应用时序感知PC算法从fMRI数据计算阿尔茨海默病的因果功能连接
神经元与认知
2024-02-21 v2 定量方法
应用统计
摘要
已知脑区之间的功能连接(functional connectivity)在阿尔茨海默病中会发生改变，并有望成为该疾病早期诊断的生物标志物。尽管多种功能连接方法获得的是表示脑区之间随机关联(相关性)的无向网络，但关联并不一定意味着因果。相比之下，因果功能连接(causal functional connectivity)信息量更大，提供表示脑区之间因果关系的定向网络。在本文中，我们从三个临床组(认知正常、轻度认知障碍和阿尔茨海默病)受试者的静息态功能磁共振成像(rs-fMRI)记录中获得了全脑的因果功能连接组。我们应用最近开发的时序感知PC(TPC)算法来推断全脑的因果功能连接组。TPC支持在时间序列设置下基于有向图建模对全脑因果功能连接进行无模型估计。然后我们执行探索性分析，基于统计检验的边级p值，识别在受试者组两两之间以及跨越三个受试者组中连接强度发生改变的脑区之间的因果连接。我们利用由此获得的改变因果脑连接，根据当前数据集编制了受阿尔茨海默病影响的脑区综合列表。由此识别出的脑区与临床/医疗机构研究人员发表的关于阿尔茨海默病影响脑区的文献一致。
引用
@article{arxiv.2307.00253,
title = {Application of Time-Aware PC algorithm to compute Causal Functional Connectivity in Alzheimer's Disease from fMRI data},
author = {Rahul Biswas and SuryaNarayana Sripada},
journal= {arXiv preprint arXiv:2307.00253},
year = {2024}
}