WikiEdge:ArXiv-2408.17334v1/abs

編輯

• 標題：Role of Data-driven Regional Growth Model in Shaping Brain Folding Patterns
• 中文標題：大數據驅動的區域生長模型在腦摺疊模式形成中的作用
• 發布日期：2024-08-30T14:49:10+00:00
• 作者：Jixin Hou, Zhengwang Wu, Xianyan Chen, Dajiang Zhu, Tianming Liu, Gang Li, Xianqiao Wang
• 分類：q-bio.NC, cs.CE, cs.SC, q-bio.TO
• 原文鏈接：http://arxiv.org/abs/2408.17334v1

摘要：正在發育的哺乳動物大腦的表面形態對於理解大腦功能和功能障礙至關重要。計算建模為早期大腦摺疊的潛在機制提供了寶貴的見解。雖然先前的研究通常假設均勻生長，但最近的發現表明大腦組織生長在區域上存在顯著差異。然而，這些差異在皮質發育中的作用尚不清楚。在本研究中，我們探討了區域性皮質生長如何影響大腦摺疊模式。我們首先使用基於超過1000名嬰兒MRI掃描的縱向數據，通過機器學習輔助的符號回歸開發了典型皮質區域的生長模型，這些數據捕捉了圍產期和產後大腦發育期間的皮質表面積和厚度。這些模型隨後被整合到計算軟件中，以模擬具有解剖學上真實幾何模型的皮質發育。我們使用平均曲率、溝深和腦回指數等指標量化了生成的摺疊模式。我們的結果表明，與均勻生長模型相比，區域生長模型生成的複雜大腦摺疊模式在定量和定性上更接近實際大腦結構。生長幅度在塑造摺疊模式中起主導作用，而生長軌跡的影響較小。此外，多區域模型比單區域模型更好地捕捉了大腦摺疊的複雜性。我們的結果強調了在大腦摺疊模擬中納入區域生長異質性的必要性和重要性，這可能有助於早期診斷和治療皮質畸形和神經發育障礙，如癲癇和自閉症。