自 1990 年代功能性磁共振成像發(fā)展以來，隨著研究人員調(diào)查來自靜止大腦和大腦解剖結(jié)構(gòu)本身的 fMRI 數(shù)據(jù)如何用于預(yù)測個體特征，例如抑郁癥、認知能力下降，對神經(jīng)影像學(xué)的依賴猛增, 和腦部疾病。
大腦成像有可能揭示許多特征的神經(jīng)基礎(chǔ)，從抑郁癥和慢性廣泛性疼痛等疾病到為什么一個人的記憶力比另一個人好，以及為什么有些人的記憶隨著年齡的增長而恢復(fù)。但是腦成像檢測特征的可靠性一直是一個廣泛爭論的話題。
先前對全腦相關(guān)研究(稱為“BWAS”)的研究表明，大腦功能與結(jié)構(gòu)和特征之間的聯(lián)系非常微弱，以至于需要成千上萬的參與者來檢測可復(fù)制的影響。這種規(guī)模的研究需要在每項研究中投入數(shù)百萬美元，限制了可以研究的特征和腦部疾病。
然而，根據(jù)發(fā)表在《自然》雜志上的一篇新評論，當(dāng)使用最先進的模式識別(或“機器學(xué)習(xí)”)算法時，可以獲得更強大的大腦測量和特征之間的聯(lián)系，這些算法可以從適中的樣本量。
在他們的文章中，達特茅斯大學(xué)和埃森大學(xué)醫(yī)學(xué)院的研究人員對華盛頓大學(xué)醫(yī)學(xué)院的 Scott Marek、馬薩諸塞州綜合醫(yī)院/哈佛醫(yī)學(xué)院的 Brenden Tervo-Clemmens 及其同事領(lǐng)導(dǎo)的全腦關(guān)聯(lián)研究的早期分析做出了回應(yīng).
早期的研究發(fā)現(xiàn)，在幾項大型腦成像研究中，一系列特征之間的關(guān)聯(lián)非常微弱，因此得出結(jié)論，需要數(shù)千名參與者才能檢測到這些關(guān)聯(lián)。
這篇新文章解釋說，在早期論文中發(fā)現(xiàn)的非常微弱的影響并不適用于所有大腦圖像和所有特征，而是僅限于特定情況。它概述了如何更好地利用來自數(shù)百名參與者而不是數(shù)千名參與者的 fMRI 數(shù)據(jù)來產(chǎn)生有關(guān)個人的重要診斷信息。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！