跳到正文
原文
bioRxiv · Neuroscience· Zhou, A., Coalson 等 22 人
精选AI 评分64

用非负矩阵分解对精确对齐的保纤维方向概率纤维追踪连接组进行数据驱动分解

Data-Driven Decomposition of Precisely Aligned Fiber-Orientation-Preserving Probabilistic Tractography Connectomes with Non-Negative Matrix Factorization

预印本 · 尚未经过同行评审

AI 导读

人类连接组计划在功能连接上已有多种数据驱动分解方法,结构连接方面的类似工作较少。作者用多模态非线性配准对齐白质纤维束与灰质核团,用白质层级建模方法对齐体素级纤维方向,在图形处理器加速下存储全分辨率概率追踪矩阵,再对个体平均后的矩阵做非负矩阵分解。输出包括配套软件流程、一个新的年轻成人容积标准空间,以及可经非负对偶回归投影回个体的可重复分解结果。原文为预印本,尚未经同行评审。

推荐理由

用多模态非线性配准与白质纤维方向对齐,把全分辨率概率纤维追踪矩阵存成稀疏格式,再用非负矩阵分解拆出白质纤维束与灰质投射区。

摘要 · AI 翻译

人类连接组计划(HCP)的主要目标是刻画人脑的结构连接与功能连接。尽管在功能连接方面已有大量工作,包括应用多种数据驱动的分解方法,但HCP的结构连接受到的关注较少。本工作提出了一系列方法学进展,这些进展结合起来,使得类似的方法能够应用于扩散纤维束成像数据。在此,我们使用FSL的多模态配准框架(MMORF)进行多模态非线性体积对齐,以精确对齐白质纤维束和球状灰质核团;使用白质分层建模(WHIM)方法对齐体素级纤维取向;并借助上述MMORF与WHIM对齐,结合基于区域特征的皮层表面配准,实现全分辨率概率性灰质×白质×纤维稀疏纤维束成像矩阵的高效GPU加速计算与存储,且在不同个体间精确对齐。这些纤维束成像稠密连接组可在个体间平均,并可应用稀疏、计算高效的非负矩阵分解(NMF)进行数据驱动分解,得到白质纤维束和灰质投射区域。迄今为止,这项工作的主要产出为:1)一套支持此类分析的HCP软件流程;2)一个新的、无偏的、源自HCP的体积标准空间,该空间代表年轻成人大脑,并在个体间遵循ACPC方向约定;3)将HCP年轻成人纤维束成像数据可重复地NMF分解为白质纤维束和灰质投射区域,并可使用非负对偶回归将这些分解结果投射回个体。这些数据为新一代人脑白质数据驱动图谱构建工作提供了起点,这些方法可应用于研究发育、衰老和脑疾病中的白质。

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。