XiaoMi-AI文件搜索系统
World File Search SystemFreeSurfer
0004-282X20160028.pdf - Thieme Connect
多发性硬化症 (MS) 是一种影响中枢神经系统 (CNS) 的慢性炎症性脱髓鞘疾病，大多数患者的特点是复发缓和型病程。在过去的二十年里，越来越多获批的 MS 药物显示出对临床复发和与 CNS 炎症活动相关的磁共振成像 (MRI) 病变的疗效。尽管 MS 治疗对进行性疾病过程的效果有限 1 ，但这可能不仅仅与疾病复发随时间的积累所造成的损害有关 2 。在疾病的早期阶段就已经可以观察到轴突丢失 3 ，这表明神经退行性机制可能在长期残疾中发挥作用。通过 MRI 扫描测量的脑萎缩可能是一种量化神经元和轴突丢失的非侵入性工具。 4 有趣的是，在首次发生临床事件的患者和高度提示 MS 的放射学孤立综合征病例中已经可以看到脑容量的减少 5 。脑萎缩还与认知能力下降和残疾进展有关 3 ，并可能预测从临床孤立综合征转变为确诊的 MS 6 。在本期 Arquivos de Neuropsiquiatria 中，Rojas 等人 7 回顾了脑萎缩在临床实践中的影响。用于测量脑萎缩的神经影像学技术包括自动和半自动方法（横向和纵向），具有一定的可重复性。在用于估计脑容量损失的几种 MRI 技术中，有几种可用的横断面和纵向方法（例如脑实质分数 - BPF、使用萎缩标准化的结构图像评估 - SIENA、Freesurfer、基于体素的形态测量和脑边界移位积分）。BPF 和 SIENA 是最常用的。 3 然而，这些方法在日常实践中应用时可能会产生一些技术困难。几年前，Figueira 等人 8 提出了胼胝体指数，这是一种与 BPF 相关的形态测量参数，可以潜在地区分复发缓解型和进行性 MS。然而，考虑到可能导致脑容量减少的混杂因素，如假性萎缩现象、也可能导致脑萎缩的伴随疾病（如心血管危险因素、中风）以及缺乏考虑到临床实践中常见的其他因素的标准参数 3 ，应在大量 MS 人群中验证所提出方法的可重复性及其应用。尽管如此，将其中一些研究转化为临床实践可能只是时间和资源分配的问题。Rojas 等人 7 还讨论了与整体或节段性脑容量减少相关的残疾进展和认知障碍。整体灰质体积减少与运动障碍的进展相关，而灰质和白质损失都与认知障碍有关 3 。此外，Steenwijk 等人 9 最近发现，多发性硬化症中的脑萎缩以非随机方式发生，并描述了与认知功能障碍相关的不同解剖模式。以扩展残疾状态量表 (EDSS) 评分衡量的身体功能障碍与双侧感觉运动皮质和双侧岛叶的皮质厚度变化相关，而认知与双侧后扣带皮质和双侧颞极的皮质萎缩相关。在另一项研究中，Damasceno 等人 10 评估了 42 名接受治疗且未达到疾病活动证据 (NEDA) 9 状态的复发缓解型多发性硬化症患者的功能测试、认知和脑萎缩情况，
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018