结合静态和动态功能连接性分析,以识别阻塞性睡眠呼吸暂停的男性患者,并预测临床症状
Lifeng Li1, Liming Song2, Yuting Liu3
1Jiangxi Provincial Key Laboratory for Precision Pathology and Intelligent Diagnosis, Department of Radiology, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, China; Department of Radiology, The Affiliated Changsha Central Hospital, Hengyang Medical School, University of South China, Hunan Province, China.
Sleep medicine
|December 13, 2024
概括
这项研究使用功能连接 (FC) 来区分阻塞性睡眠呼吸暂停 (OSA) 患者与健康个体. 结合静态和动态FC准确地识别了OSA,并预测了睡眠和认知障碍等临床症状.
科学领域:
- 神经成像是一种神经成像.
- 睡眠医学 睡眠医学
- 计算神经科学是一种神经科学.
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 导致间歇性缺氧和睡眠碎片化,导致神经功能障碍.
- 识别OSA中的大脑变化对于理解其影响至关重要.
研究的目的:
- 为了区分患有OSA的患者与健康对照 (HC).
- 使用功能连接 (FC) 预测OSA的临床症状变化.
- 为了研究从小脑播种的静态 (sFC) 和动态 (dFC) FC模式.
主要方法:
- 分析了60名患有OSA的男性患者和60名男性高血压患者.
- 滑窗分析计算了小脑和整个大脑之间的sFC和dFC.
- 机器学习模型使用结合的sFC和dFC功能进行分类和预测.
主要成果:
- OSA患者表现出改变的dFC与时和额头旋转以及增加的sFC与几个大脑区域.
- 结合的sFC和dFC特征在区分OSA和HC时实现了优异的分类性能.
- FC变化显著预测认知障碍 (30.11%),过度嗜睡 (55.96%),以及焦虑/抑郁 (27.94%).
结论:
- 结合脑小脑sFC和dFC分析,可提供高精度的OSA分类和预测.
- 异常的FC模式表明OSA中的补偿性大脑重组和受损的认知网络集成.
- 这些发现突出了OSA潜在的神经成像标志物.


