探索早期MCI与GRU_GC模型在休息状态fMRI上的大脑有效连接

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:

• 脑连接分析对于诊断早期轻度认知障碍 (EMCI) 至关重要.
• 了解大脑区域之间的功能相互作用有助于早期发现疾病.

研究的目的:

• 在EMCI中开发和验证一种用于评估大脑连接性的新型模型.
• 提高早期轻度认知障碍诊断的准确性和可靠性.

主要方法:

• 利用格兰杰因果关系与Gate Recurrent Unit (GRU_GC) 模型来检测大脑信号中的非线性因果关系.
• GRU_GC模型克服了经典格兰杰方法中存在的固定时间滞后的局限性.
• 采用差异网络方法来探索EMCI患者和健康对照人群之间的有效大脑连接.

主要成果:

• 该GRU_GC模型在对89名EMCI患者和73名健康对照 (HC) 进行分类时实现了87.88%的准确性.
• 与MVGC和LSTM_GC相比,GRU_GC在估计大脑连接通信方面表现出显著的改善.
• 在EMCI患者中发现了异常的大脑区域,包括近海马回形和后带带回形,在EMCI患者中发现了异常大脑区域.

结论:

• GRU_GC模型是分析大脑连接的有效工具.
• 这种方法为EMCI的医学诊断提供了辅助支持.
• GRU_GC显示了临床应用的潜力,用于识别与EMCI相关的异常大脑区域.