通过动态功能网络分析改进阿尔茨海默病与轻度认知障碍的分类
神经元与认知
2026-04-14 v4 定量方法
摘要
来自功能磁共振成像的脑网络加深了我们对皮层活动及其在神经退行性疾病中受损的理解。近期研究日益关注能够捕捉区域共活动的时空模式的动态（时变）脑网络，然而该方法在阿尔茨海默病（AD）谱系中仍未得到充分探索。我们分析了来自 ADNI-3 队列的 315 名 AD、轻度认知障碍（MCI）和认知正常健康对照（HC）个体的年龄与性别匹配的静态和动态功能脑网络，这些网络源自静息态 fMRI 数据。功能网络使用 Juelich 脑图谱构建，静态连接由完整时间序列估计，动态连接则通过滑动窗口方法得出。使用非参数统计和自助重采样在连接和节点两个层面评估组间差异。虽然 HC 和 MCI 在节点层面表现出相似的静态和动态模式，但在 AD 中出现了更清晰的差异。在白质区域与顶叶及躯体感觉皮层之间识别出稳定的（稳态）功能连接差异，而在涉及杏仁核和海马结构的连接中持续观察到时变差异。节点中心性分析进一步表明，白质连接差异本质上是局部的。这些发现突显了静态和动态网络之间共享和独特的功能连接模式，强调了将时间动态纳入阿尔茨海默病谱系脑网络分析的重要性。此外，一个基于由静态和动态指标指导的区域 BOLD 时间序列训练的随机森林模型，实现了对 MCI、AD 和 HC 组的稳健分类，展示了时变连接的诊断潜力。
引用
@article{arxiv.2505.03458,
title = {Improved classification of Alzheimer's disease and mild cognitive impairment through dynamic functional network analysis},
author = {Nicolas Rubido and Venia Batziou and Marwan Fuad and Vesna Vuksanovic},
journal= {arXiv preprint arXiv:2505.03458},
year = {2026}
}