rs-fMRI数据的反复量化分析:一种检测TgF344-AD大鼠模型微妙变化的方法
Arash Rezaei1, Monica van den Berg2, Hajar Mirlohi1
1Medical Biology Research Center, Institute of Health Technology, Kermanshah University of Medical Sciences, Kermanshah, Iran.
Computer methods and programs in biomedicine
|September 11, 2024
概括
在休息状态fMRI数据上的复发量化分析 (RQA) 检测到老鼠大脑网络中的早期阿尔茨海默氏病 (AD) 变化. 这种方法揭示了微妙的神经病理效应,有助于开发早期AD检测工具.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 医疗成像医学成像
背景情况:
- 阿尔茨海默病 (AD) 是一种进展性神经退行性疾病,是全球痴呆的主要原因.
- 阿尔茨海默病的临床前阶段可能持续十多年,这凸显了早期检测方法的必要性.
- 了解早期神经病理对大脑功能的影响对于及时干预至关重要.
研究的目的:
- 通过静止状态功能磁共振成像 (rs-fMRI) 来调查阿尔茨海默氏症早期神经病理变化.
- 应用复发量化分析 (RQA) 来识别与AD表型和衰老相关的大脑网络动态的改变.
- 确定在默认模式类似网络 (DMLN) 中受影响的AD临床前阶段的特定大脑区域.
主要方法:
- 从TgF344-AD大鼠和野生型 (WT) littermates获得的rs-fMRI数据,年龄为4个月和6个月.
- 复发量化分析 (RQA) 应用于静止状态fMRI数据,重点关注默认模式类似网络 (DMLN).
- 复发图 (RP) 用于表示和分析随时间推移的大脑活动的动态系统,以确定受影响的DMLN区域.
主要成果:
- 在4个月和6个月大的老鼠中,在多个DMLN区域 (例如,海马体CA1和CA3,V1,V2领域) 发现了与AD相关的显著变化.
- 衰老的WT大鼠在大脑活动中表现出降低的可预测性,而AD大鼠表现出降低的可预测性.
- 在早期阶段,RQA成功地发现了脑网络动态中的微妙变化,这些变化表明了AD类型.
结论:
- rs-fMRI数据的RQA是一种强大的方法,用于检测微妙的,非线性变化在大脑动态错过了其他技术.
- 这项研究提供了宝贵的见解,在老鼠模型中,在非常早期的阶段,对受阿尔茨海默病理影响的特定大脑区域提供了宝贵的见解.
- 这些发现支持开发新的诊断工具和阿尔茨海默病早期检测方法.
