达特茅斯研究人员创建了人类大脑的新模板

了解大脑如何运作是一项艰巨的任务，科学家长期以来一直依赖神经成像技术来捕捉和分析大脑活动。然而，由于每个人的大脑形状都不同，分析这些数据远非易事。达特茅斯研究人员的一项新研究引入了一种突破性的工具，有望使这一过程更加准确和高效：“OpenNeuro Average”(onavg)皮质表面模板。

这个创新模板是使用来自 1,000 多个脑部扫描的数据开发的，代表了神经成像领域的重大进步。通过提供更均匀、偏差更小的脑表面图，onavg 可让研究人员用更少的数据获得更好的结果。这对于数据收集具有挑战性的研究(例如涉及罕见疾病的研究)尤其有价值。

“我们的皮质表面模板 onavg 是第一个对大脑不同部位进行统一采样的模板，”主要作者 Feilong Ma 说道，他是达特茅斯大学心理与脑科学系哈克斯比实验室的博士后研究员和成员。“这是一张偏差较小的地图，计算效率更高。”

该研究结果发表在 《自然方法》杂志上。

神经科学家经常面临比较不同个体大脑活动数据的挑战。由于每个人的大脑形状略有不同，研究人员需要将这些差异与一个共同的参考或模板对齐，以便有效地分析数据。25 多年来，科学家们一直使用各种皮质表面模板来实现这一点。这些模板将大脑活动映射到大脑表面的模型上，帮助研究人员确定不同个体的某些功能的位置。

然而，最常用的模板仅基于 40 个大脑的数据，存在很大的局限性。这些较旧的模板通常对大脑的不同部分进行不均匀的采样，导致数据分析出现偏差。例如，大脑的某些区域可能被过度代表，而其他区域则被低估，这可能会扭曲研究结果。此外，这些模板通常依赖于大脑的球形模型，这会扭曲大脑的自然形状并进一步使分析复杂化。

为了解决这些问题，达特茅斯团队试图创建一个新的模板，以便对大脑表面进行更准确、更均匀的采样。他们的目标是减少数据分析中的偏差，提高神经影像学研究的效率，使在不同研究中复制和验证研究结果变得更加容易。

该团队首先收集了 1,031 份脑部扫描数据，这些数据来自 OpenNeuro(一个用于共享神经影像数据的开源平台)上的 30 个不同数据集。这个庞大而多样化的样本集使他们能够创建出比以前的模板更具代表性的人脑模型，以前的模板基于小得多的样本量。

为了构建 onavg 模板，研究人员专注于准确映射大脑表面的几何形状。与依赖球形近似的旧模板不同，onavg 的设计更贴近大脑的自然轮廓。该团队优化了大脑表面数据点(称为“顶点”)的放置，以确保它们均匀分布。这种顶点的均匀分布意味着大脑的每个部分都以相同的精度进行采样，从而减少了旧模型中存在的偏差。