跳到正文
原文
bioRxiv · Neuroscience· Imam, S. H.
精选AI 评分63

ASTEROID:基于图论的功能磁共振分析决策的经校验标注数据集

ASTEROID, A Validated Annotated Dataset of Analytical Decisions in Graph Theory Based fMRI

预印本 · 尚未经过同行评审

AI 导读

图论功能磁共振研究的分析流程复杂,方法决策多散落在非结构化文本中,难以系统比较。作者从 156 篇人类功能磁共振研究论文出发,建立含 125 个标签的标注框架,其中 61 个为方法学标签、64 个为研究特征与实验设计标签,覆盖预处理、功能连接和图分析决策的步骤顺序、软件、算法与参数。标注由大语言模型辅助生成,再经自动质量控制和专家人工审核,随文提供提示词说明、处理脚本与交互查看器。

推荐理由

从 156 篇图论功能磁共振研究里整理出 125 个标注标签的结构化数据集,含预处理、功能连接与图分析决策,并附提示词、处理脚本和交互查看器。

摘要 · AI 翻译

基于图论的功能磁共振成像(fMRI)研究使用复杂的分析流程,但方法学决策往往以非结构化文本形式报告,这限制了对研究的系统比较以及多宇宙分析(multiverse analyses)的设计。在此,我们介绍 ASTEROID,一个从 156 篇基于图论的人类 fMRI 研究出版物中衍生的结构化标注数据集。其模式包含 125 个标签,其中 61 个方法学标签和 64 个研究特征与实验设计标签。一个 LLM 辅助的工作流生成了初始标注,随后经过自动化质量控制检查和专家人工审核。该数据集涵盖了预处理、功能连接和图分析决策。在这些类别中,包含了步骤及其顺序、软件、算法、参数以及可获取的支持性文本片段。本配套论文提供了提示词规范、处理脚本和文档,并描述了一个支持探索标注模式和研记录交互式查看器。ASTEROID 能够比较所报告的分析选择、为基于多宇宙的稳健性分析提供有依据的设计,并支持 fMRI 数据分析的自动化方法学信息提取工具和教育资源的开发与评估。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。