Mar, 2020

fMRI 分析的精细功能模式图册

PDF
TL;DR我们提出了精细分辨率的功能模式图册 (DiFuMo)，由 64 到 1024 个网络组成，很好地提取了降维信号，以及对大量数据处理技术进行了比较和解释。
functional imagingbrain atlasesdifumofunctional modesscalability challenges
发现论文，激发创造
  • 跨主体学习和比较功能连接组

    本文综述了功能连接组的快速发展和多种方法，在静息状态下和任务驱动实验中如何比较它们，同时分析它们在不同个体和条件下的变异性，可以揭示大脑病理和认知机制的标记。

    Apr, 2013

  • 使用多尺度图谱构建的分层图卷积网络用于脑障碍诊断和功能连接

    本研究提出了一种基于多尺度图谱和深度学习的方法，使用具有生物意义的多尺度图谱计算多尺度功能连接网络，并结合多尺度网络中区域之间的生物意义关系进行诊断信息提取，以实现更好地理解脑部疾病的神经病理学。实验证明该方法在阿尔茨海默病、轻度认知障碍和自闭症谱系障碍的诊断中比其他竞争方法更具优势。

    Sep, 2022

  • 基于结构化图像的快速聚类方法，用于可扩展的统计分析

    本文旨在通过探究基于快速聚类的交替方案，用于替代耗时的函数评估来降低记忆需求，从而处理大规模的脑成像数据。结果表明，基于聚类的压缩在提高之后的估计步骤的精度方面有良好的效果，能够用于分析大型数据集。

    Nov, 2015

  • 脑协方差选择：利用群体先验改进个体功能连接模型

    通过建立整个脑部的概率模型，利用群体数据来推断个体的脑连接结构，进而探索大规模的功能结构，以及首次展示已知的认知网络是如何成为功能连接图的集成社团的。

    Aug, 2010

  • 大规模生成模型的视觉探索：基于脑扩散的皮层发现

    该研究通过结合大规模扩散模型和脑图像合成的方法，介绍了 BrainDiVE（Brain Diffusion for Visual Exploration），该方法有效地从自然图像和功能磁共振成像数据中合成预测激活给定脑区域的图像，并验证了 BrainDiVE 在人类视觉皮层的 fine-grained functional organization 的应用及假设驱动方法的作用。

    Jun, 2023

  • 大规模神经影像学研究中，异质性临床脑 MRI 扫描的皮质分析

    本研究提出了第一种方法，用于对任何分辨率和脉冲序列的临床脑 MRI 扫描进行皮层重建，配准、分割和厚度估计。

    May, 2023

  • 利用立方体持久性揭示时变 fMRI 数据的拓扑结构

    使用拓扑学方法编码 fMRI 数据检测时间点后高维空间极小值的并归图，以此来处理数据集中的噪音及人与人之间的差异，并开发了一种聚类和轨迹分析的技术，成功分析儿童和成人在观看电影 “Partly Cloudy” 时的大脑状态和拓扑活动。

    Jun, 2020

  • 结合解剖学知识的大脑功能网络集成贝叶斯分析

    通过采用分层贝叶斯高斯图模型，该研究方法能够利用结构连接知识来估计功能网络，从而提高了功能大脑网络估计的准确性和拓扑特征在扫描会话间的可重复性。

    Feb, 2018

  • 基于空间定位的图谱网络瓦块的 3D 全脑分割

    本文提出了一种名为 SLANT 的方法，结合传统医学图像处理和深度学习， 提供了一种分布式多个独立 3D 全卷积网络进行高分辨率全脑分割的方法， 并将其应用于大量未标记扫描的辅助标签， 与传统多图谱分割方法相比，该方法的性能更优，并将计算时间从 > 30 小时缩短至 15 分钟。

    Mar, 2019

  • 在千人神经影像数据集上实现因素分析

    本研究比较了两种最近的多主体因子分析方法：Shared Response Model 和 Hierarchical Topographic Factor Analysis，对其进行了分析、算法和代码优化，以实现多节点并行应用的规模化，提供较高的速度市场，同时在真实数据集中表现出很好的强伸缩性和在合成数据集中表现出好的弱伸缩性。

    Aug, 2016