阿尔茨海默病中的脑结构连接萎缩

利用磁共振成像（MRI）对脑结构变化进行分析和量化，正日益用于定义脑疾病（如阿尔茨海默病（AD））的新型生物标志物。基于网络的脑模型已表明局部和全局拓扑属性均能揭示疾病传播模式。另一方面，受试者内描述无法利用通过受试者间比较可获取的完整信息上下文。为此，我们开发了一种新方法，利用多重网络对脑结构连接萎缩建模，并将其概括为一个分类分数。在一个独立数据集上，多重网络能够正确地从正常对照（NC）中区分AD患者和将转化为AD的轻度认知障碍受试者（cMCI），准确率分别为 $0.86 \pm 0.01$ 和 $0.84 \pm 0.01$。该模型还显示，通过将脑划分为等体积 $3000$ $mm^3$ 的“块”（patches），无需任何基于解剖特征的 $a$ $priori$ 分割，即可最大化检测疾病效应。在同一数据集上与标准基于体素的形态测量学直接比较表明，多重网络方法具有更高的灵敏度。该方法是通用的，并具有双重潜在应用：为临床试验提供可靠工具以及作为神经退行性疾病的疾病特征。