XiaoMi-AI文件搜索系统
World File Search System纤维束
如果我们知道白质通路从哪里开始、在哪里结束以及在哪里不去，那么通过扩散 MRI 纤维束成像得到的脑连接在解剖学上可以非常准确
1. 范德堡大学成像科学研究所，范德堡大学，美国田纳西州纳什维尔 2. 范德堡大学医学中心放射学和放射科学系，美国田纳西州纳什维尔 3. 法国波尔多大学 CEA 法国国家科学研究院神经退行性疾病研究所 - UMR 5293 神经功能图像组 4. 加拿大舍布鲁克大学舍布鲁克连接成像实验室 (SCIL) 5. 范德堡大学电气工程与计算机科学系，美国田纳西州纳什维尔 6. 亨利 M. 杰克逊基金会，美国马里兰州贝塞斯达 7. 美国马里兰州贝塞斯达国家生物医学成像和生物工程研究所 8. 美国田纳西州纳什维尔范德堡大学医学中心生物医学工程系 * Kurt G Schilling 电子邮件： kurt.g.schilling.1@vumc.org
使用扩散 MRI 多室模型和纤维束测量技术对老年抑郁症和冷漠症患者进行大脑微结构评估
晚年抑郁症 (LLD) 很常见，会导致残疾，并使患痴呆症的风险加倍。冷漠症可能会造成认知能力下降的额外风险，但对其病理生理学的了解尚不清楚。虽然已经使用扩散张量成像 (DTI) 评估了白质 (WM) 的改变，但该模型不能准确地表示 WM 的微观结构。我们假设更复杂的多室模型将提供 LLD 和冷漠症的新生物标志物。研究纳入了 56 名个体（LLD n = 35，26 名女性，75.2 ± 6.4 岁，冷漠评估量表得分（41.8 ± 8.7）和健康对照者，n = 21，16 名女性，74.7 ± 5.2 岁）。在本文中，我们通过沿纤维束直接插入微观结构指标，采用基于纤维束的方法来研究 LLD 和冷漠症的新型扩散模型生物标志物。我们进行了多元统计分析，并结合主成分分析来降维数据。然后，我们通过展示文献中经典报道的 LDD 修改，同时报告 LLD 中冷漠的生物学基础的新结果，测试了我们框架的实用性。最后，我们旨在研究冷漠与不同纤维束中微观结构之间的关系。我们的研究表明，新的纤维束，如纹状体运动前束，可能与 LLD 和冷漠有关，这为重度抑郁症中的冷漠机制带来了新的启示。我们还发现了 5 个不同束的扩散 MRI 指标的统计变化，这些变化此前曾在严重认知障碍痴呆症中报告过，这表明这些束之间的这些改变都与动机和认知有关，可能解释了冷漠如何成为退行性疾病的前驱阶段。
QFib：快速高效的脑纤维束压缩
摘要 扩散 MRI 纤维追踪数据集可以包含数百万条 3D 流线，它们的表示可能需要数十 GB 的内存。这些流线集称为纤维追踪图，通常用于临床操作或研究。它们的大小使得它们难以存储、可视化、处理或通过网络交换。我们利用通常的追踪算法获取流线的方式，提出了一种非常适合纤维追踪图的新压缩算法。我们的方法基于单位矢量量化方法与空间变换相结合，可实现较低的压缩和解压缩时间以及较高的压缩比。例如，11.5 GB 的纤维追踪图可以压缩为 1.02 GB 的文件，并在 11.3 秒内解压缩。此外，我们的方法允许压缩和解压缩单个流线，从而无需在处理繁重数据集时使用昂贵的核外算法。最后，我们开辟了一条实时压缩和解压缩的方法，用于处理更大的数据集，而无需大量 RAM（即核心处理）、更快的网络交换和更快的可视化或处理加载时间。
实时纤维束成像辅助神经导航用于经颅磁刺激
摘要 最先进的导航经颅磁刺激 (nTMS) 系统可以显示 TMS 线圈相对于受试者大脑结构磁共振图像 (MRI) 的位置并计算感应电场。然而，TMS 的局部效应会通过白质网络传播到大脑的不同区域，目前还没有商业或研究神经导航系统可以在 TMS 期间实时突出显示大脑的结构连接。缺乏实时可视化可能会忽略大脑连接的关键个体间差异，并且无法提供针对大脑网络的机会。相比之下，实时纤维束成像可以即时调整参数和详细探索连接，这在计算上效率低下，并且受限于离线方法。为了针对大脑结构连接，特别是在基于网络的治疗（如重度抑郁症）中，需要一种基于实时纤维束成像的神经导航解决方案来解释每个人独特的大脑连接。这项工作的目的是开发一种实时纤维束成像辅助 TMS 神经导航系统并研究其可行性。我们提出了一个模块化框架，使用并行传输方法将扩散 MRI 数据的离线（准备）分析与在线（实时）概率纤维束成像无缝集成。对于纤维束成像和神经导航，我们分别结合了我们的开源软件 Trekker 和 InVesalius。我们使用合成数据和四名健康志愿者的 MRI 扫描来评估我们的系统，这些数据和扫描数据是通过多壳高角分辨率扩散成像协议获得的。通过比较流线计数和重叠与基于一亿条流线滤波的离线纤维束成像结果来研究四个主要 TMS 目标，评估了我们的在线方法的可行性。我们开发的实时纤维束成像辅助 TMS 神经导航系统展示了先进的纤维束成像技术，具有交互式参数调整和通过创新的不确定性可视化方法实时可视化数千条流线的功能。我们的分析表明，受试者和 TMS 目标在流线数量方面存在相当大的差异，例如，虽然在受试者 #4 的视觉皮层 (V1) 上的 TMS 目标上观察到了 15,000 条流线，但在受试者 #3 的 V1 中，没有获得流线。与离线纤维束图的重叠分析表明，实时纤维束图可以快速覆盖目标区域连接的很大一部分，通常在几秒钟内超过离线方法的覆盖范围。例如，在
经颅磁刺激 (TMS) 种子纤维束成像比解剖种子纤维束成像能更好地预测口才
摘要背景。对于脑肿瘤患者，最大限度地扩大切除范围同时最大限度地减少术后神经系统发病率需要在术前准确识别功能结构。最近的研究提供的证据表明，解剖结构可能并不总能预测功能。在本研究中，我们直接比较了经颅磁刺激 (TMS) 数据结合纤维束成像与传统解剖分级标准，以预测运动功能性神经胶质瘤患者的永久性缺陷。方法。我们选择了 42 名患有周围肿瘤的神经胶质瘤患者，这些患者接受了术前 TMS 映射，随后进行了切除和术中映射。我们从他们的图表中收集了临床结果数据，主要结果是 3 个月随访时出现新的或恶化的运动缺陷，称为“永久性缺陷”。我们将术后切除腔叠加到包含术前成像特征的术前 MRI 上。结果。几乎一半的患者显示 TMS 阳性点明显偏离中央前回，表明肿瘤诱导了神经可塑性。在多元回归中，切除 TMS 点可显著预测永久性缺损，而切除中央前回则不能。无论分数各向异性 (FA) 阈值如何，TMS 纤维束成像对永久性缺损的预测值均明显高于解剖纤维束成像。对于每种方式的最佳 FA 阈值，TMS 纤维束成像为识别真正的不可切除的、功能强大的皮质和皮质下结构提供了更高的阳性和阴性预测值。结论。TMS 已成为一种能够捕捉肿瘤诱导的可塑性重组的术前映射方式，对传统的术前成像方式提出了挑战。
纤维束成像通过测试：扩散成像的结果......
Gabriel Girard a , b , c , 1 , ∗ , Jonathan Rafael-Patiño b , c , 1 , Raphaël Truffet d , Dogu Baran Aydogan e , f , g , Nagesh Adluru h , i , Veena A. Nair i , Vivek Baraka and Prabhabra , Alexander Jr . , k , l , Sara Bosticardo m , n , Ilaria Gabusi m , o , Mario Ocampo-Pineda m , Matteo Battocchio m , p , Zuzana Piskorova m , q , Pietro Bontempi m , Simona Schiavi r , Alessandro Daducci m , fi Sandra Bostika , Stabi , Cisco Tomasz Pieciak s , u , Matteo Frigo v , Sara Sedlar v , Samuel Deslauriers-Gauthier v , Ivana Koj chi ć v , Mauro Zucchelli v , Hiba Laghrissi v , ao , Yang Ji v , Rachid Deriche v , Kurt G Schilling w , Bennett w , Axman , Caccio and Cacci am , Gianpaolo Antonio Basile y , Salvatore Bertino y , Nancy Newlin x , Praitayini Kanakaraj x , Francois Rheault x , Patryk Filipiak z , Timothy M. Shepherd z , Ying-Chia Lin z , Dimitris G. Placantonakis aa , Ferna Ená . errez p , Alonso Ramírez-Manzanares ac , Ricardo Coronado-Leija z , Pablo Stack-Sánchez ac , Luis Concha ad , Maxime Descoteaux p , Sina Mansour L. ae , af , Caio Seguin af , ag , ah , Andrew Zalesky ae , af , c. Ye Wu aj , ak , Sahar Ahmad aj , Pew-Thian Yap aj , Antoine Théberge p , Florence Gagnon p , Frédéric Massi p , Rémy Fischi-Gomez a , b , c , Rémy Gardier c , Juan Luis Villarreal Haro c , Marco Piz c , Emma d'El Caru , Jellian ppe Thiran a , b , c
弥合差距：从神经解剖学知识到脑通路纤维束成像
尽管纤维束成像技术最近取得了进展，但文献中对白质通路的描述与从 dMRI 图像重建和研究白质通路的方法之间仍然存在很大差距。在这里，我们通过提出一种定义白质束的语言（即 WMQL T）和一种根据 WMQL T 查询自动重建通路的工具来应对这一挑战。我们的方法性能高，足够灵活，可以使用多种模态定义束，并允许扩展基于 ROI 的重建方法。利用我们的语言，我们定义了 19 个主要脑束及其细分，并在大量人群中重建它们。我们表明，重建通路的形状及其连接性和侧化与当前的神经解剖学文献一致。最后，我们在两种情况下展示了我们的技术：计算束的功能细分，以及评估惯用手和性别在语言相关束侧化中的作用。
在共同空间内同时映射大脑个体发育和系统发育：标准化纤维束成像和应用
发育和进化对大脑组织的影响是复杂的，但又是相互关联的，正如皮层区域扩张在这些截然不同的时间尺度上的对应性所证明的那样。然而，仍然不可能同时研究皮层区域连接的个体发育和系统发育，这可能比异速测量与大脑功能更相关。在这里，我们提出了一个新框架，允许将人类（成年人和新生儿）和非人类灵长类动物（猕猴）的结构连接图整合到一个共同空间上。我们使用白质束来锚定共同空间，并利用皮层连接模式对这些束的独特性来探测区域专门化。这使我们能够定量研究进化和发育尺度上连接的差异和相似性，揭示大脑成熟轨迹，包括早产的影响，并在不同的大脑之间转换皮层图谱。我们的研究结果为神经解剖学成像的综合方法开辟了新途径。
定量流线纤维束成像：方法与交互...
半全局纤维束图优化算法的最新发展为在扩散磁共振成像 (MRI) 领域进行结构纤维“连接性”的定量评估提供了可能性。然而，由于缺乏对这些方法的后果的认识、理解或认识，这些方法在神经科学研究中的正确应用受到了限制；此外，尚未描述以适当方式使用这些工具以充分利用其定量属性所需的具体步骤。因此，本文有三个目的：提高人们对现有工具试图解决众所周知的流线计数非定量性质的认识；说明为什么这些算法以这种方式工作以产生白质“连接性”的定量估计值（以轴突内总横截面积的形式：“纤维束容量 (FBC)”）；并解释如何正确利用这些结果进行跨受试者的定量纤维束成像分析。
以亚微米分辨率绘制灵长类前额叶皮质全脑兴奋性投射组并与扩散纤维束成像进行比较
1 中国科学院神经科学研究所、神经科学国家重点实验室、脑科学与智能技术卓越创新中心，上海；2 中国科学院大学，北京；3 复旦大学类脑智能科学与技术研究所，上海；4 北京大学心理与认知科学学院、行为与心理健康北京市重点实验室、IDG/麦戈文脑研究中心、北大-清华生命科学中心，北京；5 浙江工业大学信息工程学院，杭州；6 深圳市神经精神调控重点实验室和脑科学协同创新中心、广东省脑连接组与行为重点实验室、中国科学院脑连接组与操控重点实验室、脑认知与脑疾病研究所、深圳先进技术研究院、深港脑科学研究院-深圳基础研究机构，深圳