国家指导的功能网络连接ICA揭示了阿尔茨海默氏症疾病的时间特征

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.
• 生物标志物发现发现

背景情况:

• 确定阿尔茨海默病 (AD) 和轻度认知障碍 (MCI) 的可靠神经影像生物标志物对于及时诊断和干预至关重要.
• 目前的方法往往缺乏敏感性来捕捉早期神经退行性疾病中大脑连接性改变的动态性质.

研究的目的:

• 引入和验证一种新的,自动引导的动态功能连接 (dFNC) 框架,用于区分患有MCI/AD的个体与认知正常的 (CN) 控制体.
• 提取和分析动态大脑连接测量作为早期AD检测的潜在生物标志物.

主要方法:

• 利用了来自英国生物库 (UKBB),OASIS-3和ADNI数据集的休息状态功能性MRI (fMRI) 数据.
• 采用空间约束的独立组件分析 (scICA) 来推导特定主体的大脑网络.
• 应用了状态受约束的ICA (St-cICA) 方法,使用从UKBB数据中得出的正规大脑状态作为先验,以分析dFNC并提取像停留时间和过渡概率这样的特征.

主要成果:

• 该dFNC框架确定了五个可复制的大脑连接状态.
• 与NC个体相比,患有AD/MCI的个体表现出显著降低的神经灵活性,其特点是增加停留时间和连接状态的自我转换,与CN个体相比.
• 一个基于6960个动态特征的分类模型在区分AD/MCI与CN参与者方面取得了很高的准确性 (平均AUC≈0.85).

结论:

• 引导的dFNC框架提供了一个强大的和自动化的方法来分析动态大脑连接.
• 由dFNC识别的改变神经灵活性和状态过渡模式是早期检测AD/MCI的有希望的生物标志物.
• 这种方法在阿尔茨海默病研究中具有显著的潜力,可以改善早期诊断和治疗监测.