神经科学
扩散MRI束测量学用于表征纤维束沿程的白质微观结构，但标准的沿束分析会将纤维束横截面上的测量值进行汇总，从而掩盖径向异质性，并产生空间上不一致的推断单位。我们提出了SPECTRA（用于束测量学的空间推断，Spatial Inference for Tractometry）这一框架，旨在通过参数化与统计推断的一体化设计来解决这些局限性。首先，我们提出了一种二维纤维束参数化方法，将沿束分析扩展为包含一个定义在图谱纤维束上的径向维度。
其次，我们开发了一种用于多纤维束推断的两阶段分层错误发现率（hFDR）程序，该程序先在较粗的空间尺度上聚合证据，再推进到更细粒度的推断；其中空间尺度由Matern核导出。在广泛的模拟条件下，我们发现，与全局FDR校正相比，hFDR在保持适当错误控制的同时，提高了统计功效，并减少了检测效应所需的样本量。我们进一步刻画了灵敏度—特异性权衡如何依赖于样本量、效应大小、空间范围及其构型，从而为束测量学研究设计提供了实用指导。
在一项针对超过4,000名受试者、涵盖63条纤维束的轻度认知障碍和痴呆的实证分析中，SPECTRA揭示了在一维剖面中不存在的空间局部化模式。综上，这些结果表明，空间分辨的参数化与自适应错误控制相结合，能够在大规模束测量学研究中实现对白质微观结构的精确描绘。SPECTRA已作为Python软件包公开发布。
感谢您关注并帮助传播bioRxiv上的研究成果。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.08.723622v1?rss=1
🏷️ 扩散MRI 白质微结构 纤维束测量学 空间统计推断 分层错误发现率