神經科學
擴散MRI束測量學用於表徵纖維束沿程的白質微觀結構，但標準的沿束分析會將纖維束橫截面上的測量值進行彙總，從而掩蓋徑向異質性，併產生空間上不一致的推斷單位。我們提出了SPECTRA（用於束測量學的空間推斷，Spatial Inference for Tractometry）這一框架，旨在通過參數化與統計推斷的一體化設計來解決這些侷限性。首先，我們提出了一種二維纖維束參數化方法，將沿束分析擴展為包含一個定義在圖譜纖維束上的徑向維度。
其次，我們開發了一種用於多纖維束推斷的兩階段分層錯誤發現率（hFDR）程序，該程序先在較粗的空間尺度上聚合證據，再推進到更細粒度的推斷；其中空間尺度由Matern核導出。在廣泛的模擬條件下，我們發現，與全局FDR校正相比，hFDR在保持適當錯誤控制的同時，提高了統計功效，並減少了檢測效應所需的樣本量。我們進一步刻畫了靈敏度—特異性權衡如何依賴於樣本量、效應大小、空間範圍及其構型，從而為束測量學研究設計提供了實用指導。
在一項針對超過4,000名受試者、涵蓋63條纖維束的輕度認知障礙和痴呆的實證分析中，SPECTRA揭示了在一維剖面中不存在的空間局部化模式。綜上，這些結果表明，空間分辨的參數化與自適應錯誤控制相結合，能夠在大規模束測量學研究中實現對白質微觀結構的精確描繪。SPECTRA已作為Python軟件包公開發布。
感謝您關注並幫助傳播bioRxiv上的研究成果。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.08.723622v1?rss=1
🏷️ 擴散MRI 白質微結構 纖維束測量學 空間統計推斷 分層錯誤發現率