患有虹膜炎的患者中受损的半球间同步和使用机器学习进行分类:一项fMRI研究
Yan Tong1, Zhi Wen2, Xin Huang3
1Department of Ophthalmology and Visual Sciences, The Chinese University of Hong Kong, Hong Kong, Hong Kong SAR, China.
Frontiers in immunology
|December 31, 2024
概括
这项研究揭示了使用voxel-mirrored homotopic connectivity (VMHC) 的虹膜炎患者中大脑连接受损. 这些发现可能有助于开发用于早期诊断和治疗虹膜炎的客观生物标志物.
科学领域:
- 神经科学是一个神经科学.
- 眼科医生 眼科 眼科
- 医疗成像医学成像
背景情况:
- 虹膜炎与视力丧失和认知功能障碍有关.
- 了解潜在的病理生理机制对于有效的干预至关重要.
- 在虹膜炎中,半球间的整合模式仍未得到充分探索.
研究的目的:
- 通过使用voxel-mirrored homotopic connectivity (VMHC) 检查虹膜炎患者的半球间整合模式.
- 评估VMHC在区分虹膜炎患者与健康对照者的潜力.
- 探索VMHC作为早期诊断和干预的客观生物标志物的实用性.
主要方法:
- 在休息状态功能磁共振成像 (fMRI) 进行了26名虹膜炎患者和26名匹配的HCs.
- 用于分析半球间的功能连接,采用了voxel镜像同位素连接 (VMHC) 技术.
- 使用支持矢量机 (SVM) 分类器来评估VMHC特征的诊断效果.
主要成果:
- 与HCs相比,虹膜炎患者在双边下环,卡尔卡林环,中环和前环中显著减少了VMHC.
- VMHC的特点是从HC中有效分类的虹膜炎患者,其AUC为0.74,准确度为0.673.
- 相关性分析研究了VMHC值和临床特征之间的关联.
结论:
- 干扰半球间功能组织在虹膜环炎中显而易见.
- VMHC的分析显示,它有可能成为诊断虹膜炎炎的客观生物标志物.
- 机器学习方法可以帮助解决眼科诊断异质性的问题.
