LGI-局部回旋指数的生成

最新推荐文章于 2025-04-29 15:30:59 发布

MRI_lab

最新推荐文章于 2025-04-29 15:30:59 发布

阅读量607

点赞数

分类专栏：磁共振数据分析/临床预测模型/机器学习/深度学习神经影像合集-Freesurfer/FSL/R/python 文章标签： linux freesurfer

本文链接：https://blog.csdn.net/blank0814/article/details/135553378

版权

磁共振数据分析/临床预测模型/机器学习/深度学习同时被 2 个专栏收录

53 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

神经影像合集-Freesurfer/FSL/R/python

52 篇文章 ¥59.90 ¥99.00

订阅专栏

超级会员免费看

局部回旋指数(lGI)是量化脑皮质褶皱程度的一种方法，由Freesurfer软件提供支持，源于Marie Schaer的研究。lGI改进了传统的二维Gyrification指数(2D-GI)，后者易受切片方向和皮质表面三维性质的影响。lGI通过评估三维兴趣区域的Gyrification，提高了对皮质复杂性异常的识别精度，特别是在神经发育和精神疾病研究中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#LGI-Generated
Gyrification 指数是一个指标，用于量化埋藏在脑沟褶皱内的皮质数量与外部可见皮层上的皮质数量相比。具有广泛折叠的皮层具有较大的回旋指数，而具有有限折叠的皮层具有较小的回旋指数。Freesurfer 中的方法（作为 -localGI 标志）基于 Marie Schaer 的“A Surface-based Approach to Quantify Local Cortical Gyrification”，该方法计算了整个皮质表面数千个点的局部回旋测量值（另见 HBM’07）。

局部Gyrification指数（lGI）的灵感来自经典的二维Gyrization指数（2D-GI，（Zilles等人，1988）），它是在二维冠状切片上描绘的脑软脑皮质总表面与大脑周长的比率。由于其易于解释和实施简单，许多研究已经使用Gyrification指数来识别神经发育和精神疾病中的异常皮质复杂性。然而，鉴于冠状切片没有考虑到皮质表面固有的三维性质，2D-GI 可能会对准确性构成威胁。更具体地说，周长测量很容易因切片方向或埋藏沟的存在而产生偏差。此外，使用二维 MRI 切片无法精确定位回异常。局部Gyrification指数通过量化圆形三维感兴趣区域中的Gyrification指数来解决这些问题。