在阿尔茨海默氏症患者队列中,基于拓的功能性大脑网络集群

科学领域:

• 神经科学是一个神经科学.
• 网络神经科学 网络神经科学
• 机器学习 机器学习

背景情况:

• 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,具有已知的生物标志物.
• 了解整个大脑的功能动态,特别是通过功能性MRI,仍然是一个挑战.
• 亚型化AD患者可以导致更个性化的治疗策略.

研究的目的:

• 将拓数据分析 (TDA) 应用于功能性大脑网络,用于阿尔茨海默病的亚型化.
• 研究功能性大脑拓与大脑形态结构之间的关系.
• 通过先进的计算方法识别阿尔茨海默病的潜在新生物标志物.

主要方法:

• 在功能性大脑网络上利用拓数据分析 (TDA) 的持久同质性.
• 应用了无监督的集群技术,包括使用瓦斯斯坦距离内核的光谱集群.
• 分析了来自阿尔茨海默病神经成像计划 (ADNI-3) 队列的数据.

主要成果:

• 根据功能性大脑网络拓识别出不同的阿尔茨海默病亚型.
• 在已识别的集群中,在整个大脑和中间叶 (MTL) 体积中发现了显著的差异.
• 演示了功能网络拓和大脑形态测量之间的强烈相关性.

结论:

• 拓数据分析对于亚型神经退行性疾病如阿尔茨海默氏症是有效的.
• 中间叶在与阿尔茨海默病相关的功能连接中起着至关重要的作用.
• TDA为网络神经科学和疾病亚型研究提供了一个强大的框架.