时间叶中改变的定向连接网络:一个MEG研究

科学领域:

• 神经科学是一个神经科学.
• 的研究研究.
• 大脑网络分析 脑网络分析

背景情况:

• (TLE) 越来越被理解为一种网络疾病,需要对其潜在的网络机制进行调查.
• 传统方法往往侧重于局部性病变,可能会忽视TLE中更广泛的网络变化.

研究的目的:

• 通过使用从磁脑摄影 (MEG) 数据中获得的定向大脑网络来研究TLE的网络机制.
• 为了比较格兰杰因果分析 (GCA) 与皮尔森相关系数 (PCC) 在TLE中的大脑网络构建.

主要方法:

• 使用GCA构建定向大脑网络,使用PCC从TLE患者和健康对照 (HC) 的MEG数据构建非定向网络.
• 应用图形理论分析来提取全球和本地网络拓.
• 使用支持矢量机 (SVM) 来分类网络差异.

主要成果:

• 与HCs相比,TLE患者基于GCA显著增加了功能连接性.
• 在左侧 (lTLE) 和右侧 (rTLE) TLE中确定了共同的枢纽大脑区域和皮质-边缘-胸膜-皮质循环.
• 在TLE患者中观察到基于GCA的全球聚类系数 (GCC) 和全球局部效率 (GLE) 的显著增加.

结论:

• 正如GCA所揭示的那样,大脑连接的方向性在TLE研究中起着至关重要的作用.
• 使用MEG数据,GCA显示出作为区分TLE患者和HC患者的有效工具的潜力.
• 在TLE中异常的局部拓性质往往与已识别的枢纽区域重叠.