对阿尔茨海默病的fMRI数据进行基于小组的网络分析

科学领域:

• 神经成像是一种神经成像.
• 计算神经科学是一种神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 休息状态功能磁共振成像 (rs-fMRI) 对阿尔茨海默病 (AD) 研究至关重要.
• 使用皮尔森相关系数 (PCC) 的传统网络构建显示了高的集团内部变异性,阻碍了特定疾病的模式识别.

研究的目的:

• 为了引入一种新的脑网络构建策略,样本网络构建组 (SNBG).
• 为了提高在阿尔茨海默氏症的功能连接模式的识别.

主要方法:

• 开发了SNBG,一种使用聚合控制组数据进行单样样本网络导出的方法.
• 使用阿尔茨海默氏症神经成像倡议 (ADNI) 研究数据,将SNBG与基于PCC的方法进行比较.
• 评估网络稳定性和对阿尔茨海默病检测的分类准确性.

主要成果:

• 与PCC相比,SNBG捕获了更稳定的大脑连接.
• 阿尔茨海默病的分类准确性从89.24% (PCC) 增加到97.13% (SNBG).
• 在DMN,MFN和FPN等与AD相关的网络中,SNBG的集团内部异质性较低.

结论:

• 在阿尔茨海默病的rs-fMRI研究中,SNBG为大脑网络构建提供了更强大的方法.
• 拟议的方法提高了诊断准确度,并减少了功能连接分析的变化.