编辑:在发育神经科学先进的分析技术

现代发育神经科学研究本质上是多学科,包括广泛使用先进的分析技术。这些分析通常采用计算要求的方法,包括先进的技术,如机器学习,结合动物模型以及成像的患者群体,进一步我们对大脑发育的理解。在本专题,我们发表了相互关联的手稿关注一些重要的发展条件,每个包含先进的分析技术的使用。机器学习是成为一个强大的技术来分析神经系统数据和我们的收藏包括一份手稿在机器学习的应用神经磁共振成像(MRI)检查在精神分裂症的人口(Levman et al。),包括公共领域软件协助研究人员将机器学习应用于他们的分析。此外,神经网络模型是揭示与暴露于尼古丁相关的肌肉运动的影响在一个运动障碍的诊断方法(Torabi et al。)。先进的方法定量分析大脑发育也可用,包括自动化软件中提取生物标志物的潜在的利益。一个先进的计算分析技术,即——,这地图主要纤维束在整个大脑,被用来确定一个潜在的协会之间的联接和自闭症的症状严重程度(欧阳et al。)。定量分析的评论文章涵盖Rett综合症包括(Shiohama和Tsujimura),和一个额外的研究集中于使用先进的工具支持全面的容量分析小鼠模型的Rett综合症也包含在我们的文章收集(Akaba et al。)。最后,分析了使用灌注对比空间正常化动脉自旋标记MRI检查在小儿颅缝早闭的人口(de Planque et al。)。

使用先进的分析技术有可能帮助改善我们对神经发育的理解。例如,分析精神分裂症的人口(Levman et al。)透露病人抑郁之间的相关性和右眶额皮层的厚度,和机器学习分析报道不同的大脑区域与潜在的不正常发展。机器学习的应用研究尼古丁暴露(Torabi et al。)导致新技术能够识别运动改变姿势,运动开始,重复动作。应用先进的分析在自闭症(欧阳et al。)报道,病人症状严重程度与异常的联接。Rett综合症小鼠模型的先进分析揭示了大脑半球不对称在几个区域(Akaba et al。),一个相关的评论文章在成像Rett综合症概述被积极使用先进的方法描述神经系统数据在这一领域(Shiohama和Tsujimura)。最后,灌注对比研究表明潜在的使用先进的分析技术表征的儿科患者颅缝早闭(de Planque et al。)。

总之,这个研究课题演示了使用先进的分析技术在广泛的领域。这里介绍的每个研究中使用的技术并不局限于特定领域的论文,但是可以用于广泛的应用程序。随着分析技术研究大脑继续改善图像采集、后期处理分析、动物模型和机器学习,我们期望我们的能力评估和监测大脑发育继续改善。

作者的贡献

等提出了收集和编辑修订和批准。ET和JL管理文章收集。JL撰写了这篇社论。所有作者的文章和批准提交的版本。

资金

这项工作是由美国国立卫生研究院(格兰特数字R01HD078561, R21MH118739、R03NS091587 R21HD098606)等,加拿大自然科学与工程研究委员会加拿大研究主席杰(批准号231266),加拿大自然科学和工程研究委员会发现格兰特莱托,和加拿大创新基金会和新斯科舍省研究和创新基础设施(批准号R0176004) JL信任。

的利益冲突

杰是时间会告诉我们技术的创始人,公司。

其余作者宣称,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。