从MRI数据中释放大脑治疗潜力

磁共振成像(MRI)作为一种非侵入性、高灵敏度的成像人脑内部物理结构和活动的方法，在医学和神经科学研究中发挥着至关重要的作用。每个核磁共振扫描的数据包含大量的信息，这些信息被分割成一个由个体“体素”组成的三维网格。

例如，将健康受试者的个体体素信号与患者相应的个体体素信号进行比较，可以帮助发现大脑中对特定疾病具有重要意义的区域。然而，这种“单变量”分析可能会丢失在多个体素之间的模式中存储的有价值的信息。

东京电子通信大学的Yoichi Miyawaki回顾了“多变量”MRI分析领域的最新进展，探索了其在医学成像和神经科学领域的潜力。

“模式分类模型”可以培训，以查找与特定疾病相关的信号模式，例如阿尔茨海默或自闭症，具有复杂的神经签名。当具有新的MRI信号时，该模型可以对其进行分类 - 一种可宝贵的医疗诊断工具。微调模型的读取动态神经签名的能力可以彻底改变精神分裂症等高度复杂条件的研究。

模式分类器的高灵敏度意味着它们能在亚体素级别拾取更精细的细节。最近的研究表明，这些模型可以从人们看图片时大脑产生的信号中再现视觉图像——这一研究有朝一日可以扩展到探索精神分裂症和其他疾病的幻觉创伤后压力心理障碍症。

多元MRI分析的进步也可能导致运动瘫痪患者的更好的脑机接口。

---

---