按照檢測目的的不同,磁共振成像可以分為結構性磁共振成像(sMRI)和功能性磁共振成像(fMRI)。大量的fMRI研究已經表明自發性大腦活動具有特定腦區信號增強的特點。然而,以往的fMRI數據分析技術卻面臨極大困境。這是由于fMRI成像過程將大腦分割成各個細小的三維單位“體素”,然后分別記錄每個體素中的信號。由于體素非常小,處理軟件必須對整體進行檢查,找尋到一群產生相似信號值的相鄰體素。然而,在個人受到動態刺激時,例如音頻、視頻等,基于群組模型的分析僅能反映大約三分之一的動態差異。
對此,來自加州大學伯克利分校的研究人員開發了新的算法模型,允許從BOLD信號中動態記錄時間信息,然后利用機器學習技術生成信息與腦部活動映射。據悉,該實驗利用fMRI掃描技術收集數據,成功將985個常用英語單詞與所對應的大腦區域繪制成圖。
相關專家表示,這項技術正在用于幫助研究人員理清腦內復雜的結構與功能的對應關系。功能成像或可在臨床醫生指導早期診斷、治療或預后決策中起到重要作用,例如幫助改善自閉癥譜系障礙或指導治療神經退行性疾病等。
信息來源:
https://mp.weixin.qq.com/s/e0V5LuROm5U4vedMXsVOrQ