使用fMRI和物流回归的断片函数连接性来对ASD进行诊断分类
Chetan Rakshe1, Suja Kunneth2, Soumya Sundaram3
1School of Biomedical Engineering, Indian Institute of Technology (BHU), Varanasi, Uttar Pradesh, India.
Studies in health technology and informatics
|June 30, 2023
概括
这项研究引入了一种新型的碎形功能连接 (FC) 方法,用于分析自闭症谱系障碍 (ASD) 中的大脑网络. 这种先进的技术在识别自闭症方面取得了94%的准确性,突出了关键的大脑网络贡献.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 自闭症谱系障碍 (ASD) 在诊断和理解大脑网络改变方面提出了复杂的挑战.
- 使用fMRI的功能连接 (FC) 分析是调查大脑网络差异的关键工具.
研究的目的:
- 为改进自闭症谱系障碍 (ASD) 检测开发和验证一种新的分形功能连接 (FC) 方法.
- 识别特定的大脑网络对于区分ASD与典型发育至关重要.
主要方法:
- 利用来自ABIDE数据库的功能磁共振成像 (fMRI) 数据对236个大脑区域进行分析.
- 计算了碎形FC矩阵,并使用XGBoost进行特征排名.
- 应用后勤回归分类器来评估顶级FC特征的诊断性能.
主要成果:
- 顶部0.5%的碎形FC特征在分类ASD时达到94%的平均5倍交叉验证准确度.
- 在背部注意力 (14.75%), cingulo-opercular任务控制 (14.39%) 和视觉网络 (12.59%) 中发现了显著的贡献.
结论:
- 碎形FC分析为ASD诊断提供了一个高度准确和敏感的方法.
- 这种方法可以显著帮助客观识别与ASD相关的大脑网络异常.
更多相关视频
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
11.0K
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
