用多门衍生来描述大脑功能网络的拓性质,用于末期脏病与轻度认知障碍的末期脏病
Rupu Zhang1, Xidong Fu1, Chaofan Song1
1School of Computer Science and Artificial Intelligence, Changzhou University, Changzhou 213164, China.
Brain sciences
|August 26, 2023
概括
这项研究引入了多值衍生 (MTD) 特性,以更好地对末期病 (ESRD) 患者的认知障碍进行分类. MTD为诊断与ESRD相关的轻度认知障碍 (ESRDaMCI) 提供了更高的准确性和细节.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 网络科学 网络科学
背景情况:
- 末期病 (ESRD) 显著改变大脑网络结构和功能.
- 使用大脑网络对ESRD患者认知障碍进行分类的传统方法在解释性和稳定性方面存在局限性.
- 现有的方法通常依赖于二进制或加权的大脑网络,这些网络无法完全捕捉动态变化.
研究的目的:
- 开发一个新的分类框架,用于末期脏疾病和轻度认知障碍 (ESRDaMCI).
- 用一种新的多值导数 (MTD) 方法量化描述大脑功能网络 (BFNs) 的拓性质.
- 评估MTD特征在区分ESRDaMCI与其他条件方面的有效性.
主要方法:
- 动态BFNs (DBFNs) 在多个值中构建和二进制化.
- 从每个二进制网络中提取拓性质.
- 这些属性通过计算衍生曲线来量化为MTD特征.
主要成果:
- 与单个MTD特征相比,MTD特征的线性融合显著提高了分类性能.
- 合的MTD特征实现了准确度为85.98 ± 2.92%,灵敏度为86.10 ± 4.11%,特异性为81.54 ± 4.27%.
- MTD-cc成为最有影响力的特征,为融合特征贡献了28.32%.
结论:
- MTD特征提供了更详细,更强大的BFN拓属性的量化.
- 这种新的方法有效地解决了传统方法在区分认知障碍方面的局限性.
- MTD特征为诊断ESRD患者的认知障碍提供了有价值的工具.
