基于噪音引起的听力损失中的分数维度的结构共变网络的异常拓结构

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 网络科学 网络科学

背景情况:

• 噪音引起的听力损失 (NIHL) 是一个日益严重的公共卫生问题.
• 了解NIHL中大脑的结构和功能变化对于开发有效干预措施至关重要.
• 之前的研究主要集中在听觉通路的变化上,使得网络层面的影响受到更少的探索.

研究的目的:

• 在NIHL患者中使用碎形维度 (FD) 调查结构共变网络 (SCN) 的拓属性.
• 识别与NIHL相关的大脑网络连接和网络枢纽的变化.
• 在网络层面探索NIHL中脑损伤背后的神经病理机制.

主要方法:

• 对40名NIHL患者和38名健康对照 (HC) 的高分辨率3DT1加权MRI图像的分析.
• 使用皮尔森相关系数和费舍尔Z转换构建基于FD的SCN.
• 应用图形理论来计算拓属性和网络枢纽 (中间中心,中心度).
• 利用基于网络的统计 (NBS) 来识别异常连接子网络.

主要成果:

• 在NIHL小组表现出显著增加的正常化聚类系数和正常化的特征路径长度,以及右侧中间轨道前环环节节节效率下降.
• 在NIHL小组中,右横旋和左副海马旋被确定为网络枢纽.
• 根据NBS的分析,发现了两个具有异常连接的子网络:一个具有增强的连接 (默认模式,面对面,背部注意力,体运动网络) 和一个具有减少的连接 (边缘,视觉,默认模式,听觉网络).

结论:

• 基于FD的SCNs中的NIHL与异常的拓结构有关.
• 这些网络变化为NIHL中复杂的脑损伤机制提供了更深入的理解.
• 这些发现为NIHL的神经病理机制和潜在的治疗点提供了新的理论基础.