系统性红斑狼中异常的大脑功能网络:图形理论,基于网络的统计和机器学习研究
Yifan Yang1, Ru Bai1, Shuang Liu1
1Department of Rheumatology and Immunology, First Affiliated Hospital of Kunming Medical University, Kunming 650032, China.
Brain communications
|April 10, 2025
概括
系统性红斑狼 (SLE) 患者表现出大脑功能网络的改变,全球连接性降低,特定的子网络显示连接减少. 机器学习有效地根据这些网络差异对SLE患者进行了分类.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 系统生物学 系统生物学
背景情况:
- 在全身性红斑狼 (SLE) 中,大脑功能网络的损伤尚未完全被理解.
- 研究大脑网络的拓变化对于理解SLE病理生理学至关重要.
研究的目的:
- 为了调查SLE患者的大脑功能网络的拓变化.
- 利用神经成像数据应用机器学习来对SLE患者与健康对照进行分类.
主要方法:
- 分析了来自127名SLE患者和102名健康对照者的休息状态功能性MRI数据.
- 大脑功能网络是使用自动解剖标记和皮尔森相关性来构建的.
- 基于网络的统计和支持矢量机器被用于组比较和分类.
主要成果:
- SLE患者的正常化聚类系数和小世界指数明显较低.
- 一个12个节点的11个边缘子网络显示SLE患者的连接性显著降低 (P = 0.024).
- 机器学习模型成功地从控制中分类了SLE,识别了关键子网络.
结论:
- 系统性红斑狼患者表现出低于最佳的全球大脑功能连接网络拓.
- 一个特定的大脑子网络的连接性降低是SLE的特征.
- 基于神经成像的网络分析对SLE诊断和理解其神经影响有潜力.
