在经典的三角神经疼痛中,大脑变化.

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 神经学 神经学

背景情况:

• 经典三角神经疼痛 (CTN) 是一种具有不完全理解的病理机制的衰弱性慢性神经病性面部疼痛障碍.
• 休息状态功能性磁共振成像 (rs-fMRI) 提供了对CTN功能性大脑变化的见解.
• 在CTN中神经复杂性变化的精确空间分布仍然不清楚.

研究的目的:

• 研究CTN患者脑 (BEN) 变化的空间分布.
• 探索BEN变化与CTN中的临床变量之间的关系.
• 评估机器学习在基于BEN模式对CTN患者的分类中的有效性.

主要方法:

• 分析了来自85名CTN患者和79名健康对照者的rs-fMRI数据.
• 大脑 (BEN) 计算以评估神经复杂性.
• 用16个机器学习算法进行分类,选择了表现最好的模型.

主要成果:

• 与HC相比,CTN患者在乳头和脑干中BEN增加,在下半月球叶中BEN减少.
• 在thalamic BEN值和神经心理评估之间观察到较低的正相关性.
• 条件相互信息最大化-随机森林 (CMIM-RF) 模型实现了最高的分类精度 (AUC = 0.801).

结论:

• 在 thalamus,pons 和下半月球球叶中发生的 BEN 变化与 CTN 有关.
• 机器学习有效地使用BEN数据将CTN患者从HC分类.
• 这些发现为CTN神经病理学和潜在的诊断/治疗点提供了新的见解.