Retour aux articles
NeurosciencesAnglaisabstract onlySource tier 1Neuron

Évaluation objective de la qualité pour les données IRMf de précisionObjective quality assessment for precision functional MRI data.

ModéréNiveau de preuveSource tier 1Fiabilité sourceDOIRéférence disponible
À retenir
  • Le NSI mesure objectivement la qualité des données IRMf pour la cartographie fonctionnelle individuelle.
  • Le NSI s'aligne étroitement avec les évaluations expertes de l'utilisabilité des données PFM.
  • Le NSI tient compte de la variabilité interindividuelle dans la fiabilité de la connectivité fonctionnelle.
Lecture clinique

Article méthodologique important pour la recherche en neuroimagerie, mais impact clinique direct modéré car non testé en contexte clinique.

L'étude n'a pas testé le NSI sur des populations cliniques spécifiques. La généralisabilité du NSI à différents protocoles d'acquisition reste à confirmer. Le NSI repose sur une référence de structure de réseau à grande échelle, qui pourrait varier selon les pathologies.

Neurosciencesirmfqualité des donnéescartographie fonctionnelle de précisionnsiconnectivité fonctionnellereproductibilité
Résumé IA

Cet article introduit le Network Similarity Index (NSI), une mesure objective pour évaluer la qualité des données IRMf nécessaires à la cartographie fonctionnelle de précision (PFM). Le NSI capture l'organisation spatiale basse fréquence du réseau cérébral et la fidélité du débruitage, en accord avec les évaluations d'experts. Il permet de décider de la suffisance des données et d'optimiser la collecte pour des résultats individuels interprétables et reproductibles.

Points clés

Le NSI mesure objectivement la qualité des données IRMf pour la cartographie fonctionnelle individuelle. Le NSI s'aligne étroitement avec les évaluations expertes de l'utilisabilité des données PFM. Le NSI tient compte de la variabilité interindividuelle dans la fiabilité de la connectivité fonctionnelle. Le framework open source proposé permet d'évaluer la qualité et de modéliser la pertinence pour la PFM. L'outil aide à prendre des décisions raisonnées sur la suffisance des données et la réplication en IRMf de précision.

Implications cliniques

Améliore la fiabilité des cartographies cérébrales individuelles, potentiellement utile pour le diagnostic personnalisé. Peut réduire le temps d'acquisition nécessaire pour obtenir des données exploitables en clinique. Facilite l'utilisation de la PFM dans des études longitudinales ou chez des patients avec difficultés d'acquisition.

Niveau de preuve

Modéré

Partager