适应频率优化波纹网络用于通过休息状态fMRI早期检测主观认知衰退

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 生物医学工程 生物医学工程

背景情况:

• 主观认知衰退 (SCD) 是阿尔茨海默病 (AD) 的早期阶段,由于细微的症状,很难检测到.
• 目前的SCD检测方法缺乏准确性和可解释性.
• 这项研究引入了一种新的方法来改善SCD检测和分析.

研究的目的:

• 开发和验证一种新的频率自适应波段转换 (FSAWT) 模型,用于增强功能性脑网络 (FBN) 构建.
• 提高大脑连接模式的准确性和可解释性,以早期检测SCD.
• 将FSAWT模型的诊断性能与传统方法进行比较.

主要方法:

• 开发并优化了使用休息状态功能性MRI (rs-fMRI) 数据进行功能性大脑网络 (FBN) 构建的频率自适应波段转换 (FSAWT) 模型.
• 使用"金色频率"进行动态选择,以提高FBN的准确性和可解释性.
• 分析并比较了240名参与者的FBN (106名SCD,134名对照) 使用FSAWT,皮尔森相关性 (PC) 和稀疏表示 (SR).
• 通过接受器运行特征-曲线下的区域 (ROC-AUC) 分析验证了分类性能.

主要成果:

• 患有SCD的个体表现出明显的FBN变化,包括逆向的副海马环-上层状环连接 (表明DMN解体),削弱的状环路,以及增强的状环-轨道前额连接.
• 频率优化的SRWT方法实现了83.71%的准确性 (AUC = 0.84),灵敏度为82.11%和特异性为85.71%.
• 这显著超过了PC等传统方法 (61.93%的准确率),证明了基于网络的生物标志物的早期SCD检测潜力.

结论:

• 通过整合频率特定和跨频率动态,FSAWT模型为早期SCD检测提供了一个强大的框架.
• 这些发现表明,对神经退行性疾病的精确诊断和个性化干预的潜在贡献.
• 未来的研究应该探索多模式神经成像和更广泛的认知障碍,以建立临床应用.