Mitigating head motion artifact in functional connectivity MRI.
Mitigating head motion artifact in functional connectivity MRI.
复制标题
DOI：
10.1038/s41596-018-0065-y
复制
发表时间：
2018-12
期刊：
影响因子：
14.8
通讯作者：
Satterthwaite TD
中科院分区：
文献类型：
--
作者：
Ciric R;Rosen AFG;Erus G;Cieslak M;Adebimpe A;Cook PA;Bassett DS;Davatzikos C;Wolf DH;Satterthwaite TD
在功能性磁共振成像（fMRI）采集过程中，参与者的运动会产生虚假的信号波动，这可能会混淆功能连接的测量。如果不进行缓解，运动伪影可能会使关于连通性和个体差异之间关系的统计推断产生偏差。为了抵消运动伪影，该协议描述了一种高性能去噪策略的实现，该策略结合了一组模型特征，包括生理信号、运动估计和数学扩展，以针对受试者运动的广泛和焦点效应。该方法可以将功能连接性研究中与运动相关的方差降低到接近零，在大数据集上提供比最小处理方法高出百倍的改进。根据模型规格和数据维度的不同，图像去噪需要对每张图像进行40分钟到4小时的计算。该协议还包括用于评估去噪策略的性能的指令。相关软件使用已建立的图像处理库（FSL、AFNI和ANT）和新的流水线软件（XCP系统，可从Github下载：http：//github.com/PennBBL/xcpEngine）的组合来实现所有去噪和诊断程序。
Participant motion during functional magnetic resonance image (fMRI) acquisition produces spurious signal fluctuations that can confound measures of functional connectivity. Without mitigation, motion artefact can bias statistical inferences about relationships between connectivity and individual differences. To counteract motion artefact, this protocol describes the implementation of a high-performance denoising strategy that combines a set of model features, including physiological signals, motion estimates, and mathematical expansions, to target both widespread and focal effects of subject movement. This method can reduce motion-related variance to near zero in studies of functional connectivity, providing up to a hundredfold improvement over minimal processing approaches in large data sets. Image denoising requires 40 minutes to 4 hours of computing per image, depending on model specifications and data dimensionality. The protocol additionally includes instructions for assessing the performance of a denoising strategy. Associated software implements all denoising and diagnostic procedures using a combination of established image processing libraries (FSL, AFNI, and ANTs) and new pipeline software (the XCP system, downloadable from Github: http://github.com/PennBBL/xcpEngine).
登录
查看更多内容
影响因子：
5.7
作者：
Dosenbach NUF;Koller JM;Earl EA;Miranda-Dominguez O;Klein RL;Van AN;Snyder AZ;Nagel BJ;Nigg JT;Nguyen AL;Wesevich V;Greene DJ;Fair DA
通讯作者：
Fair DA
影响因子：
2.5
作者：
Faraji-Dana, Zahra;Tam, Fred;Graham, Simon J.
通讯作者：
Graham, Simon J.
影响因子：
5.7
作者：
Avants BB;Tustison NJ;Song G;Cook PA;Klein A;Gee JC
通讯作者：
Gee JC
DOI：
10.1088/1742-5468/2008/10/p10008
发表时间：
2008-10-01
影响因子：
2.4
作者：
Blondel, Vincent D.;Guillaume, Jean-Loup;Lefebvre, Etienne
通讯作者：
Lefebvre, Etienne
影响因子：
5.7
作者：
Bright, Molly G.;Murphy, Kevin
通讯作者：
Murphy, Kevin