在实施实时FCMA时，研究人员设计了一个系统架构，原则上可用于实时执行其他密集型fMRI分析（图7）。扫描器控制室配备有简单的工作站，当它们离开扫描仪时收集和传输重建的脑体积。

　　这方方法使用 HTTP 接口来向云传输和从云接收信息。云托管表征状态转移（REST）前端服务器，与分布式后端（由主进程协调）通信，后者提供组成流水线阶段的一组灵活的进程。其中一些阶段会涉及使用多台机器进行大规模计算的分布式并行处理。另外一些更简单的阶段，如空间滤波和分类器评分，则只需要一台机器。

　　这套系统能够提供多种服务，让实时 fMRI 实验能够从不同的神经影像中心同时运行。该系统还被设计为对机器故障具有容错性和鲁棒性，从而确保其对科学研究的可靠性。这样的云服务最终将有利于所有 fMRI 分析，并提高标准化和可复现性。据介绍，只需要一个后端硬件和软件就行了。此外，这类云服务还让所有用户都能使用大规模分析，不仅仅限于拥有专用系统的高端用户。

　　结语

　　Jonathan Cohen 等人在综述的结论中写道，“有时很容易忘记 fMRI 已经存在了二十多年了。”

　　在文章中，作者总结了神经科学常用的分析方法，并指出“即使我们对哪些方向似乎最有希望的观点被证明是不准确的，基本的主题看来也可能证明是正确的：fMRI 分析将受益于与相邻领域的密切对齐，例如认知科学、计算机科学、工程学，统计学和数学”。

　　随着这些领域（和神经科学）在技术行业中越来越多地体现，资助和伙伴关系的新机会，以及研究的新应用也将出现。

　　与此同时，研究人员认为可重复性、公共数据库、代码共享和公民科学也应该得到更多的重视，这些都将带来新的、负担得起的数据来源和新的发现途径。

　　与其他数据集相结合，使用强大的技术分析工具，我们能够从数据中获得更多更好的洞见。

　　编译来源：

Princeton-Intel collaboration breaks new ground in studies of the brain，eurekalert

Computational approaches to fMRI analysis，doi:10.1038/nn.4499

「招聘」

全职记者、编译和活动运营

欢迎实习生

以及人工智能翻译社志愿者

详细信息请进入公众号点击「招聘」

或发邮件至 [email protected]