为了了解大脑的工作原理，科学家经常使用神经成像技术记录参与者在执行任务或休息时的大脑活动。研究人员经常使用所谓的“皮质表面模型”来分析神经成像数据并研究人脑的功能组织。在过去的 25 年里，这种模板已经经过了几次迭代，如今最常用的皮质表面模板是基于从 40 个大脑收集的数据。现在，达特茅斯的研究人员表示，他们已经创建了一种名为“OpenNeuro Average”的新皮质表面模板，简称“onavg”，它在分析神经成像数据时提供了更高的准确性和效率。

通过新型皮质表面模板映射大脑活动

研究人员写道：“神经影像数据分析依赖于对标准解剖模板的标准化，以解决大脑之间的宏观解剖差异。”“现有的人类皮质表面模板采样位置不均匀，这是因为折叠皮质膨胀成标准形状而导致的扭曲。这里我们展示了 onavg 模板，它可以对皮质进行均匀采样。我们根据 1,031 个大脑的公开高质量结构扫描创建了 onavg 模板——比现有皮质模板多 25 倍。”

“我们的皮质表面模板 onavg 是第一个对大脑不同部位进行统一采样的模板，”主要作者 Feilong Ma 博士说，他是达特茅斯大学心理与脑科学系的博士后研究员和 Haxby 实验室成员。“这是一张偏差较小的地图，计算效率更高。”

该团队根据 OpenNeuro(一个用于共享神经影像数据的免费开源平台)中 30 个数据集中的 1,031 个大脑的皮质解剖结构构建了该模板。据合著者称，这也是第一个基于大脑几何形状的皮质表面模板。

“通过神经成像获取数据非常昂贵，对于某些临床人群(例如研究罕见疾病的人群)来说，获取大量数据可能非常困难甚至不可能，因此能够用更少的数据获得更好的结果是一种优势，”Feilong 说道。“通过更高效的数据使用，我们的模板可以潜在地提高学术研究结果的可复制性和可重复性。”

“我认为 onavg 代表了一种方法论的进步，在认知和临床神经科学的各个方面都有广泛的应用，”论文合著者、心理和脑科学系教授、达特茅斯认知神经科学中心前主任詹姆斯哈克斯比 (James Haxby) 说。

他说，他们的皮质表面模板可用于视觉、听觉、语言和个体差异的研究，以及自闭症和阿尔茨海默氏症和帕金森氏症等神经退行性疾病的研究。

“我们认为它将在该领域产生广泛而深远的影响，”哈克斯比总结道。