为了更好地理解大脑,看看更大的图景

为了更好地理解大脑,看看更大的图景
推理方法和层次的概述。(A)估计真阳性率(TPRs)和参数的基准测试程序。(B)基于当前基准研究,在典型样本量中定位和解释结果的能力与检测效应的能力之间的权衡,以及每种方法捕获空间扩展效应的程度。信贷:美国国家科学院院刊(2022)。DOI: 10.1073 / pnas.2203020119

研究人员通过功能性磁共振成像(fMRI)对人类大脑有了很多了解,这种技术可以深入了解大脑功能。但耶鲁大学的研究人员说,典型的功能磁共振成像方法可能会丢失关键信息,只能提供部分图像。

在一项新的研究中,他们评估了各种方法,发现缩小和更广泛的视野可以捕捉到狭窄焦点所遗漏的额外相关信息,从而更好地理解神经相互作用。

此外,这些更广泛的结果可能有助于解决神经影像学的可重复性问题,其中研究中提出的一些发现不能被其他研究人员重现。

研究结果于8月4日发表美国国家科学院院刊

使用功能磁共振成像的研究通常集中在大脑的小区域。作为这种方法的一个例子,研究人员寻找当一个特定的活动被执行时,它们会变得更加“活跃”,锁定激活最强的小区域。但越来越多的证据表明,尤其是复杂的过程,并不局限于大脑的小部分。

“大脑是一个网络。这很复杂,”放射学和生物医学成像副教授、该研究的资深作者达斯汀·沙伊诺斯特说。他说,过度简化会导致不准确的结论。

“对于更复杂的认知过程,大脑的许多区域不太可能完全不参与,”耶鲁大学医学院谢诺斯特实验室的博士后助理、该研究的主要作者斯蒂芬妮·诺布尔补充说。专注于小区域会忽略其他可能涉及被研究行为或过程的区域,这也会影响未来研究的方向。

她说:“你对大脑中实际发生的事情产生了错误的印象。”

在这项研究中,研究人员评估了不同尺度的功能磁共振成像分析在多大程度上能够检测到影响,或参与者进行不同活动时功能磁共振成像信号的变化,从而揭示大脑的哪些部分在活动。他们使用了来自人类连接组项目的数据,该项目收集了个体在执行与情感、语言和社会互动等复杂过程相关的不同任务时的脑部扫描。研究小组在大脑网络的非常小的部分——比如两个区域之间的连接——以及连接集群、广泛的网络和整个大脑中寻找影响。

他们发现,规模越大,他们就越能检测到影响。这种检测效果的能力被称为“能力”。

诺布尔说:“我们通过这些更广泛的方法获得了更好的电力。”

在最小的尺度上,研究人员只能检测到大约10%的影响。但在网络层面,他们可以检测到80%以上的病毒。

额外功能的代价是,更广泛的视图不能像较小规模的分析那样传递空间精确的信息。例如,在最小的尺度上,研究人员可以自信地说,他们观察到的影响在整个小范围内发生。然而,在网络层面上,他们只能说这种影响发生在网络的大部分地区,而不能精确地指出网络中的具体位置。

诺布尔说,这样做的目的是平衡各种方法的利弊。

她说:“你宁愿对一小部分相关信息非常自信,换句话说,对冰山一角有非常清晰的认识吗?”“或者你更愿意看到整个冰山的大图像,可能有点模糊,但能让你感受到事情发生的复杂性和广阔的空间尺度?”

对于其他研究人员来说,这种方法实施起来很简单,Noble说她期待看到其他科学家如何使用它。

她指出,心理学和神经科学领域,包括神经影像学,都面临着可重复性的问题。功能磁共振成像分析的低功率也是原因之一:低功率研究只能揭示故事的一小部分,这可能被视为相互矛盾的,而不是整体的一部分。正如她和她的同事所做的那样,通过增加分析的规模来提高功能磁共振成像的能力,可能是解决再现性挑战的一种方法,通过揭示看似矛盾的结果实际上是如何和谐的

“向上移动。也就是说,从非常低的级别升级到更复杂的网络可以为你带来更多的能力。”“这是我们可以用来解决重复性问题的工具之一。”

诺布尔说,科学家不应该把婴儿和洗澡水一起倒掉。在改进方法和提高精确度方面还有很多工作要做,而fMRI仍然是一个,她说:“我认为评估能力、严谨性和可重复性对任何领域都是有益的。尤其是涉及到生物和心理过程的复杂性。”

诺布尔目前正在为功能磁共振成像开发一种“能量计算器”,以帮助其他人设计研究,以达到预期的水平


进一步探索

机器学习揭示了与儿童攻击性有关的大脑网络

更多信息:Stephanie Noble等人,通过超越聚类级推理来提高功能性磁共振成像的能力,美国国家科学院院刊(2022)。DOI: 10.1073 / pnas.2203020119
所提供的耶鲁大学
引用:为了更好地了解大脑,请查看2022年8月6日从//www.puressens.com/news/2022-08-brain-bigger-picture.html检索的大图(2022,8月5日)
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。
81股票

对编辑的反馈