WikiEdge:ArXiv-2408.17334v1/abs

编辑

• 标题：Role of Data-driven Regional Growth Model in Shaping Brain Folding Patterns
• 中文标题：数据驱动的区域生长模型在脑折叠模式形成中的作用
• 发布日期：2024-08-30T14:49:10+00:00
• 作者：Jixin Hou, Zhengwang Wu, Xianyan Chen, Dajiang Zhu, Tianming Liu, Gang Li, Xianqiao Wang
• 分类：q-bio.NC, cs.CE, cs.SC, q-bio.TO
• 原文链接：http://arxiv.org/abs/2408.17334v1

摘要：正在发育的哺乳动物大脑的表面形态对于理解大脑功能和功能障碍至关重要。计算建模为早期大脑折叠的潜在机制提供了宝贵的见解。虽然先前的研究通常假设均匀生长，但最近的发现表明大脑组织生长存在显著的区域差异。然而，这些差异在皮层发育中的作用尚不清楚。在本研究中，我们探讨了区域性皮层生长如何影响大脑折叠模式。我们首先基于超过1000名婴儿的MRI扫描纵向数据，使用机器学习辅助的符号回归开发了典型皮层区域的生长模型，这些数据捕捉了围产期和产后大脑发育期间的皮层表面积和厚度。这些模型随后被集成到计算软件中，以模拟具有解剖学上真实几何模型的皮层发育。我们使用平均曲率、沟深和脑回指数等指标量化了生成的折叠模式。我们的结果表明，与均匀生长模型相比，区域生长模型生成的复杂大脑折叠模式在定量和定性上更接近实际大脑结构。生长幅度在塑造折叠模式中起主导作用，而生长轨迹的影响较小。此外，多区域模型比单区域模型更好地捕捉了大脑折叠的复杂性。我们的结果强调了在大脑折叠模拟中纳入区域生长异质性的必要性和重要性，这可能有助于提高皮层畸形和神经发育障碍（如癫痫和自闭症）的早期诊断和治疗。