动力功能连接的拓扑与图论分析在自闭谱系統中的应用
神经元与认知
2024-11-11 v2 定量方法
摘要
自闭谱系統（ASD）是一种流行的神经发育障碍。然而，由于症状多样且患者间个体差异大，诊断过程受阻，主要依赖主体描述，缺乏定量生物标志物。为弥补此问题，本文探索运用图论和拓扑数据分析（TDA）研究ASD患者和正常对照的脑活动。我们采用TDA中的Mapper算法和图论中的距离相关图模型（DCGM）构建脑状态网络，创新性地运用图信号处理（GSP）中的复杂网络指标和物理量分析脑活动随时间的变化。我们的发现表明，ASD组和对照组在网络特征之间存在统计差异。与正常主体相比，ASD患者的脑状态网络具有较低的模块性、更高的von Neumann熵、增加的Betti-0数以及较低的Betti-1数。这些发现证实了ASD的生物特征，表明脑动态更不够组织化且更具变异性。这些发现为ASD诊断提供了潜在生物标志物，并深化了我们对其神经相关性的理解。
引用
@article{arxiv.2410.16874,
title = {Topological and Graph Theoretical Analysis of Dynamic Functional Connectivity for Autism Spectrum Disorder},
author = {Yuzhe Chen and Dayu Qin and Ercan Engin Kuruoglu},
journal= {arXiv preprint arXiv:2410.16874},
year = {2024}
}
备注
Accepted by the Brain Informatics 2024 Conference. This is the final version of the paper for the conference. First author: Yuzhe Chen. Second author: Dayu Qin. Third & Corresponding author: Ercan Engin Kuruoglu