研究人员开发了一种新的皮层表面模板，称为“OpenNeuro Average”，简称“onavg”，旨在提高神经成像数据分析的精确度和效率。
人脑控制着感知、记忆、语言、思维、意识和情绪等基本功能。
为了研究大脑功能，科学家们常常采用神经成像技术来捕捉在特定任务或静息状态下的大脑活动。大脑皮层是大脑的外层，以系统的方式组织大脑功能。为了分析神经成像数据并理解人脑的功能布局，研究人员通常利用“皮层表面模型”。
每个人的脑部形状都是独特的。为了分析收集自不同受试者的神经成像数据，研究人员必须将这些数据对齐到一个共同的大脑模板。这使得尽管形状各异，可以在不同大脑中识别相同的解剖学点，称为“顶点”。
在过去的25年中，出现了许多模板。目前，使用最广泛的皮层表面模板源于从40个不同大脑获得的信息。
最近，达特茅斯大学的研究人员推出了一种新的皮层表面模板，名为“OpenNeuro Average”，通常缩写为“onavg”，它显著提高了神经成像分析的准确性和效率。
他们的研究结果已发表在Nature Methods期刊上。
“我们的皮层表面模板onavg在不同大脑区域进行均匀抽样，”首席作者Feilong Ma，达特茅斯大学心理与脑科学系Haxby实验室的博士后研究员表示。“这产生了更少偏见的地图，增强了计算效率。”
该团队使用来自于30个数据集、由OpenNeuro提供的1,031个大脑的皮层解剖数据构建了模板。共同作者强调，这是首个基于大脑几何结构构建的模板。
相比之下，早期模板以不均匀的方式抽样皮层的不同区域，并依赖球形的形状定位皮层顶点，这导致了顶点分布的偏见。
使用onavg模板，进行全面分析所需的数据更少。
“神经成像数据的收集成本高昂，在某些临床场景中——例如研究罕见疾病——收集大量数据可能很具挑战。因此，用更少的数据获得可靠结果是一个显著的优势，”Feilong表示。“通过允许更高效的数据利用，我们的模板可以增强学术研究结果的可重复性和可再现性。”
“我相信onavg标志着一项方法论的进展，在认知和临床神经科学中具有广泛的应用前景，”共同作者James Haxby，达特茅斯大学心理与脑科学系的教授，前认知神经科学中心的主任表示。
他补充说，他们的皮层表面模板可能惠及视觉、听觉、语言、个体差异等领域的研究，以及如自闭症和包括阿尔茨海默病和帕金森病在内的神经退行性疾病。
“我们预计它将在这一领域产生重大影响，”Haxby说。Jiahui Guo，前心理与脑科学博士后，目前在德克萨斯大学达拉斯分校行为与脑科学学院担任助理教授，以及Maria Ida Gobbini，博洛尼亚大学医学与外科科学系的副教授，也参与了这项研究。
