简单的拓基于任务的功能连接特征预测了RANN队列中流体推理的纵向行为变化
Georgette Argiris1, Yaakov Stern1, Seonjoo Lee2
1Cognitive Neuroscience Division, Department of Neurology, Columbia University Irving Medical Center, 710 West 168th Street, 3rd floor, New York, NY 10032, United States.
NeuroImage
|June 21, 2023
概括
拓数据分析显示,随着年龄的增长,大脑网络的连接性下降,影响认知功能. 较低的连接性预测认知能力下降,突出TDA.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 数据分析 数据分析
背景情况:
- 拓数据分析 (TDA) 和持久同质 (PH) 是分析复杂数据结构的新兴方法.
- PH通过检查跨值的连接性来确定大脑网络的基本形状.
- 之前的工作已经探索了结构性大脑网络的PH;这项研究将其应用于功能连接.
研究的目的:
- 通过使用PH来研究大脑功能连接的与年龄相关的变化.
- 为了确定PH衍生的测量是否预测纵向认知衰退.
- 将基于PH的系统分离与传统措施进行比较.
主要方法:
- 应用PH对基于任务的功能连接数据,来自RANN队列中的163名参与者 (20-80岁).
- 计算的0维贝蒂 (B0) 曲线及其曲线下的面积 (AUC) 在基线和5年后续.
- 评估AUC与年龄相关的变化及其对认知表现变化的预测效用.
主要成果:
- 在流体推理的AUC中发现了与年龄相关的纵向下降.
- 降低AUC预测纵向认知下降,即使在控制共变量之后.
- AUC的变化部分介于年龄对认知表现变化的影响.
- 系统隔离也随着年龄的增长而减少,但不能预测认知变化.
结论:
- 由PH衍生的B0曲线的AUC提供了与年龄相关的大脑网络组织变化的敏感度量.
- 这一测量对认知衰老和衰退具有预测效用.
- TDA,特别是PH,有望促进对认知衰老和大脑健康的研究.
