使用静止状态fMRI的功能网络的金字塔表示
Zhipeng Yang1, Luying Li1, Yaxi Peng1
1College of Electronic Engineering, Chengdu University of Information Technology, Chengdu, Sichuan 610225, China.
Psychoradiology
|April 26, 2024
概括
功能性大脑网络的新型金字塔表示平衡了灵敏度和解剖学变异性. 多尺度分析有效地识别了阿尔茨海默病 (AD) 生物标志物,优于单尺度方法,提高了诊断准确度.
科学领域:
- 神经成像是一种神经成像.
- 网络神经科学 网络神经科学
- 计算精神病学是一种计算精神病学.
背景情况:
- 休息状态功能磁共振成像 (RS-fMRI) 通过分析区域间相互作用来揭示大脑机制.
- 基于图形的方法将大脑建模为一个复杂的网络,但网络规模会影响灵敏度和解剖学变异性.
- 了解大脑网络组织对于诊断神经和精神疾病至关重要.
研究的目的:
- 引入功能性大脑网络的多尺度金字塔表示,以平衡灵敏度和解剖变异性.
- 评估这种多尺度方法在识别阿尔茨海默病 (AD) 生物标志物的有效性.
- 评估多尺度网络特征在区分AD患者与健康对照中的区分能力.
主要方法:
- 构建了一个金字塔表示,包括多个规模的五个功能网络.
- 从这些多尺度网络中提取特征.
- 该方法应用于AD个体的数据集,正常老年人 (NC) 控制和自闭症个体.
主要成果:
- 不同的尺度在区分AD时表现出不同的灵敏度.
- 结合的多尺度特征在识别AD方面表现出比单尺度特征更高的准确性.
- 该方法显示了识别AD脑网络中被破坏的拓组织的潜力.
结论:
- 多尺度网络指标提供了功能性大脑组织的更全面的表征.
- 这种多层次的方法为分析大脑机制提供了一个有前途的方法.
- 这些发现表明,有可能使用多尺度网络特征作为AD的诊断标记.
