Nature Methods：创造了人类大脑的新模型

达特茅斯学院的研究人员创造了一种新的皮层表面模板，称为“开放神经平均”，简称“onavg”，它在分析神经成像数据时提供了更高的准确性和效率。研究结果发表在《自然方法》杂志上。

　　

人脑负责关键功能，包括感知、记忆、语言、思维、意识和情感。

为了了解大脑是如何工作的，科学家们经常使用神经成像来记录参与者在大脑执行任务或休息时的大脑活动。大脑的功能系统地组织在大脑皮层，即人类大脑的外层。研究人员经常使用所谓的“皮质表面模型（cortical surface model，生物通注）”来分析神经成像数据并研究人类大脑的功能组织。

每个大脑都有不同的形状。为了分析多个个体的神经成像数据，研究人员需要将数据注册到相同的大脑模板中，这样可以识别不同大脑的相同解剖位置，即使大脑具有不同的形状。这些位置被称为“vertices”。

在过去的25年里，这种模板已经有了几次迭代，今天最常用的模型是基于从40个大脑中收集的数据。

现在，达特茅斯大学的研究人员创造了一种新的皮层表面模型，称为“OpenNeuro Average”，简称“onavg”，它在分析神经成像数据时提供了更高的准确性和效率。

研究结果发表在《自然方法》杂志上。

“我们的皮层表面模型，onavg，是第一个对大脑的不同部分进行统一采样的，这是一个更少偏差的地图，计算效率更高。”主要作者，达特茅斯大学心理和脑科学系哈克斯比实验室成员Feilong Ma说。

该团队基于OpenNeuro(一个共享神经成像数据的免费开源平台)上的30个数据集中的1031个大脑的皮层解剖构造构建了这个模型。根据合著者的说法，这也是第一个基于大脑几何形状的皮质表面模型。

相比之下，以前的模板不均匀地采样皮层的不同部分，并且基于球形形状来定义皮质顶点的位置，这导致顶点分布的偏差。

使用onavg模板，分析所需的数据更少。

“通过神经成像获得数据是非常昂贵的，对于一些临床人群来说——比如你正在研究一种罕见的疾病——很难或不可能获得大量的数据，所以用更少的数据获得更好的结果的能力是一种资产，通过更有效的数据使用，我们的模型可以潜在地提高学术研究结果的可复制性和再现性。”

“我认为onavg代表了一种方法上的进步，它在认知和临床神经科学的各个方面都有广泛的应用，”合著者James Haxby说，他是达特茅斯大学心理和脑科学系的教授，也是认知神经科学中心的前主任。

他说，他们的皮质表面模型可以用于研究视觉、听觉、语言和个体差异，以及自闭症和阿尔茨海默氏症和帕金森症等神经退行性疾病。“我们认为它将在该领域产生广泛而深刻的影响，”Haxby说。