从DTI的结构连接性预测轻度认知障碍 in de novo帕金森病
Xiaofei Huang1, Qing He1, Xiuhang Ruan1
1Department of Radiology, the Second Affiliated Hospital, School of Medicine, South China University of Technology, Guangdong, China.
NeuroImage. Clinical
|December 7, 2023
概括
在帕金森病 (PD) 中预测轻度认知障碍对于早期干预至关重要. 来自扩散张力成像 (DTI) 的白质连接有效地识别了患有认知衰退高风险的患者.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 机器学习 机器学习
背景情况:
- 在帕金森病 (PD) 中早期发现轻度认知障碍 (MCI) 对于及时干预至关重要.
- 白质结构连接是神经退行症的一个敏感指标.
研究的目的:
- 在新的PD患者中预测个人转换为PD-MCI.
- 利用从扩散张力成像 (DTI) 来得出的基线白质结构连接性.
- 使用机器学习方法进行预测.
主要方法:
- 包括90名新的PD患者与DTI和3D T1加权成像.
- 使用基于弹性网的特征共识排名 (ENFCR) 进行特征选择.
- 训练有素的分类器 (LDA,SVM,KNN,NB) 在使用AUC,ACC,SEN和SPE对所选特征和评估性能进行分类.
主要成果:
- 使用结构连接的模型比临床数据模型 (AUC: 0.62-0.68) 实现了更高的性能 (AUC: 0.81-0.84).
- 结合的临床和连接数据模型显示了可比的高性能 (AUC:0.81-0.85).
- 结构连接模型显示了PD-MCI转换的强大预测能力.
结论:
- 来自DTI的基线白质结构连接性有助于预测新的PD患者未来的MCI转化.
- 基于DTI的连接分析是帕金森病早期风险分层的一个有价值的工具.
