薬物誘発性血液動力学的変化の全脳分析のための機械学習と組み合わせた機能性超音波画像

科学分野:

• 神経科学
• 薬理学について
• 医療用イメージング

背景:

• 機能性超音波画像 (fUSI) は,高い空間時間解像度の脳血量変化を可視化します.
• 現在のfUSI研究では 既定の関心領域が用いられていて 潜在的に重要な標的外脳活動が欠けています
• ディゾシルピン (MK-801) は,NMDA受容体アンタゴニストで,記憶と学習障害を研究する臨床前モデルで使用されています.

研究 の 目的:

• fUSIと組み合わせた機械学習アプローチ (CNN,SVM,ViT) を薬剤の薬動力学分析に比較する.
• 脳内の薬物効果を特定し,マッピングするためのデータベースの方法を開発する.
• fUSIと機械学習を用いて,Dizocilpine (MK-801) が脳活動に及ぼす影響を調査する.

主な方法:

• 機能性超音波画像 (fUSI) を用いて脳血量変化を測定した.
• fUSIデータには3つの機械学習モデル (CNN,SVM,ViT) が適用された.
• ディゾシルピン (MK-801) を臨床前モデルに投与し,脳活動を分析した.

主要な成果:

• テストされたすべての機械学習モデルは 薬物と対照条件を区別しました
• 収縮性ニューラルネットワーク (CNN) は,空間的特徴と解剖学的特異性を捉える上で優れた性能を示した.
• クラスアクティベーションマッピングは,MK-801によって影響を受けた 前頭前皮質と海馬を含む主要な脳領域を特定しました.

結論:

• fUSIとCNNの組み合わせは,臨床前薬学的研究のための強力な分析的枠組みを提供します.
• この統合されたアプローチにより,薬物によって引き起こされる脳活動のデータに基づく識別とマッピングが可能になります.
• この発見は,解剖学的および生理学的文脈を保ちながら,薬物メカニズムを理解するためのfUSI-CNNの有用性を強調しています.