集成内部技术...
曦嘉开发的新颖的基于机器学习的方法可以“重新分割”大脑,从而正确映射连接,即使是对变形或缺少的大脑组织中也能做到准确绘制。
我们应用新型MRI磁场梯度校正技术,可提高普遍受影响区域(前额极皮层)的图像准确度和清晰度。
对被试发生运动的时间片段采用全新的检测和删除技术处理。
曦嘉软件整体采用机器学习为特定个体量身定制输出结果,并驱动疾病模型特异性的持续改进。
通过与标准数据进行比较并将其重新配准回解剖结构,我们可以推断出存在异常连接模式的潜在分布区域。
我们的平台同时使用rsfMRI和纤维束成像进行多模态连接性分析。
...使用当今可用的最佳工具
立即访问个性化的结缔组织信息,包括360个HCP碎片[2]和Baker等人绘制的另外19个皮层下亚区域。[3]
与传统的弥散张量成像(DTI)相比,使用限制球形卷积(CSD)消除了高达90%的区域中存在的交叉纤维传统挑战。[5]
基于CompCor的方法可用于减少血氧浓度信号和fMRI数据中的噪声。
通过3D卷积神经元网络将大脑组织与骨骼分离。
对自由水进行建模并从弥散加权成像(DWI)数据中清除,对这些区域内和周围区域的纤维进行无缝建模。
所有关于被试的标识信息在上传到云服务器之前,将会在浏览器中被剥离。
1. Neurolab, C., 2018. HCP-MMP1.0 volumetric (NIfTI) masks in native structural space.
2. Glasser, M.F., Coalson, T.S., Robinson, E.C., Hacker, C.D., Harwell, J., Yacoub, E., Ugurbil, K., Andersson, J., Beckmann, C.F., Jenkinson, M. and Smith, S.M., 2016. A multi-modal parcellation of human cerebral cortex. Nature, 536(7615), pp.171-178.
3. Baker, C.M., Burks, J.D., Briggs, R.G., Conner, A.K., Glenn, C.A., Sali, G., McCoy, T.M., Battiste, J.D., O’Donoghue, D.L. and Sughrue, M.E., 2018. A Connectomic Atlas of the Human Cerebrum—Chapter 1: Introduction, Methods, and Significance. Operative Neurosurgery, 15(suppl_1), pp.S1-S9.
4. Tournier, J.D., Calamante, F. and Connelly, A., 2007. Robust determination of the fibre orientation distribution in diffusion MRI: non-negativity constrained super-resolved spherical deconvolution. Neuroimage, 35(4), pp.1459-1472.
5. Jeurissen, B., Leemans, A., Tournier, J.D., Jones, D.K. and Sijbers, J., 2013. Investigating the prevalence of complex fiber configurations in white matter tissue with diffusion magnetic resonance imaging. Human brain mapping, 34(11), pp.2747-2766.
6. Behzadi, Y., Restom, K., Liau, J. and Liu, T.T., 2007. A component based noise correction method (CompCor) for BOLD and perfusion based fMRI. Neuroimage, 37(1), pp.90-101.