关于脑区的划分方法及一些模板说明

关于脑区的划分方法及一些模板说明

  • 前言
  • 脑区划分方法的种类
  • 一些标准的脑区划分模板
  • 参考文献

前言

原创文章,未经同意请勿转载

Status: Completed
Author: xioabai_Ry
Time to Note: March 23, 2022

这里主要记录之前自己调研的有关脑区的划分方法及一些标准的脑区划分模板,其中,这里的模板主要是针对MRI的。其中脑影像/信号数据的划分方法没有在笔者的考虑范围内。

下面主要分为 【脑区划分方法的种类】 和常见的 【一些标准脑区划分模板】 的说明。
在这里插入图片描述

脑区划分方法的种类

在这里插入图片描述

  • 根据《The Human Brainnetome Atlas and its Applications in Understanding of Brain Functions and Disorders》的参考文献 【文章链接、视频链接】

脑网络组(brainnetome)是由两个基本要素构成:

  • 一是网络的节点(node)
  • 二是节点跟节点的连接(connection)。

而脑网络组至少可以从三个不同的尺度进行定义和研究:

  • 节点为神经元(neuron)的微观尺度
  • 节点为神经元群的介观尺度(mesoscale)
  • 节点为脑区的宏观尺度

上图是蒋田仔老师团队整理的脑图谱发展历程(2019年)。脑图谱绘制,某种意义上就是图像处理。它是在寻找具有不同特性的脑区之间的边界,某种意义上就是一种图像分割。

最早的图谱叫Brodmann图谱。目前而言,该图谱是脑认知及脑疾病研究中使用得比较多的图谱。Brodmann图谱主要是基于细胞构筑进行绘制的脑图谱。Brodmann把皮层分成了52个不同的区域。现在看来,这个分区是非常粗糙的,而且有好多边界其实是错的。


📌 根据FSL的教程,脑区的划分方法(脑图谱中节点的定义)主要分为三种:

(1)解剖学上的脑图谱(结构模板,Anatomical atlases)

尽可能避免,因为通常基于少量被试,对功能边界不能良好的估计

(2)功能性划分的脑图谱(功能模板,Functional atlases)

虽然很少有⽐较研究,但可以使⽤许多功能良好的模板

(3)数据驱动下的脑图谱(数据驱动分区,Data-driven parcellation)

一些标准的脑区划分模板

在这里插入图片描述

  • 在BrainNet Viewer工具箱中
    In BrainNet Viewer, we provided several brain surface templates and example files (which were made from various brain parcellation methods) including (1) Colin brain, smoothed Colin brain, Colin brain with cerebellum, ICBM152 brain (MNI/Talaraich), smoothed ICBM152 brain (MNI/Talaraich), hemispheres of ICBM152, hemispheres of smoothed ICBM152 brain surface and a cerebellum surface in the folder ‘.\Data\SurfTemplate’; and (2) node and edge files for Automated Anatomical Labeling (AAL, 90 regions) (Tzourio-Mazoyer et al., 2002), Brodmann areas (82 regions) (Brodmann, 1909), Desikan-Killiany Atlas (68 regions) (Desikan et al., 2006), Harvard-Oxford Atlas (HOA, 112 regions) (Smith et al., 2004), ROIs defined by Dosenbach et al.(160 ROIs) (Dosenbach et al., 2010), ROIs defined by Fair et al. (34 ROIs) (Fair et al., 2009), LONI Probabilistic Brain Atlas (40 regions) (Shattuck et al., 2008), ROIs defined by Power et al. (264 ROIs) (Power et al., 2011) and others (e.g., customized ROIs by users) in the folder ‘.\Data\ExampleFiles’.

  • 在FSL/Freesurfer工具箱中 ( https://osf.io/k89fh/wiki/Surface/ )

    • Icosahedron
      Here we have provided different resolutions of tesselation with 42, 162, 362, 642, 1002, and 1442 tessels per hemisphere. They are named accordingly (e.g. Icosahedron-42 vs. Icosahedron-162).
    • Brodmann area probabilistic atlas
      The Brodmann area (BA) probabilistic atlas is created using a probabilistic cytoarchitectonic map (Fischel et al., Cerebral Cortex, 2008).
      Power 2011
      This thirteen network parcellation was defined using graph theory on resting-state fMRI data, using both parcel- (AAL atlas) and voxel-based methods.
  • 一个模板汇集的网站信息 (Cortical Atlas Parcellations (MNI-Space) – Lead-DBS)

    注:
    Craddock 200 and Craddock 400 parcellations that contain 200 and 392 ROIs
    AAL90,其它还有AAL116,Brodmann82,Power264,Gordon333

这个网站包含一些比较新提出来的脑图模板

(1)在BrainNet Viewer工具箱中,AAL模板中只含有90个regions(有些工具箱子是116,为什么是呢?116 AAL ROIs, 90 of which were located in the cerebral cortex(大脑皮层), 8 in the subcortical gray matter(皮层下灰质), and 18 in the cerebellum(小脑). 实际中, AAL模板有多个版本,具体可见:AAL-AAL3变化数据记载,而AAL模板所对应的各脑区功能在其中可见(网上有易获取的资源)

(2) Yeo模板也一直在更新之中,也有多个ROIs的版本,具体可见:https://github.com/ThomasYeoLab/CBIG/tree/master/stable_projects/brain_parcellation/Schaefer2018_LocalGlobal

(3)Fair 2009 年 【34 ROIs】的论文作者中也有Power JD(第三作者),但Power JD2011年以第一作者发表了 264 ROIs

(4)在BrainNet Viewer中,HO模板采用2004年文章的设定【112 ROIs】,而在2006年的文章中为 138 ROIs,96 were located in the cerebral cortex, 15 covered subcortical gray matter, and 27 were located in the cerebellum.

参考文献

  • FSL的官方教程
  • 几种常见的功能性脑网络划分方式
  • AAL模板
  • BrainNet Viewer:人类大脑连接的网络可视化工具

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/219597.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Web前端-HTML(表格与表单)

文章目录 1.表格与表单1.1 概述 2.表格 table2.1 表格概述2.2. 创建表格2.3 表格属性2.4. 表头单元格标签th2.5 表格标题caption(了解)2.6 合并单元格(难点)2.7 总结表格 3. 表单标签(重点)3.1 概述3.2 form表单3.3 input 控件(重点)type 属性value属性值…

机器学习算法---聚类

类别内容导航机器学习机器学习算法应用场景与评价指标机器学习算法—分类机器学习算法—回归机器学习算法—聚类机器学习算法—异常检测机器学习算法—时间序列数据可视化数据可视化—折线图数据可视化—箱线图数据可视化—柱状图数据可视化—饼图、环形图、雷达图统计学检验箱…

【Redis】AOF 基础

因为 Redis AOF 的实现有些绕, 就分成 2 篇进行分析, 本篇主要是介绍一下 AOF 的一些特性和依赖的其他函数的逻辑,为下一篇 (Redis AOF 源码) 源码分析做一些铺垫。 AOF 全称: Append Only File, 是 Redis 提供了一种数据保存模式, Redis 默认不开启。 AOF 采用日志的形式来记…

写好ChatGPT提示词原则之:清晰且具体(clear specific)

ChatGPT 的优势在于它允许用户跨越机器学习和深度学习的复杂门槛,直接利用已经训练好的模型。然而,即便是这些先进的大型语言模型也面临着上下文理解和模型固有局限性的挑战。为了最大化这些大型语言模型(LLM)的潜力,关…

.NET core 搭建一个跨平台的 Web Service

以前搭建的webservice 都是基于.NET fromwork的,我们知道.NET fromwork是非跨平台的,只能部署在iis上,今天教大家用.NET core搭建一个可跨平台的Web Service 新建一个.net core空项目 给项目起一个名字 选一个.net框架,我这里选…

电脑开机出现:CLIENT MAD ADDR (网卡启动系统)的解决办法

文章目录 前言步骤1、确定情况2、对症下药——关闭网卡启动 补充1、关于BIOS2、关于PXE 前言 最近给旧电脑重装系统安了下开发环境和常用软件啥的,之前还好好启动的电脑,开机突然需要额外加载一个页面,虽然最后正常启动了不影响使用&#xf…

60.Sentinel源码分析

Sentinel源码分析 1.Sentinel的基本概念 Sentinel实现限流、隔离、降级、熔断等功能,本质要做的就是两件事情: 统计数据:统计某个资源的访问数据(QPS、RT等信息) 规则判断:判断限流规则、隔离规则、降级规…

亚马逊云科技 re:Invent 大会 - S3 对象存储华丽升级

亚马逊云科技 re:Invent 大会 - S3 对象存储华丽升级 本篇文章授权活动官方亚马逊云科技文章转发、改写权,包括不限于在 亚马逊云科技开发者社区, 知乎,自媒体平台,第三方开发者媒体等亚马逊云科技官方渠道。 文章目录 亚马逊云科技 re:Inv…

Flink系列之:大状态与 Checkpoint 调优

Flink系列之:大状态与 Checkpoint 调优 一、概述二、监控状态和 Checkpoints三、Checkpoint 调优四、RocksDB 调优五、增量 Checkpoint六、RocksDB 或 JVM 堆中的计时器七、RocksDB 内存调优八、容量规划九、压缩十、Task 本地恢复十一、主要(分布式存储…

智能优化算法应用:基于JAYA算法3D无线传感器网络(WSN)覆盖优化 - 附代码

智能优化算法应用:基于JAYA算法3D无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用:基于JAYA算法3D无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.JAYA算法4.实验参数设定5.算法结果6.参考文献7.MA…

【MySQL】MySQL表的操作-创建查看删除和修改

文章目录 1.创建表2.查看表结构3.修改表4.删除表 1.创建表 语法: CREATE TABLE table_name (field1 datatype,field2 datatype,field3 datatype ) character set 字符集 collate 校验规则 engine 存储引擎;说明: field 表示列名datatype 表示列的类型…

flask简单应用-1

目标: 做一个搜索网页,搜索当前路径下是否含有指定关键字的文件,如果有就列出来,没有返回消息 第一步:我们需要先显示一个搜索页面,页面上需要有一个可以输入的对话框,一个按钮执行搜索 建立ht…

基于开源的JAVA mongodb jdbc 驱动 使用教程

基于开源的JAVA mongodb jdbc 驱动 使用教程介绍 介绍 本文介绍一款开源的基于JAVA的 Mongodb JDBC 驱动使用教程 开源地址 https://gitee.com/bgong/jdbc-mongodb-driver功能价值 与mybaits融合:复用mybatis的功能特性,如:缓存,if动态判断标签等特…

[计网01] 物理层 详细解析笔记,特性

计算机网络的物理层是网络协议栈中的第一层,负责传输原始的比特流(bitstream)通过物理媒介进行通信。物理层主要关注传输介质、信号的编码和调制、数据传输速率以及数据传输的物理连接等方面。 相关特性 机械特性(Mechanical Ch…

【JAVA】CyclicBarrier源码解析以及示例

文章目录 前言CyclicBarrier源码解析以及示例主要成员变量核心方法 应用场景任务分解与合并应用示例 并行计算应用示例 游戏开发应用示例输出结果 数据加载应用示例 并发工具的协同应用示例 CyclicBarrier和CountDownLatch的区别循环性:计数器的变化:用途…

C# 命令行参数解析库示例

写在前面 在日常开发中,我们经常会用到命令行参数,比如cmd下的各种指令;还有C#的控制台类型的项目,在默认入口Main函数中,那个args参数,就是有系统传入到程序进程的命令行参数;在传入的参数相对…

晚期食管癌肿瘤治疗线程分类

文章目录 1、肿瘤治疗的线数1.1 基础概念1.2 线程定义1.3 如何计算治疗线数 2 食管癌治疗指南2.1 食管癌诊疗指南2.1 CSCO 本文前半部分主要来源于参考文件1,其余部分来源于官方指南。无原创内容,全部为摘要。 1、肿瘤治疗的线数 1.1 基础概念 抗肿瘤药…

信息安全和网络安全的区别

信息安全与网络安全都属于安全领域,但它们的范围和重点不同。 信息安全主要关注数据的保护,包括对敏感数据进行加密、防止数据丢失或泄露等措施。信息安全通常与数据存储、传输和处理相关。 而网络安全更侧重于保护计算机系统和网络免受攻击、病毒、蠕…

SCI一区级 | Matlab实现GWO-CNN-GRU-selfAttention多变量多步时间序列预测

SCI一区级 | Matlab实现GWO-CNN-GRU-selfAttention多变量多步时间序列预测 目录 SCI一区级 | Matlab实现GWO-CNN-GRU-selfAttention多变量多步时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.Matlab实现GWO-CNN-GRU-selfAttention灰狼算法优化卷积门控循环…

I.MX RT1170双核学习(3):多核管理之MCMGR源码分析详解

本文通过SDK中最简单的hello_world例程来说明一下双核程序如何运行。在CM7和CM4的工程中都有一个MCMGR(Multicore Manager)文件夹,它是用来管理多核之间的操作的,当然也包括我们前面提到的那些寄存器的设置。 文章目录 1 MCMGR_EarlyInit1.1 MCMGR_Trigg…