早期MS识别使用非线性功能连接和认知任务的图形理论测量-fMRI数据

科学领域:

• 神经成像是一种神经成像.
• 认知神经科学 认知神经科学
• 生物标志物发现发现

背景情况:

• 多发性硬化症 (MS) 损害了中枢神经系统的功能,影响大脑网络和认知能力.
• 使用功能神经成像来评估MS患者的认知缺陷仍然是一个挑战.
• 了解大脑网络的改变对于诊断和管理MS至关重要.

研究的目的:

• 用基于认知任务的fMRI来识别复发性复发性多发性硬化症 (RRMS) 患者和健康对照人之间的大脑网络差异.
• 评估非线性连接测量作为MS认知障碍生物标志物的有效性.
• 为了比较非线性与线性连接性测量在分类多发性硬化症患者的性能.

主要方法:

• 基于任务的功能磁共振成像 (fMRI) 数据是在认知任务 (步调听觉序列加法测试) 期间收集的.
• 使用基于自动化解剖标记 (AAL) 图谱的Kernel Mutual Information (KMI) 构建了一个非线性大脑网络.
• 机器学习算法,包括基于决策树的技术和支持矢量机器,用于分类,使用威尔科克森等级和总和测试和费舍尔分数进行特征选择.

主要成果:

• 与相关系数等线性指标相比,非线性连接性指标,特别是KMI,显示出更高的分类性能.
• 在包括海马体,准海马体,状体,状体和小脑在内的区域中,在MS患者和对照人群之间观察到大脑网络性能的显著差异.
• 威尔科克森的等级和值测试显示了临床应用的有希望的结果.

结论:

• 非线性连接测量,如KMI,在检测MS相关的大脑网络变化和识别生物标志物方面,比线性测量更有效.
• 这种方法为评估MS患者的认知缺陷提供了一个有希望的途径.
• 需要进一步的研究来验证这些发现在更大的多发性硬化症患者队列中.