アルツハイマー病における地域接続性とネットワークバイオマーカーを用いた認知予測
Jinhua Sheng1, Jialei Wang1, Qiao Zhang2
1School of Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, Zhejiang 310018, China; Key Laboratory of Intelligent Image Analysis for Sensory and Cognitive Health, Ministry of Industry and Information Technology of China, Hangzhou, Zhejiang 310018, China.
Neuroscience
|September 5, 2025
まとめ
この研究では,認知障害の脳ネットワークを分析し,認知能力を正確に予測し,低下に関連した主要な脳ネットワークを特定するためのSES (Significant Edges Selection) 方法が導入されています.
科学分野:
- 神経科学
- 計算精神科
- 医学画像分析
背景:
- 脳のメカニズムを理解するには 多次元ネットワークの分析が必要です
- 認知障害の研究には 神経画像データから正確な特徴の抽出が必要です
研究 の 目的:
- 認知障害患者の個々の脳ネットワークを分析するための新しい方法を開発し,検証する.
- 洗練されたネットワーク機能に基づいた機械学習モデルを使用して認知パフォーマンスを予測する.
- 認知機能低下に関連した 重要な脳領域とネットワークを特定する
主な方法:
- ニューロ画像データから個々の脳ネットワークの構築
- 有意なエッジ選択 (SES) 方法を適用して情報的な接続を抽出します.
- ネットワーク特性の計算と予測のための機械学習の適用 (leave-one-outクロス検証)
主要な成果:
- 認知能力の予測精度はr = 0.683でした.
- 主要な脳領域と 予測能力を高める 大規模なネットワークを特定しました
- 副次視覚 (VIS2),フロントペリエタルコントロール (FPN),デフォルトモード (DMN) ネットワークは認知機能低下と最も関連していました.
結論:
- マルチスケールフレームワーク (接続,地域,ネットワーク) は,堅固な認知予測を可能にします.
- この発見は,アルツハイマー病 (AD) のメカニズムに関する新しい洞察を提供します.
- この研究は,ADの早期診断とメカニズム研究のための予測モデリングを進めている.
