DFC-Igloo:一个动态的功能连接组学习框架,用于识别非常早产婴儿的神经发育生物标志物
Junqi Wang1, Hailong Li2, Kim M Cecil3
1Imaging research center, Department of Radiology, Cincinnati Children's Hospital Medical Center, Cincinnati, OH, USA.
Computer methods and programs in biomedicine
|November 3, 2024
概括
研究人员开发了一种新方法来分析非常早产婴儿的大脑连接. 这种方法可以识别认知和运动发育的早期生物标志物,帮助及时干预神经发育障碍.
科学领域:
- 神经科学是一个神经科学.
- 发展生物学 发展生物学
- 医疗成像医学成像
背景情况:
- 非常早产的婴儿面临神经发育障碍的风险.
- 预后生物标志物的早期检测对于及时干预至关重要.
- 之前的研究受限于小样本大小和低效的功能连接组 (FC) 构建算法,用于杂的新生儿数据.
研究的目的:
- 使用静止状态fMRI探索功能生物标志物,用于非常早产婴儿未来的认知和运动发育.
- 提出一个增强的功能连接组构建算法,以解决先前研究的局限性.
- 将新算法应用于大量非常早产婴儿队列,以确定多层次的神经发育生物标志物.
主要方法:
- 提出了一个先进的动态FC (dFC) 学习模型,dFC-Igloo,利用结构连接组 (SC) 信息.
- 应用图形信号平滑度以代地改进使用FC和SC的dFC估计.
- 在对人类队伍应用之前,对人工图形和模拟图形信号进行了模型评估.
主要成果:
- dFC-Igloo模型在各种噪音级别中显示了地面真实图的强大恢复.
- 该模型应用于一组非常早产婴儿,该模型为每个婴儿生成了增强的dFC.
- 在基于改进的dFC的基础上,在连接体,区域和子网络层面确定了神经发育生物标志物.
结论:
- 鉴定的生物标志物与非常早产婴儿的认知和运动发育结果相关.
- 这些发现为早期大脑发育和潜在的神经发育挑战提供了洞察力.
- 增强的dFC构建算法为新生儿神经成像研究提供了一个有前途的工具.
