- 8 次围观
背景：脑磁图（MEG）是人类神经影像学中一种独特的技术，兼具高时间分辨率（毫秒级或更快）和中等空间分辨率（数毫米）。尽管已有许多用于MEG数据分析的软件包，但目前尚无专门为实现超大规模、多中心数据集自动化分析而开发的处理流程。 结果：ENIGMA联盟的建立旨在促进神经影像学与遗传学领域的大规模合作。为促进ENIGMA MEG工作组的数据分析，我们开发了ENIGMA MEG处理流程。ENIGMA MEG工作组的首个项目涉及静息态MEG数据的频谱分析，因此我们当前的流程即为执行该任务而设计。ENIGMA MEG处理流程的目标包括：易于使用、在可能情况下实现自动化处理、提供详细日志记录和质量保证（QA）功能、采用脑影像数据结构（BIDS）格式、输出匿名化结果，以及在不同设备厂商之间保持一致的处理方式。该流程基于MNE-Python框架构建，并整合了经过重新训练的MEGnet深度神经网络算法版本，用于自动伪迹检测。质量保证工具旨在支持对大量受试者数据集进行高通量评估。所有软件均为开源，并可在GitHub（https://github.com/nih-megcore/enigma_MEG）获取。我们使用该流程处理了三个公开可用的MEG队列数据，展示了其功能以及与大规模处理任务的兼容性。 结论：尽管当前的ENIGMA处理流程仅限于服务于当前工作组项目的静息态数据和频谱分析，但该软件具有高度模块化特性，因此可较为直接地扩展至其他分析问题。未来计划进一步开发该工具，以支持连通性分析和基于任务的MEG分析。ENIGMA MEG处理流程是对现有分析工具体系的重要补充性第一步，可实现多中心、高通量的数据分析。
背景：脑磁图（MEG）是人类神经影像学中一种独特的技术，兼具高时间分辨率（毫秒级或更快）和中等空间分辨率（数毫米级）。尽管目前已有许多用于MEG数据分析的软件包，但尚不存在专门为支持超大规模、多中心数据集自动化分析而开发的处理流程。
结果：ENIGMA联盟的建立旨在促进神经影像学与遗传学领域的大规模合作。为推动ENIGMA MEG工作组的数据分析，我们开发了ENIGMA MEG处理流程。ENIGMA MEG工作组的首个项目涉及静息态MEG数据的频谱分析，因此当前流程专门设计用于完成该任务。ENIGMA MEG处理流程的目标包括：易于使用、在可能情况下实现自动化处理、提供详细日志与质量保证（QA）功能、采用脑影像数据结构（BIDS）格式、输出匿名化结果，以及在不同设备厂商之间保持处理一致性。该流程基于MNE-Python框架构建，并整合了经重新训练的MEGnet深度神经网络算法，用于自动伪迹检测。QA工具旨在支持对大量受试者数据集进行高通量评估。所有软件均为开源，并可在GitHub上获取（https://github.com/nih-megcore/enigma_MEG）。我们使用该流程处理了三个公开可用的MEG队列数据，验证了其功能性以及与大规模处理任务的兼容性。
结论：尽管当前的ENIGMA流程针对现阶段工作组项目，仅限于静息态数据和频谱分析，但该软件具有高度模块化的特点，因而能够较为直接地扩展到其他分析问题。未来计划进一步开发该工具，以支持连接性分析和任务态MEG分析。ENIGMA MEG处理流程是对现有分析工具体系的重要补充，迈出了实现多中心、高通量数据分析的关键第一步。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729876v1?rss=1
🏷️ 脑磁图 静息态 频谱分析 多中心数据 自动化流程 MNE-Python