预测早产婴儿2年的神经发育结果,使用多式结构性大脑磁共振成像与局部连接

科学领域:

• 神经科学是一个神经科学.
• 发育儿科 发育儿科
• 医疗成像医学成像

背景情况:

• 早产婴儿的神经发育结果因妊娠年龄而异.
• 对这些结果的早期预测对于及时干预至关重要.
• 大脑结构网络为神经发育轨迹提供了潜在的生物标志物.

研究的目的:

• 探索极度早产 (EP) 和非常晚期早产 (V-LP) 婴儿的大脑结构网络.
• 用机器学习模型预测2年的神经发育结果.
• 确定关键的神经成像特征,特别是局部连接性,用于结果预测.

主要方法:

• 使用MRI和扩散MRI对62名EP和131名V-LP婴儿进行了术语相当年龄的检查.
• 开发了用于体积和结构网络分析的多式联运特征集.
• 采用线性和非线性机器学习模型来预测婴幼儿发展的贝利尺度,第三版 (BSID-III) 评分.

主要成果:

• 结合本地连接特征的模型显示了BSID-III分数的高预测性能.
• 当地连接特征预测了早产 (17%的差异) 和V-LP (17%) 婴儿的认知得分.
• 局部连接预测了EP婴儿的运动分数 (15%的差异) 和早产婴儿的语言分数 (15%的差异).

结论:

• 多模式特征集,特别是局部连接,对于预测早产婴儿的神经发育结果非常有价值.
• 机器学习有效地利用神经成像数据来理解微观结构的变化.
• 这些发现支持通过神经成像生物标志物的早期干预策略.