Groupwise structural parcellation of the whole cortex: A logistic random effects model based approach.
Groupwise structural parcellation of the whole cortex: A logistic random effects model based approach.
复制标题
整个皮质的分组结构分割：基于逻辑随机效应模型的方法。
DOI：
10.1016/j.neuroimage.2017.01.070
复制
发表时间：
2018-04-15
期刊：
影响因子：
5.7
通讯作者：
Wassermann D
中科院分区：
文献类型：
--
作者：
Gallardo G;Wells W 3rd;Deriche R;Wassermann D
目前的理论认为，大脑功能与通过轴突束的远程物理连接（即外在连接）高度相关。然而，获得基于外部连接的分组皮质分区仍然具有挑战性。当前的分割方法的计算成本很高；需要调整多个参数或依赖临时约束。此外，这些方法都没有提出皮质外在连接的模型。为了解决这些问题，我们提出了一种用于外部连接的简约模型和一种基于束图聚类的有效分割技术。我们的技术允许创建整个皮层的单个主题和分组分区。用我们的技术获得的分区与文献中的结构和功能分区一致。特别是，运动皮层和感觉皮层的细分与彭菲尔德的人类小人一致。我们通过将生成的地块与人类连接组项目数据中包含的电机带映射进行比较来说明这一点。
Current theories hold that brain function is highly related to long-range physical connections through axonal bundles, namely extrinsic connectivity. However, obtaining a groupwise cortical parcellation based on extrinsic connectivity remains challenging. Current parcellation methods are computationally expensive; need tuning of several parameters or rely on ad-hoc constraints. Furthermore, none of these methods present a model for the cortical extrinsic connectivity of the cortex. To tackle these problems, we propose a parsimonious model for the extrinsic connectivity and an efficient parceling technique based on clustering of tractograms. Our technique allows the creation of single subject and groupwise parcellations of the whole cortex. The parcellations obtained with our technique are in agreement with structural and functional parcellations in the literature. In particular, the motor and sensory cortex are subdivided in agreement with the human homunculus of Penfield. We illustrate this by comparing our resulting parcels with the motor strip mapping included in the Human Connectome Project data.
登录
查看更多内容
影响因子：
3.5
作者：
Garyfallidis E;Brett M;Amirbekian B;Rokem A;van der Walt S;Descoteaux M;Nimmo-Smith I;Dipy Contributors
通讯作者：
Dipy Contributors
影响因子：
10.9
作者：
Pohl, Kilian M.;Fisher, John;Wells, William M.
通讯作者：
Wells, William M.
影响因子：
10.9
作者：
Lefranc, Sandrine;Roca, Pauline;Riviere, Denis
通讯作者：
Riviere, Denis
DOI：
10.1073/pnas.1418198112
发表时间：
2015-05-26
影响因子：
11.1
作者：
Reveley, Colin;Seth, Anil K.;Ye, Frank Q.
通讯作者：
Ye, Frank Q.
影响因子：
4.8
作者：
Moreno-Dominguez, David;Anwander, Alfred;Knoesche, Thomas R.
通讯作者：
Knoesche, Thomas R.