通过功能引导有效连接强化学习方法对大脑网络进行评估,表明对耳有治疗效果.

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:

• 目前的功能连接 (FC) 和有效连接 (EC) 方法在从fMRI数据中精确划分大脑网络方面存在局限性.
• 了解大脑网络机制对于耳治疗疗效至关重要.

研究的目的:

• 引入一种新的功能引导有效连接与强化学习 (FGECRL) 方法,以提高识别大脑区域连接的精度.
• 研究在接受声疗的耳患者中大脑网络的改变,并将其与治疗结果相关联.

主要方法:

• 开发了一种FGECRL方法,利用演员关键框架与变压器和双向LSTM编码器解码器网络.
• 从65名耳患者和28名健康对照患者的fMRI数据构建了FGEC网络,在6个月的声音治疗前和之后.
• 在区分有效和无效治疗组时,FGECRL与传统的FC和EC进行了比较.

主要成果:

• 与FC和EC相比,FGECRL在区分患者组方面表现出更高的准确性.
• 有效的耳治疗显示出与健康对照组相似的FGEC网络模式,运动和感觉网络的活动减少.
• 初级听觉皮层持续下降的EC表明声音治疗失败,支持贝叶斯推理理论在耳感知.

结论:

• FGECRL方法提供了更高的精度来识别与耳相关的大脑网络特征.
• FGEC网络模式为 tinnitus 患者的声音治疗机制提供了生物证据,患者的治疗反应不同.