本文要点
1)该分析方法提供了数据驱动的对于基于任务的功能磁共振成像中静脉效应影响的估计。
2)该方法包括拟合用于描述在特定数据集观察到的响应timecourses的变异的一维流形,然后使用识别的早期和晚期timecourses作为基函数将响应分解为与微脉管系统(毛细血管和小静脉)和大脉管系统(大血管)分别相关的组分。
3)研究人员展示将后者(大血管)的组分去除可以减少fMRI响应的表面皮质深度偏差,并有助于消除皮质活动映射中的人为假象。
该方法提供了fMRI信号起源的信息,并且可被用于提高fMRI的空间准确性。流形拟合介导的时间分解(TDM)作为一种分析技术可以在基于任务的fMRI数据中将血氧水平依赖(BOLD)的响应分解成不同组分,这些组分可能对应于微脉管系统和大脉管系统相关的信号。
参考文献:
Kendrick Kay, et al. A temporal decomposition method for identifying venous effects in task-based fMRI. Nature Methods, 2020.
DOI:10.1038/s41592-020-0941-6
https://www.nature.com/articles/s41592-020-0941-6