Но фМРТ также подверглась избиению. Во-первых, что наиболее популярно, когда этот метод использовался на мертвом лососе, оказалось, что этот метод показывает активность головного и спинного мозга при воздействии стимулов (в данном случае изображений людей в социальных ситуациях).Совсем недавно в документе PNAS сообщалось об ошибке в одном из наиболее широко используемых программных продуктов для анализа данных сканирования фМРТ.
Опять же, об этом широко сообщалось.Причина, по которой работает фМРТ, связана с тем, что повышенная активность нейронов приводит к увеличению кровотока в головном мозге.
Конечно, сканирование фМРТ действительно дает много данных.Следовательно, попытка определить те области, в которых часть мозга активирована больше по сравнению с другими областями, требует обработки огромных объемов данных.
Проблема множественных сравнений быстро поднимает свою голову.Возможным последствием этого является то, что исследователи могут и действительно делают выбор в пользу ограниченного или небольшого размера выборки. Тогда есть ограничения небольшого размера выборки. Недавнее исследование, опубликованное в журнале Nature Reviews Neuroscience, сообщает: «Здесь мы показываем, что средняя статистическая мощность исследований в области нейробиологии очень мала.
Последствиями этого являются завышенные оценки величины эффекта и низкая воспроизводимость результатов».Более широкий вопрос о том, как анализировать данные нейровизуализации с помощью фМРТ, постепенно привлекает все больше внимания по сравнению с вопросом о том, как собирать данные.
Методы, направленные на извлечение интересной информации непосредственно из данных, в отличие от традиционного подхода, основанного на проверке гипотезы, предложенной исследователями заранее, были внедрены в область нейровизуализации.Эти новые методы, основанные на данных, предоставляют больше возможностей и перспектив исследования и понимания данных нейровизуализации, которые передают некоторую важную информацию для обнаружения механизмов мозга, лежащих в основе когнитивного поведения.
Как правило, при исследовании фМРТ определенной парадигмы стимуляции используется единый метод анализа и статистического определения пороговых значений. Это поднимает вопрос об обобщении результатов одного метода анализа. Тем не менее, если второе исследование той же парадигмы стимуляции будет использовать другой метод анализа, проявятся два разных набора расходящихся результатов. Учитывая, что в этой области методы анализа и статистики получили широкое распространение, неизбежно возникнет несколько запутанная картина научного прогресса, достигнутого с помощью исследований фМРТ.
Мы сообщаем о совместном исследовании университетов Брунеля и Орхуса с данными, собранными в Центре продвинутой магнитной визуализации университета Аалто, Финляндия. Что мы сделали, впервые — это проанализировали данные фМРТ с помощью парадигмы согласованной кластеризации, называемой бинаризацией согласованных матриц разделения (Bi-CoPaM). Эта парадигма позволяет объединить результаты многих методов анализа, чтобы получить надежные и воспроизводимые кластеры из различных наборов данных.
В результате это может, наконец, привести к согласованному ландшафту результатов нейровизуализации.Чтобы проверить эту парадигму, мы применили ее к сложному эксперименту фМРТ, включающему аффективную обработку сотен музыкальных клипов.
Мы обнаружили, что структуры мозга, связанные с визуальной обработкой информации, вознаграждением и слухом, обладают внутренними пространственными паттернами когерентной нейроактивности.
Сравнение результатов, полученных с помощью нашего метода и результатов каждого отдельного алгоритма кластеризации, демонстрирует, что наша парадигма имеет заметные преимущества перед традиционными алгоритмами одиночной кластеризации в возможности свидетельствовать о надежных паттернах связи даже со сложными данными нейровизуализации, включая различные стимулы и аффективные оценки. из них.Наше инновационное использование парадигмы Bi-CoPaM позволяет нам находить кластеры, включающие функционально и анатомически связанные нейронные сети, последовательно реагирующие на эмоциональную музыку, то есть базальные ганглии, таламус, островок и другие области, связанные с обработкой слуховых функций, таких как извилина Гешля. , Rolandic operculum и верхняя височная извилина.Одним из новаторских аспектов этого исследования является использование парадигмы Bi-CoPaM, которая исследует данные фМРТ без какой-либо заранее определенной модели, что необходимо в классических подходах, основанных на моделях.Наиболее важным выводом этого исследования является то, что предлагаемый нами подход смог обнаружить единый кластер, включающий анатомически связанные подкорковые и корковые структуры цепи вознаграждения, выборочно реагирующий на понравившуюся музыку.
Это одно из немногих исследований, в которых были получены такие результаты с помощью подхода, основанного на данных.Ох, и этот мертвый лосось реагирует?
После того, как данные были скорректированы для множественных сравнений, ложные срабатывания были устранены — это действительно была мертвая рыба!