặc trưng hóa loại kết nối này là một chủ đề quan trọng trong nhiều lĩnh vực của khoa học thần kinh. Bài viết này trình bày một phương pháp đã được sử dụng trong hình ảnh chức năng. Bài viết này xem xét sự phân biệt cơ bản giữa kết nối chức năng và kết nối hiệu quả (như các thuật ngữ được sử dụng trong hình ảnh thần kinh) và vai trò của chúng trong việc giải quyết một số khía cạnh của tổ chức chức năng (ví dụ: địa hình của hệ thống phân phối, sự tích hợp giữa các vùng vỏ não, các thay đổi theo thời gian trong kết nối và các tương tác phi tuyến). Nhấn mạnh được đặt lên các điểm tiếp xúc giữa các ứng dụng dường như đa dạng của những khái niệm này và đặc biệt là vai trò trung tâm của các eigenimages hoặc các chế độ không gian. Mặc dù khung lý thuyết đã được phát triển có bản chất là tuyến tính, nó đã được mở rộng để đánh giá các tương tác phi tuyến giữa các vùng vỏ não. ©1994 Wiley‐Liss, Inc.
Tập 2 Số 1-2 - Trang 56-78 - 1994
Đánh giá ý nghĩa của các kích hoạt cục bộ bằng cách sử dụng độ mở rộng không gian của chúng Dịch bởi AI Tóm tắt Các phương pháp hiện tại để phát hiện các vùng mô não được kích hoạt một cách đáng kể sử dụng bản đồ tham số thống kê, những bản đồ này được định ngưỡng để thể hiện xác suất của một hoặc nhiều vùng được kích hoạt của một voxel, hoặc lớn hơn , là đủ nhỏ (ví dụ: 0.05). Chúng tôi trình bày một phân tích gần đúng đưa ra xác suất mà một hoặc nhiều vùng được kích hoạt có thể có thể xảy ra một cách ngẫu nhiên, có thể có thể có kích thước đã chỉ định, hoặc lớn hơn . Những kết quả này có nghĩa là việc phát hiện các kích hoạt có ý nghĩa không còn phụ thuộc vào một ngưỡng cố định (và cao), mà có thể được thực hiện ở bất kỳ ngưỡng (thấp hơn) nào, với điều kiện là về độ mở rộng không gian của vùng được kích hoạt. Sự cải thiện đáng kể trong độ nhạy mà kết quả mang lại được minh họa bằng cách sử dụng phân tích công suất và một nghiên cứu mô phỏng kích hoạt giả. © 1994 Wiley‐Liss, Inc.
Tập 1 Số 3 - Trang 210-220 - 1994
Phân tích tổng hợp xác suất hoạt động dựa trên tọa độ của dữ liệu hình ảnh thần kinh: Một phương pháp hiệu ứng ngẫu nhiên dựa trên ước tính thực nghiệm về sự không chắc chắn không gian Dịch bởi AI Tóm tắt Một kỹ thuật được sử dụng rộng rãi cho các phân tích tổng hợp dựa trên tọa độ của dữ liệu hình ảnh thần kinh là ước lượng xác suất hoạt động (ALE). ALE đánh giá sự chồng chéo giữa các điểm tập trung dựa trên việc mô hình hóa chúng như các phân phối xác suất được trung tâm tại các tọa độ tương ứng. Trong nghiên cứu Dự án Não Người/Thần kinh học thông tin này, các tác giả trình bày một thuật toán ALE đã được sửa đổi nhằm giải quyết các nhược điểm liên quan đến các bản triển khai trước đó. Thay đổi đầu tiên liên quan đến kích thước của các phân phối xác suất, trước đây phải được người dùng xác định. Để cung cấp một giải pháp có nguyên tắc hơn, các tác giả đã phân tích dữ liệu fMRI của 21 chủ thể, được chuẩn hóa vào không gian MNI bằng chín phương pháp khác nhau. Phân tích này cung cấp các ước tính định lượng về sự biến đổi giữa các chủ thể và giữa các mẫu cho 16 vùng có chức năng được xác định, sau đó được sử dụng để mô hình hóa rõ ràng sự không chắc chắn không gian liên quan đến mỗi tọa độ được báo cáo. Thứ hai, thay vì kiểm tra sự cụm trên mức ngẫu nhiên giữa các điểm tập trung, thuật toán sửa đổi đánh giá sự cụm trên mức ngẫu nhiên giữa các thí nghiệm. Mối quan hệ không gian giữa các điểm tập trung trong một thí nghiệm nhất định giờ đây được giả định là cố định và kết quả ALE được đánh giá so với một phân phối null của sự liên kết không gian ngẫu nhiên giữa các thí nghiệm. Quan trọng là, sự sửa đổi này dẫn đến một sự thay đổi từ suy luận hiệu ứng cố định sang suy luận hiệu ứng ngẫu nhiên trong phân tích ALE, cho phép tổng quát hóa kết quả cho toàn bộ dân số các nghiên cứu đã được phân tích. Qua phân tích so sánh dữ liệu thực và mô phỏng, các tác giả đã chỉ ra rằng thuật toán ALE đã được sửa đổi giải quyết các vấn đề khái niệm của các phân tích tổng hợp trước đó và tăng cường tính đặc hiệu của các kết quả sau đó mà không làm mất đi độ nhạy của phương pháp ban đầu. Do đó, nó có thể cung cấp một công cụ được cải tiến về phương pháp cho các phân tích tổng hợp dựa trên tọa độ trên dữ liệu hình ảnh chức năng. Hum Brain Mapp 2009. © 2009 Wiley‐Liss, Inc.
Tập 30 Số 9 - Trang 2907-2926 - 2009
Nhận thức xã hội và não bộ: Một phân tích tổng hợp Dịch bởi AI Tóm tắt Bài phân tích tổng hợp này khám phá vị trí và chức năng của các vùng não liên quan đến nhận thức xã hội, hay khả năng hiểu những ý định hành vi, niềm tin xã hội và đặc điểm tính cách của con người. Dựa trên hơn 200 nghiên cứu fMRI, bài viết kiểm tra các đề xuất lý thuyết thay thế nhằm giải thích cách mà một số vùng não xử lý thông tin liên quan đến nhận thức xã hội. Kết quả cho thấy việc suy luận về những trạng thái tạm thời như mục tiêu, ý định và ham muốn của người khác — ngay cả khi chúng sai lầm và không công bằng từ góc nhìn của chúng ta — có liên quan chặt chẽ đến giao điểm thái dương - đỉnh (TPJ). Việc suy luận về những đặc điểm bền vững hơn của người khác và của bản thân, hay các quy tắc và kịch bản giữa các cá nhân, kích hoạt vỏ não trước trán giữa (mPFC), mặc dù những trạng thái tạm thời cũng có thể kích hoạt mPFC. Các nhiệm vụ khả thi khác phản ánh các quá trình não bộ đa nhiệm có thể phục vụ nhận thức xã hội cũng được xem xét một cách ngắn gọn, chẳng hạn như học thứ tự, phát hiện nguyên nhân, xử lý cảm xúc và chức năng điều hành (giám sát hành động, chú ý, giám sát nhiệm vụ kép, truy xuất trí nhớ tập hợp), nhưng không có nhiệm vụ nào trong số đó hoàn toàn trùng khớp với các vùng não được kích hoạt trong quá trình nhận thức xã hội. Do đó, có vẻ như nhận thức xã hội đặc biệt liên quan đến các vùng TPJ và mPFC. Các chứng cứ hiện có nhất quán với vai trò của hệ thống gương liên quan TPJ trong việc suy luận về các mục tiêu và ý định tạm thời ở mức độ biểu diễn cảm nhận tương đối, và mPFC như một mô-đuyn tích hợp thông tin xã hội theo thời gian và cho phép phản ánh và biểu diễn các thuộc tính và quy tắc xã hội, và có khả năng cũng cho ý định, ở mức độ nhận thức trừu tượng cao hơn. Hum Brain Mapp, 2009. © 2008 Wiley‐Liss, Inc.
Tập 30 Số 3 - Trang 829-858 - 2009
Sự thiên lệch giữa các tọa độ MNI và Talairach được phân tích bằng cách sử dụng mẫu não ICBM-152 Dịch bởi AI Tóm tắt Các tọa độ MNI được xác định bằng cách sử dụng SPM2 và FSL/FLIRT với mẫu ICBM-152 đã được so sánh với các tọa độ Talairach xác định bằng phương pháp đăng ký dựa trên mốc (TAL). Phân tích cho thấy có một thiên lệch rõ ràng trong các khung tham chiếu (gốc, hướng) và tỷ lệ (kích thước não). Do đó, các não được điều chỉnh theo ICBM-152 thường lớn hơn, hướng mũi xuống nhiều hơn, và dịch chuyển hơi xuống so với các não điều chỉnh theo TAL. Phân tích toàn bộ não về sự khác biệt tọa độ MNI/Talairach đã cho thấy một mẫu hình ellipsoid với sự khác biệt dao động từ 0 tại một điểm sâu bên trong bán cầu trái lên đến hơn 1 cm cho một số khu vực não phía trước. Sự khác biệt tọa độ MNI/Talairach thường ít hơn cho các não được điều chỉnh bằng FSL. Biến đổi mni2tal thường giảm sự khác biệt tọa độ MNI/Talairach cho các khu vực não phía dưới nhưng tăng sự khác biệt cho các khu vực phía trước, phía sau và phía trên. Mẫu sự khác biệt tọa độ khác nhau cho các mẫu não (MNI-305, ICBM-152) khi sử dụng cùng một phương pháp điều chỉnh (FSL/FLIRT ) và cho các phương pháp điều chỉnh khác nhau (SPM2, FSL/FLIRT ) khi sử dụng cùng một mẫu (ICBM-152). Một biến đổi MNI-đến-Talairach (MTT) để điều chỉnh thiên lệch giữa các tọa độ MNI và Talairach đã được hình thành bằng cách sử dụng phân tích phù hợp nhất trên một trăm hình ảnh não MR 3-D độ phân giải cao. Các biến đổi MTT được tối ưu hóa cho SPM2 và FSL đã cho thấy giảm sự khác biệt tọa độ trung bình nhóm MNI/Talairach từ 5-13 mm xuống 1-2 mm cho cả các khu vực não sâu và bề mặt. Các biến đổi MTT cung cấp một phương tiện đã được xác nhận để chuyển đổi tọa độ MNI thành các tọa độ tương thích với Talairach cho các nghiên cứu sử dụng SPM2 hoặc FSL/FLIRT với mẫu ICBM-152. Hum Brain Mapp 2007. © 2007 Wiley‐Liss, Inc.
Tập 28 Số 11 - Trang 1194-1205 - 2007