小说在脑成像数据分析方法的发展近年来极其快节奏。先进的分析工具是今天视为工具,进一步我们理解大脑在健康和疾病。翻译从业人员也在加速,释放自由和开源软件的实现新工具开始成为常态。小说在脑成像的方法通常可以用来问新的和令人兴奋的问题,我们担心这可能降级的验证一个次要的位置。因此,我们认为,大脑成像作为一个领域需要改进它的标准方法验证,验证本身就是一个研究领域新方法是非常必要的。更好的验证步骤可以显著改善脑成像方法在未来,通过公开竞争的优势和局限性的方法在各种实验条件下和图像采集协议。这些进展将导致更有效的和可再生的科学和帮助使大脑科学家的阿森纳高质量的大数据分析所需的工具。
研究人员面临的主要挑战当验证脑成像方法是缺乏地面真理的度量,其方法的结果进行了比较。与自然图像的机器学习等领域不同,只有很少公开基准脑成像数据集,得到广泛验证研究中包括在一个特定的领域。这个标准的缺乏使得很难比较验证结果发表在不同的图像分析方法。开发参考基准是非常具有挑战性的,因为生理(例如,神经元和代谢)和物理(如磁和电)过程潜在的脑成像是非常复杂的。因此,将实验成像数据纳入方法验证是非常具有挑战性的,也许除了有价值和经常昂贵的再现性研究。这一挑战有时可以克服在特定应用程序中,例如,在图像分割中,当一个自动化的方法预计将取代人类专家的手工工作。然而,生成手动分割需要无数个小时的工作。依靠纯粹的模拟,另一方面,也是具有挑战性的,因为上述生理的复杂性和数据生成过程。真实模拟依赖于一个简单的线性混合信号和白噪声只能视为一个多检查。声音验证使用模拟图像需要包括详细的生物模型以及固有的偏见使用成像技术(s)。
试图填补这个特殊问题之间存在的一些差距分析方法开发和验证的方法。我们收到了14篇论文的5个被选为包含的特殊问题。接受的论文描述验证技术和他们的应用程序用于多个应用程序使用不同的成像技术。
在“MRBrainS挑战:在线评估脑图像分割框架3 t MRI扫描“a . m . Mendrik等人描述一个在线平台评估组织分割在大脑结构磁共振成像(MRI)。他们也报告的评估结果MRBrainS13争夺大脑衰老的脑组织分割。手动分割作为真实评价自动分割算法。
在“评价二级推理的功能磁共振成像分析,”s p . Roels等人比较不同建模和推理技术对于一般线性模型(GLM)组功能性磁共振成像分析。虽然漠视,几十年来一直无处不在的功能磁共振成像研究,这个日期不同的变体仍然流行,他们的基本假设的有效性尚未建立。如何将这些变异行为结果的再现性,敏感性和特异性,也不完全理解。s . p . Roels等人实现混合效应模拟以及引导分析实际数据来阐明这些问题。
在“多少算够?影响Inter-Subject相关分析的样本量fMRI“j . Pajula和j . Tohka评价主体间相关性(ISC)基于功能磁共振成像数据分析130例组成的大型数据集。他们利用分半重采样披露的再现性分析结果不同的样本大小和另外130 -主题比较分析结果使用大型数据集的分析结果与较小的样本大小。
在“梅格连接和电力检测与最低标准估计需要不同的正则化参数”其子a.s.。Hincapie等人评估正规化的调优hyperparameter在最低标准源重建上下文应用脑磁图描记术(MEG)数据。梅格他们解决问题使用蒙特卡罗模拟数据,在那里他们生成21600配置的双耦合来源不同大小、信噪比(信噪比),和耦合优势,从而提供一个详细的评估框架内一个新的应用程序上下文,梅格静息状态的功能连通性的分析使用数据。
在“BrainK结构图像处理:创建人类头上的电气模型,”k·李等人现在的BrainK,是一组自动化程序描述组织人类头上的磁共振图像。组织分割和皮质表面提取支持建模的主要目标电流通过的传播组织。他们比较BrainK组织分割的精度和皮质表面提取与现有的研究工具(目前,FreeSurfer SPM和BrainVisa)。他们的方法介绍和评价是一个非常有前途的真实头模型,使用有限元模型,对脑电图(EEG)模型。这是一个必要步骤允许精确源重建从高密度脑电图数据(反问题)。
确认
我们感谢所有作者将他们的论文提交给这个特殊的问题以及评论家提供他们的专业知识和时间来评估和完善论文。
Jussi Tohka
皮埃尔Bellec
克利斯朵夫Grova
Anthonin Reilhac