个体化预测不同预处理流程下功能磁共振连接估计的差异
Personalized Prediction of Differences in fMRI Connectivity Estimates Across Preprocessing Pipelines
预印本 · 尚未经过同行评审
纵向功能磁共振常用于追踪疾病进展或治疗反应中的功能连接变化，但测量值受预处理影响，且干扰回归与时间滤波对不同个体的作用不同。研究在 69 名 ADNI 被试的三次扫描中测量干扰回归与滤波单独及依次施加后功能连接的变化，用岭回归模型结合第三次扫描的基线连接预测颠倒处理顺序的效应，仅 4 个系数在 79,800 条连接间共享。留一被试测试中均方误差为 0.012，优于对所有人预测同一平均响应的 0.017，也优于为每名被试从七种备选预测中挑出的最佳者；在 69 名被试中的 44 名误差更低，且该优势在控制采集变量后仍存在。ADNI 训练的模型未经重新拟合即降低了 10 名 Midnight Scan Club 被试的平均误差。
人脑纵向功能磁共振成像对于追踪与疾病进展或治疗反应相关的功能连接（FC）变化具有重要价值。即便如此，测得的 FC 值依赖于预处理，且干扰回归与时间滤波对个体的影响各不相同。我们考察了能否利用较早的扫描来预测预处理将如何影响较晚的一次扫描。在 69 名接受三次扫描的 ADNI（阿尔茨海默病神经影像学倡议）参与者中，我们测量了干扰回归与滤波（单独及按顺序）如何改变测得的 FC。一个岭回归模型将这些响应与来自第三次扫描的基线 FC 结合，以预测颠倒处理顺序的效果。仅四个系数在 79,800 个连接间共享。在留一参与者交叉验证中，均方误差为 0.012，而针对每个人预测相同平均响应的误差为 0.017。它优于为每位参与者选择的七种替代预测中的最佳者（0.013；归一化增益 0.069，95% bootstrap 区间 0.006–0.134），在 69 名参与者中的 44 名中误差更低。使用每个人较早响应而非参与者间平均值所带来的约一半收益，来自哪些连接发生了变化。在考虑采集变量后，这一优势依然存在。经 ADNI 训练的模型在未重新拟合的情况下降低了十名 Midnight Scan Club 参与者的平均误差。这些结果支持利用个人预处理历史来预测新采集扫描上连接估计的变化。
中文由 AI 翻译，仅供参考，以原文为准。
来源：bioRxiv · Neuroscience · biorxiv.org