基于结构 MRI 的帕金森病个体唯一脑网络识别码
图像与视频处理
2023-09-20 v2 计算机视觉与模式识别
神经元与认知
摘要
我们提出一种称为唯一脑网络识别码（UBNIN）的新算法，用于对个体受试者的脑网络进行编码。为实现此目标，我们在来自印度国家精神卫生与神经科学研究所的 180 名帕金森病（PD）患者与 70 名健康对照（HC）上使用了结构 MRI。我们对每个受试者的脑体积进行分区，并利用每对区域间灰质体积的相关性构建个体邻接矩阵。该唯一编码源自表示每个节点 i 连接的值，并按因子 2^1-i 加权。观察到数值表示 UBNIN 对每个个体脑网络都是独特的，其也可应用于其他神经成像模态。该模型可作为个体独特脑连接的神经特征来实现，从而使其有助于脑纹识别应用。此外，我们将上述数据集划分为五个年龄队列以研究网络拓扑随年龄的变化。采用稀疏性作为阈值估计来二值化每个基于年龄的相关矩阵。对于每个年龄队列，观察到平均聚类系数随稀疏性增加呈下降趋势。在 PD 中，年龄队列 B 与 C、C 与 E 之间；在 HC 中，E 与 B、E 与 C、E 与 D、以及 C 与 D 之间，注意到显著不同的聚类系数。我们的发现表明网络连通模式随年龄变化，提示网络破坏可能源于潜在的神经病理学。不同队列的可变聚类系数表明相邻节点间的信息传递随年龄变化。这提供了年龄相关脑萎缩与网络退化的证据。我们还讨论了局限性，并提供了整个研究的软件代码与帮助文件的开放获取链接。
引用
@article{arxiv.2306.01689,
title = {Unique Brain Network Identification Number for Parkinson's Individuals Using Structural MRI},
author = {Tanmayee Samantaray and Utsav Gupta and Jitender Saini and Cota Navin Gupta},
journal= {arXiv preprint arXiv:2306.01689},
year = {2023}
}
备注
15 pages, 5 figures,1 algorithm, 1 main table, 1 appendix table