Um novo método para mapeamento de conexões cerebrais usando informações microestruturais e anatômicas

A ressonância magnética por difusão é uma modalidade de imagem não invasiva que tem sido amplamente utilizada na literatura para estudar a arquitetura neuronal do cérebro em uma ampla gama de condições neurológicas usando tractografia. No entanto, estudos recentes destacaram que a precisão anatômica das reconstruções é inerentemente limitada e desafia sua adequação. Várias soluções foram propostas para resolver esse problema, mas nenhuma delas se mostrou eficaz para superar essa limitação fundamental.

Uma pesquisa recente na revista Science apresenta uma nova estrutura de processamento para injetar no problema de reconstrução conhecimentos básicos básicos sobre anatomia cerebral e sua organização e avaliar sua eficácia usando dados cerebrais humanos simulados e reais. Os resultados indicam que o método proposto aumenta drasticamente a precisão das redes cerebrais estimadas e, portanto, representa um grande avanço no estudo da conectividade.

Avaliação qualitativa do método proposto com dados in vivo. Linha superior: conectoma e feixes do tractograma de entrada; linha inferior: o mesmo filtrado por COMMIT2. Para comparar melhor os pacotes configuráveis antes e depois da filtragem, relatamos a cobertura de voxel e a soma dos pesos das linhas de fluxo atribuídos pelo COMMIT2. O procedimento de filtragem se comporta de maneira extremamente diferente para os positivos verdadeiro (primeira coluna) e falso (segunda coluna). Enquanto a cobertura de voxel dos verdadeiros positivos permanece intacta, a dos falsos positivos é drasticamente reduzida e, em alguns casos, eles são completamente removidos. Analisando uma medida quantitativamente mais significativa - os pesos do COMMIT2 - também entendemos que os pesos associados aos verdadeiros positivos são muito mais altos que os dos falsos positivos, que são muito próximos de zero.

Para saber mais: https://advances.sciencemag.org/content/6/31/eaba8245?fbclid=IwAR2GwKYERq6TIalENI6WGsfNWBb4nyPXoa635vlUsf3aGRHhs8CAJZRu8qI