Brainana: an end-to-end preprocessing framework for macaque neuroimaging
Brainana 是一个自动化、容器化且云端可访问的框架，旨在通过整合深度学习模型、解剖学优化以及质量控制，实现猕猴神经影像数据端到端预处理的标准化与流程化，从而确保结果的可重复性、可扩展性以及跨研究的可比性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
猕猴的大脑是神经科学领域的一座强大桥梁。它将我们可以绘制的宏观、非侵入性的人脑图谱，与只能通过观察活体动物才能看到的微观细胞细节联系在一起。研究人员利用这些猴子来测试关于大脑如何连接的想法，希望这些想法能解释人类的心智是如何运作的。为此，他们使用磁共振成像技术对猴子的大脑进行详细成像，这种技术可以在无需手术的情况下创建清晰的软组织图像。然而，将这些原始图像转化为有用的科学知识却极其困难。与通常遵循标准格式的人类扫描不同，猴子的扫描来自许多不同的实验室，使用了不同的机器、不同的定位方式和不同的设置。这种多样性造成了难以比较的混乱数据组合。如果没有一种方法来清理和标准化这些图像，其中蕴含的宝贵信息往往会被锁闭起来，只能由收集数据的特定团队使用。
一组研究人员现在开发了一种名为 Brainana 的解决方案来解决这个问题。这是一个完整的自动化系统，旨在将原始的猕猴大脑扫描图像转化为干净、标准化且易于使用的数据。在此工具出现之前，科学家必须拼凑许多不同的软件，通常需要编写自己的自定义代码使它们协同工作。这个过程缓慢、容易出错且难以重复。Brainana 用一个统一的流水线取代了这种碎片化的做法，该流水线可以处理工作的每一个步骤。它接收杂乱的原始图像，修复常见的错误（如倾斜的取向或缺失的大脑部分），然后创建一张详细的大脑表面 3D 地图。至关重要的是，它在执行所有操作的同时会追踪数据是如何被更改的，这使得研究人员能够充满信心地在不同个体或不同实验室之间进行结果对比。
该系统在来自 23 个不同成像中心的 130 只猴子的数据上进行了测试。这些中心使用了各种各样的扫描仪和方案，代表了现实研究中可能遇到的全方位情况。该工具成功处理了这些多样化的数据，并产生了符合已知解剖模式的一致结果。例如，它正确地识别出恒河猴的大脑较大，平均体积为 84 毫升，而卷尾猴的大脑较小，平均体积为 62 毫升。它还绘制了大脑外层的厚度图，发现大脑前部较厚，后部较薄，这一模式与之前的研究相符。当研究人员观察动物在执行任务时的脑活动时，该系统保留了大脑对面孔、身体和物体做出反应的精确位置。此外，在动物处于静息状态时，它也维持了不同脑区之间自然的连接模式。这些结果表明，该工具能够处理科学数据的复杂现实，而不会丢失重要的细节。
Brainana 之所以特别有用，是因为它不仅产生数字，还产生人类可以真正看到并理解的数据。研究人员构建了一个配套的查看器，能够自动组织所有的输出文件。科学家可以打开这个查看器，立即看到三维的大脑，并且大脑表面与内部切片相连。他们可以点击表面的一个点，瞬间看到其在体积中的对应位置，并带有标识大脑区域的标签。这消除了对复杂文件格式进行专门培训的需求。计划进行实验的研究人员可以使用该工具来确定电极应该放置的确切位置，或者临床医生可以查看扫描图像，以了解特定大脑区域如何与行为相关联，而无需成为图像处理软件方面的专家。
该系统还解决了猴类研究中一个常见的难题：动物在扫描过程中的定位问题。由于猴子通常被头架或其他硬件固定，它们的大脑在图像中可能会显得倾斜或被截断。标准的计算机程序在面对这些奇特的角度时往往会失效。Brainana 包含一个特殊的步骤，可以在不扭曲大脑形状的前提下，温和地旋转并将图像对齐到标准位置。这个简单的修复步骤使得自动化的其余过程即使在处理困难扫描时也能正常运行。该工具还使用了专门针对猴子大脑训练的高级计算机模型，以高精度分离不同类型的组织，例如灰质和白质。在测试中，这些模型正确标注了超过 90% 的大脑微小组成部分，即使是在组织稀薄或难以观察的区域也是如此。
通过使清理和分析猴子大脑扫描的过程自动化和易于获取，这项工作为更大规模的协作打开了大门。科学家现在可以更轻松地共享数据，因为他们知道自己的结果将以相同的方式进行处理。这使得汇集来自许多不同研究的数据成为可能，从而去回答那些单个实验室无法独自应对的宏大问题。该工具作为一个软件包向公众开放，可以在标准计算机或云端运行，这意味着即使是没有强大超级计算机的研究人员也可以使用它。它代表了从孤立的、定制化解决方案向共享的、可靠的基础设施的转变。
研究人员强调，该工具旨在与其他方法协同工作，而不是取代它们。它承担了繁重的准备工作，让科学家能够专注于他们想要回答的生物学问题。无论目标是将大脑扫描与单个神经元的记录联系起来，还是比较不同物种之间的脑结构，拥有一个干净、标准化的起点都是至关重要的。这项工作证明了猕猴神经科学中数据的多样性一旦被有效管理，便不再是障碍。凭借这一新框架，该领域可以朝着更清晰、更统一的视角迈进，以理解大脑组织的机制，从而让我们更接近理解包括猴子和人类在内的行为机制。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。