阿尔茨海默氏病的因果功能连接是从时间序列fMRI数据计算出来的

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:

• 改变大脑功能连接是阿尔茨海默病 (AD) 的标志,显示出作为早期诊断生物标志物的潜力.
• 传统的功能连接性测量的是非定向的关联 (相关性),这些关联可能不反映真实的因果大脑相互作用.
• 因果功能连接 (CFC) 提供了一个定向网络,为大脑区域的因果关系提供了更深入的见解.

研究的目的:

• 在具有不同认知状态 (认知正常,轻度认知障碍,AD) 的受试者中推断全脑因果功能连接体.
• 应用和验证时间感知PC (TPC) 算法,从静止状态fMRI数据进行全脑CFC的无模型估计.
• 探索阿尔茨海默病和认知正常群体之间的CFC边缘强度的差异,以确定AD影响的大脑区域.

主要方法:

• 来自三个临床组的休息状态功能磁共振成像 (rs-fMRI) 数据.
• 应用时间感知PC (TPC) 算法用于定向图形建模和无模型的CFC估计.
• 将TPC衍生的CFC与现有方法进行比较,并对边缘强度差异进行统计分析 (Welch's t-test).

主要成果:

• 通过使用TPC算法在临床组中成功推断全脑因果功能连接体.
• 证明TPC的CFC估计与其他已知方法可比.
• 确定阿尔茨海默氏症和认知正常群体之间的CFC边缘强度的显著差异,突出显示与已知的AD病理学相一致的大脑区域.

结论:

• 时间感知PC算法有效地从rs-fMRI数据中推断出因果功能连接.
• CFC分析揭示了阿尔茨海默病中明显的网络变化,支持其作为敏感生物标记物的潜力.
• 确定的大脑区域与现有的AD临床和医学研究一致,验证了CFC方法.