跳到正文
原文
Human Brain Mapping· Neel M. Desai, Haochang Shou, Noah Hillman 等 10 人
· 7 天前精选AI 评分66

用非线性生物学关联协调纵向多扫描仪神经影像数据

Harmonization of Longitudinal Multi‐Scanner Neuroimaging Data With Nonlinear Biological Associations

AI 导读

多中心、多扫描仪汇总影像数据能提高统计效力,但来源特异的技术变异会干扰生物学信号的估计。作者在 ComBat 基础上提出可纳入非线性生物学关联的纵向协调方法,用模拟数据与现有纵向 ComBat 方法比较,并在巴尔的摩老龄化纵向研究与阿尔茨海默病神经影像计划共 504 名被试的脑体积数据上检验,发现多数脑区存在加性与乘性的研究特异效应,经该方法协调后这些效应被去除。

推荐理由

在 ComBat 基础上允许非线性生物学关联的纵向多源影像协调方法,用 BLSA 与 ADNI 共 504 名被试的脑体积数据检验,模拟中优于现有纵向 ComBat 方法。

摘要 · AI 翻译

跨多个来源(通常是扫描仪或成像站点)的神经影像数据聚合,在开展推断时具有提高统计功效的潜力。然而,样本量增加对推断带来的额外益处,可能会受到不期望的来源特异性技术变异性的阻碍,这种变异性会增加估计感兴趣的生物信号的难度。为解决这一问题,近期基于 ComBat(一种最初为基因组学开发的批次校正程序)的方法已被开发出来,用于横断面和纵向神经影像数据。虽然这些方法成功去除了技术性的批次特异性变异性,但它们将考虑范围限制在线性生物学关联上。在本文中,我们介绍一种基于 ComBat 的方法,用于协调纵向多源成像数据,该方法能够考虑感兴趣的非线性生物学关联。我们通过模拟证明,在存在非线性生物信号的情况下,我们的方法优于现有的为纵向成像数据设计的基于 ComBat 的方法,尤其是在相关生物学协变量的观测值在各来源之间缺乏实质性重叠的情形下。使用来自巴尔的摩老龄化纵向研究(BLSA)和阿尔茨海默病神经影像学倡议(ADNI)合并的 504 名受试者的体积测量,我们识别出大量脑区同时存在加性和乘性的研究特异性效应,并证明在我们方法协调后的数据上这些效应被有效去除。所提方法在捕捉多种类型生物学关联方面的灵活性,使其成为一种可用于协调纵向生物医学数据的通用程序。

中文由 AI 翻译,仅供参考,以原文为准。

来源:Human Brain Mapping · onlinelibrary.wiley.com

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。