在急性缺血性中风中受损的中央视觉通路的功能连接性和图形理论基于功能磁共振成像

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 脑卒中是导致残疾的主要原因,影响功能能力和社会福祉.
• 休息状态功能连接 (FC) 分析揭示了大脑相互作用模式,动态变化为大脑功能提供了洞察力.
• 了解急性缺血性中风 (AIS) 中的FC变化对于识别潜在的生物标志物至关重要.

研究的目的:

• 评估AIS患者的静态和动态功能连接 (sFC/dFC) 改变.
• 确定特定的大脑连接,使AIS患者与健康对照者 (HCs) 有区别.
• 评估这些FC变化的潜力,作为中风分类和预后的生物标志物.

主要方法:

• 在AIS患者和HC患者之间进行了全脑sFC的比较分析.
• 动态功能连接 (dFC) 分析确定了不同的大脑状态.
• 机器学习 (ML) 模型,包括RBF-SVM,使用sFC特征进行分类训练.

主要成果:

• 与HC相比,AIS患者在腹部注意网络 (VAN) 和默认模式网络 (DMN) 中表现出显著改变的FC.
• 在中风后7天观察到认知障碍,3个月后有所改善.
• ML模型,特别是RBF-SVM,在根据sFC特征对AIS患者进行分类时表现出高准确度 (85%).

结论:

• 在DMN,视觉系统 (VIS) 和边缘网络 (LIM) 内的改变FC可以作为AIS的潜在生物标志物.
• 使用sFC特征的ML模型对中风分类和预后有希望.
• 这项研究通过先进的神经成像和计算技术,增强了对中风相关神经障碍的理解.