在MRI阴性叶中休息状态功能大脑网络的特定模型
Xue Yang1, Manling Ge2, Shenghua Chen2
1School of Life Science and Health Engineering, Hebei University of Technology, Tianjin, China.
Heliyon
|March 5, 2025
概括
一个新的功能连接 (FC) 模型改善了MRI阴性叶 (NTLE) 检测. 这种特定的FC模型实现了93%的准确性,超过了诊断NTLE的传统方法.
科学领域:
- 神经成像是一种神经成像.
- 的研究研究.
- 机器学习在医学中的应用
背景情况:
- 诊断MRI阴性叶 (NTLE) 是具有挑战性的,因为MRI上缺乏可见的结构指标.
- 功能连接 (FC) 分析提供了在NTLE中检测微妙异常的潜力.
研究的目的:
- 开发和验证一个新的网络级特定功能连接 (FC) 模型,以改进NTLE的检测.
- 将特定的FC模型的诊断性能与传统的FC方法进行比较.
主要方法:
- 使用20名NTLE患者和60名健康对照 (HC) 的MRI数据构建了一个特定的FC模型.
- 网络层面的FC指数被用于评分网络功能,敏感性分析确定了NTLE的特定感兴趣区域 (ROI).
- 一个支持向量机 (SVM) 分类器被训练使用这些ROI的特征,通过十倍交叉验证和保留方法进行验证.
主要成果:
- 具体的FC模型确定了11个关键的ROI,包括额叶,叶,顶叶,海马和叶.
- 开发的NTLE分类器的准确率接近93%,超过了传统的皮尔森相关性FC模型的6%以上.
结论:
- 网络层面的特定FC模型为NTLE中功能异常的机器辅助检测提供了一个有希望的新方法.
- 这种方法可以提高休息状态功能性MRI的诊断能力.
更多相关视频
08:23A Multimodal Imaging- and Stimulation-based Method of Evaluating Connectivity-related Brain Excitability in Patients with Epilepsy
Published on: November 13, 2016
11.0K
09:32Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients
Published on: December 18, 2016
12.1K
