神经退行性疾病中非线性网络动力学的可扩展建模
定量方法
2025-08-15 v1 神经元与认知
摘要
进行性神经退行性变的机制模型为临床应用和新疗法开发提供了巨大潜力。为此，已提出多种基于连接组的神经影像生物标志物模型。然而，由于个体疾病轨迹的异质性和大量参数，这些模型通常无法很好地扩展到少量生物标志物之外。为解决此问题，我们引入了基于连接组的神经退行性动力学单调推断（COMIND）模型。该模型结合了扩散模型和逻辑模型的概念与脑结构连接，在保证单调疾病轨迹的同时，维持有限数量的参数以提高可扩展性。我们在模拟数据以及帕金森病进展标志物计划（PPMI）数据上评估了我们的模型。我们的模型能够泛化到来自标准脑图谱的解剖成像表示，而无需减少生物标志物数量。
引用
@article{arxiv.2508.10343,
title = {Scalable Modeling of Nonlinear Network Dynamics in Neurodegenerative Disease},
author = {Daniel Semchin and Emile d'Angremont and Marco Lorenzi and Boris Gutman},
journal= {arXiv preprint arXiv:2508.10343},
year = {2025}
}