阿尔茨海默病的诊断基于衍生性的动态时间曲线功能连接网络

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 数据科学数据科学数据科学

背景情况:

• 阿尔茨海默病 (AD) 诊断受到动态大脑信号传输和时间延迟的挑战.
• 传统的功能连接网络 (FCN) 可能会通过忽视这些关键的互动延迟来误解大脑活动.

研究的目的:

• 通过分析大脑网络中的时间延迟特征,开发用于检测阿尔茨海默病早期症状的先进方法.
• 为了提高大脑网络分析的准确性,超越传统的相关联方法.

主要方法:

• 介绍了基于关联的衍生规律性 (CDR) 算法,用于非线性时间序列对齐,从而分析异步大脑活动.
• 开发了基于衍生规律相关性 (SWDRC) 的滑动窗口,以捕捉本地和异步大脑网络特征.
• 构建了一个功能延迟网络 (FDN),以量化大脑区域之间的可测量的延迟.

主要成果:

• 该CDR算法允许非线性时间序列对齐,改善大脑活动的分析.
• 结合SWDRC和FDN特征,在疾病相关模式的分类实验中显示出更高的准确性.
• 功能延迟网络分析显示,从健康对照组到轻度认知障碍和阿尔茨海默病患者的网络延迟逐渐增加.

结论:

• 由CDR算法驱动的新SWDRC和FDN方法显示出发现神经退行性疾病机制的巨大潜力.
• 这些先进的技术通过准确地代表大脑网络动态和延迟,为阿尔茨海默病的早期发现和分析提供了改进.