WikiEdge:ArXiv-2408.17334v1/methods

編輯

這篇文獻的工作部分詳細介紹了如何開發和評估數據驅動的區域增長模型在模擬大腦皮層摺疊模式中的作用。以下是這部分的主要內容：

1. 區域增長模型的開發：
   • 利用機器學習輔助的符號回歸，基於超過1000個嬰兒的MRI掃描數據，開發了典型皮層區域的生長模型。這些數據捕捉了圍生期和產後大腦發育期間的皮層表面積和厚度。
2. 計算模擬：
   • 將生長模型整合到計算軟件中，使用解剖學上逼真的幾何模型來模擬皮層發育。通過諸如平均曲率、溝深度和腦回指數等指標來量化產生的摺疊模式。
3. 模型比較：
   • 將區域增長模型生成的複雜大腦摺疊模式與實際大腦結構進行了定量和定性的比較，與均勻增長模型相比，區域增長模型更接近真實大腦結構。
4. 多區域與單區域模型的對比：
   • 探討了多區域模型與單區域模型在模擬大腦摺疊方面的細微差別，發現多區域模型能更好地捕捉大腦摺疊的複雜性。
5. 生長值和生長軌跡的影響分析：
   • 分析了生長值和生長軌跡對皮層摺疊模式的個體影響，發現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。
6. 臨床意義的探討：
   • 強調了將區域生長異質性納入大腦摺疊模擬的必要性和重要性，這可能有助於早期診斷和治療皮層畸形和神經發育障礙，如癲癇和自閉症。