Ultra-High Field Functional Connectivity / Network Mapping (highresFC) from the SKIP Dataset

该数据集包含21名参与者在休息状态下进行的超高场（7T）多回波扫描。多回波成像用于减少非BOLD信号，而超高场成像提供更高的图像分辨率和功能连接网络分析的可靠性。该数据集非常适合绘制小而深的皮质下核（如基底神经节中的核）的网络特性。

This dataset comprises multi-echo scans conducted on 21 participants during resting state. Multi-echo imaging is employed to suppress non-BOLD signals, whereas ultra-high-field (7T) imaging offers enhanced image resolution and improved reliability for functional connectivity network analysis. This dataset is particularly well-suited for characterizing the network properties of small and deep subcortical nuclei, such as those within the basal ganglia.

原始信息汇总

Ultra-High Field Functional Connectivity / Network Mapping (highresFC) from the SKIP Dataset

数据集描述

• 描述： 21名参与者在静息状态下接受超高场（7T）多回波扫描。
  • 使用多回波成像以减少非BOLD信号。
  • 超高场成像提供更高的图像分辨率和功能连接网络分析的可靠性。
  • 适用于映射小而深的皮层下核的网络属性，如基底神经节中的核。

当前版本

• 版本： 1.0.1
• 注意： 此版本仅包含健康对照组的数据。未来的更新将包括PD患者的数据以及健康对照组和PD患者更广泛的检测数据，如心脏自主神经和瞳孔测量数据。

引用

请引用以下文献：
Dundon, N. M., Rizor, E., Stasiak, J., Wang, J., Sabugo, K., Villaneuva, C., Barandon, P., Bostan, A. C., Lapate, R. C., & Grafton, S. T. (2024). Dissociation of novel open loop from ventral putamen to motor areas from classic closed loop in humans II: task-based function. bioRxiv, 2024-06.

其他fMRI任务

Incentivized Reaching Task (incenreach)

• 描述： 68名参与者在不同金钱激励情境下执行时间约束的精确到达任务。
  • 试验分为“标准”（80%）和“高激励”（20%）试验。
  • 高激励试验可能获得大额奖励（大奖）或避免大额损失（强盗）。
  • 任务设计比较正负激励效价。

Approach-Avoid Task (approachavoid)

• 描述： 78名参与者根据情绪图片的效价做出时间约束的到达或远离动作。
  • 图片的效价（正和负）和操纵杆的运动方向（接近和避免）被操纵。
  • 参与者根据图片的效价将操纵杆拉向自己（接近）或远离自己（避免）。
  • 任务设计创建情绪-动作一致（正-接近，负-避免）和不一致（正-避免，负-接近）条件。

Active Escape Task (activeescape)

• 描述： 69名参与者跟踪18秒倒计时并在电击威胁下做出时间敏感的 motor 响应。
  • 电击强度（轻微 vs 不愉快）和可控性被操纵。
  • 在“可控”试验中，如果 motor 响应足够快，参与者可以避免电击。
  • 在“不可控”试验中，总是会收到电击。
  • 任务设计创建可控-轻微、不可控-轻微、可控-不愉快和不可控-不愉快条件。

搜集汇总

数据集介绍

构建方式

该数据集，名为‘Network Mapping (highresFC) from the SKIP Dataset’，是通过对21名健康参与者进行超高场（7T）多回波静息态功能磁共振成像（fMRI）扫描构建而成。多回波成像技术被用于减少非BOLD信号的干扰，从而提高功能连接网络分析的准确性和可靠性。超高场成像技术提供了更高的图像分辨率，使得对小而深的皮层下核团，如基底神经节的网络特性进行精确映射成为可能。

特点

此数据集的显著特点在于其采用的超高场（7T）成像技术，这不仅提升了图像的分辨率和功能连接的可靠性，还特别适用于对基底神经节等深部小核团的网络特性进行详细分析。此外，该数据集目前仅包含健康控制组的数据，未来版本将扩展至帕金森病（PD）患者，并增加更广泛的生理和行为测试数据，如心脏自主神经和瞳孔测量数据。

使用方法

研究人员可以通过访问SKIP数据集的官方网站获取该数据集，并利用其进行功能连接网络的深入分析。该数据集特别适合用于研究基底神经节等深部小核团的网络特性，以及这些特性在健康和疾病状态下的变化。使用时，建议引用Dundon等人的相关文献，以确保数据的正确使用和引用。

背景与挑战

背景概述

网络映射（highresFC）数据集源自SKIP数据集，该数据集专注于帕金森病（PD）背景下的人类运动及其激励机制的研究。SKIP数据集由Michael J. Fox基金会资助，旨在成为全球领先的资源，支持跨学科研究。该数据集包含21名健康参与者在静息状态下进行的超高场（7T）多回波扫描数据，旨在通过减少非BOLD信号来提高功能连接网络分析的分辨率和可靠性。此数据集特别适用于小而深的皮层下核团，如基底神经节的网络特性映射。

当前挑战

尽管网络映射（highresFC）数据集在超高场成像技术上取得了显著进展，但其面临的挑战依然显著。首先，数据集目前仅包含健康控制组的数据，未来需扩展至帕金森病患者，以全面评估激励机制在不同病理状态下的影响。其次，数据集的构建过程中，如何有效减少非BOLD信号的干扰，确保功能连接网络分析的准确性，仍是一个技术难题。此外，随着数据集的扩展，如何确保新加入的生理和行为检测数据与现有数据的一致性和兼容性，也是一大挑战。

常用场景

经典使用场景

在神经科学领域，Network Mapping (highresFC) from the SKIP Dataset 数据集的经典使用场景主要集中在高分辨率功能连接网络的分析。通过利用7T超高清磁共振成像技术，该数据集能够提供比传统方法更为精细的脑区功能连接信息。特别适用于研究深部皮质下核团，如基底神经节的功能网络特性。这种高分辨率的数据为神经科学家提供了前所未有的机会，以深入探讨这些核团在静息状态下的功能连接模式，从而为理解神经疾病如帕金森病的病理机制提供新的视角。

衍生相关工作

基于Network Mapping (highresFC) from the SKIP Dataset 数据集，衍生了一系列经典工作，主要集中在高分辨率功能连接网络的分析和应用。例如，有研究利用该数据集探讨了基底神经节在静息状态下的功能连接模式，揭示了其在帕金森病中的异常变化。此外，还有研究通过对比健康对照组和帕金森病患者的数据，开发了新的诊断模型和治疗策略。这些衍生工作不仅深化了对基底神经节功能连接的理解，还为神经科学研究和临床实践提供了新的工具和方法。

数据集最近研究

最新研究方向

在神经科学领域，SKIP数据集的最新研究方向主要集中在利用超高场功能连接（highresFC）技术，深入探索帕金森病（PD）患者与健康对照组在静息状态下的脑网络特性。通过7T超高场多回波扫描，研究者能够更精确地解析深层皮质下核团，如基底神经节的网络属性。这一技术不仅提升了功能连接分析的分辨率和可靠性，还为研究小脑核团的功能提供了理想平台。未来研究将扩展至PD患者，并纳入更多生理和行为检测，如心脏自主神经和瞳孔测量数据，以全面评估激励机制对运动行为的影响。