使用 MRI 构建的大脑连接网络预测帕金森病萎缩进展模式| 文献速递-基于深度学习的乳房、前列腺疾病诊断系统

news2024/11/13 9:24:24

Title

题目

Brain Connectivity Networks Constructed Using  MRI for Predicting Patterns of Atrophy Progression  in Parkinson Disease

使用 MRI 构建的大脑连接网络预测帕金森病萎缩进展模式

Background

背景

Whether connectome mapping of structural and across the brain could be used to predict patterns of atrophy progression in patients with mild Parkinsondisease (PD) has not been well studied.

是否可以使用全脑结构和功能连接的连接组映射来预测轻度帕金森病(PD)患者的萎缩进展模式尚未得到充分研究。

Method

方法

This prospective study included participants with mild PD and controls recruited from a single center between January 2012 and December 2023. Participants with PD underwent three-dimensional T1-weighted brain MRI, and the extent of regional GM atrophy was determined at baseline and every year for 3 years. The structural and functional brain connectome was constructed using diffusion tensor imaging and resting-state functional MRI in healthy controls. Disease exposure (DE) indexes—indexes of the pathology of each brain region—were defined as a function of the structural or functional connectivity of all the connected regions in the healthy connectome and the severity of atrophy of the connected regions in participants with PD. Partial correlations were tested between structural and functional DE indexes of each GM region at 1- or 2-year follow-up and atrophy progression at 2- or 3-year follow-up. Prediction models of atrophy at 2- or 3-year follow-up were constructed using exhaustive feature selection.

这项前瞻性研究包括2012年1月至2023年12月期间从单一中心招募的轻度帕金森病(PD)患者和对照组参与者。PD患者接受了三维T1加权脑MRI扫描,并在基线和每年进行一次灰质(GM)萎缩程度评估,持续3年。健康对照组使用弥散张量成像和静息态功能MRI构建结构和功能脑连接组。疾病暴露(DE)指数——每个脑区病理学的指数——被定义为健康连接组中所有连接区域的结构或功能连接以及PD患者连接区域萎缩严重程度的函数。测试了每个GM区域在1年或2年随访时的结构和功能DE指数与2年或3年随访时萎缩进展之间的部分相关性。使用详尽的特征选择构建了2年或3年随访时萎缩预测模型。

Conclusion

结论

The structural and functional organization of the brain connectome plays a role in atrophy progression in the early stages of PD.

大脑连接组的结构和功能组织在帕金森病(PD)早期阶段的萎缩进展中起着重要作用。

Results

结果

A total of 86 participants with mild PD (mean age at MRI, 60 years ± 8 [SD]; 48 male) and 60 healthy controls (mean age at MRI, 62 years ± 9; 31 female) were included. DE indexes at 1 and 2 years were correlated with atrophy at 2 and 3 years (r range, 0.22–0.33; P value range, .002–.04). Models including DE indexes predicted GM atrophy accumulation over 3 years in the right caudate nucleus and some frontal, parietal, and temporal brain regions (R2 range, 0.40–0.61; all P < .001).

共纳入86名轻度帕金森病(PD)患者(MRI时的平均年龄为60岁±8 [SD];48名男性)和60名健康对照组(MRI时的平均年龄为62岁±9;31名女性)。1年和2年的疾病暴露(DE)指数与2年和3年的萎缩相关(r 范围为0.22–0.33;P 值范围为.002–.04)。包含DE指数的模型预测了右侧尾状核以及部分额叶、顶叶和颞叶脑区在3年内的灰质(GM)萎缩累积(R2 范围为0.40–0.61;所有 P < .001)。

Figure

图片

Figure 1: Flow diagram indicating the inclusion and exclusion process for the study cohort. PD = Parkinson disease.

图1: 显示研究队列的纳入和排除过程的流程图。PD = 帕金森病。

图片

Figure 2: Diagram of study methods. (A) The structural and functional brain connectome in healthy controls at baseline was constructed. (B) Cortical thickness and gray matter (GM) volume were measured on three-dimensional T1-weighted images in participants with mild Parkinson disease (PD) (all visits) and healthy controls (baseline). (C) Disease exposure indexes—indexes of pathology in each brain region calculated at 1- and 2-year follow-up—were defined as a function of the structural and functional connectivity of each brain region relative to the connected brain regions in the connectome of healthy controls and the severity of atrophy of the connected regions in participants with PD. (D) Differences in cortical thickness or GM volume at baseline in participants with mild PD compared with healthy controls were estimated, as well as changes over 1, 2, and 3 years of follow-up in participants with mild PD. (E) Prediction models were used to evaluate GM atrophy changes in brain regions over time in participants with mild PD. fMRI = functional MRI.

图2: 研究方法示意图。(A) 构建了健康对照组在基线时的结构和功能脑连接组。(B) 测量了轻度帕金森病(PD)患者(所有随访)和健康对照组(基线)在三维T1加权图像上的皮层厚度和灰质(GM)体积。(C) 疾病暴露指数——在1年和2年随访时计算的每个脑区病理学指数——定义为相对于健康对照组连接组中连接脑区的结构和功能连接性以及PD患者连接区萎缩严重程度的函数。(D) 估计轻度PD患者与健康对照组相比在基线时的皮层厚度或GM体积差异,以及轻度PD患者在1年、2年和3年随访期间的变化。(E) 使用预测模型评估轻度PD患者脑区随时间变化的GM萎缩。fMRI = 功能性MRI。

图片

Figure 3: Gray matter atrophy patterns in participants with mild Parkinson disease (PD) (A) at baseline compared with healthy controls (HC) (general linear model in FreeSurfer adjusted for age) and (B) at 1-, 2-, and 3-year follow-up. Color bar represents t values. L = left, R = right. (Figure adapted, with permission, from reference 15.)

图3: 轻度帕金森病(PD)参与者的灰质萎缩模式 (A) 基线时与健康对照组(HC)相比(FreeSurfer中的一般线性模型调整了年龄)和 (B) 1年、2年和3年随访时的情况。色条表示t值。L = 左,R = 右。(图经参考文献15的许可改编。)

图片

Figure 4: Scatter plots show the partial correlation between gray matter (GM) atrophy progression and structural connectivity disease exposure (DE) indexes calculated with number of streamlines (NOS) and fractional anisotropy (FA) for each GM region in participants with mild Parkinson disease. Partial correlations are shown for (A) the DE indexes at 1 year and GM atrophy at 2 years and (B) the DE indexes at 1 year (purple) and 2 years (orange) and GM atrophy at 3 years. Dots represent all 83 brain regions for each analysis. The dotted lines show the general trends of the relationships between the variables. FU = follow-up.

图4: 散点图显示了轻度帕金森病参与者中灰质(GM)萎缩进展与结构连接疾病暴露(DE)指数之间的部分相关性。DE指数是通过计算每个GM区域的流线数量(NOS)和分数各向异性(FA)得到的。(A) 显示了1年时的DE指数与2年时的GM萎缩的部分相关性,以及 (B) 显示了1年(紫色)和2年(橙色)时的DE指数与3年时的GM萎缩的部分相关性。每个分析中的点代表所有83个脑区。虚线显示了变量之间关系的一般趋势。FU = 随访。

图片

Figure 5: Scatter plots show the partial correlation between gray matter (GM) atrophy progression and the functional connectivity (FC) disease exposure (DE) index for each GM region in participants with mild Parkinson disease. Partial correlations are shown for (A) the DE index at 1 year and GM atrophy at 2 years and (B) the DE index at 1 year (purple) and 2 years (orange) and GM atrophy at 3 years. Dots represent all 83 brain regions for each analysis. The dotted lines show the general trends of the relationships between the variables. FU = follow-up

图5: 散点图显示了轻度帕金森病参与者中灰质(GM)萎缩进展与功能连接(FC)疾病暴露(DE)指数之间的部分相关性。(A) 显示了1年时的DE指数与2年时的GM萎缩的部分相关性,以及 (B) 显示了1年(紫色)和2年(橙色)时的DE指数与3年时的GM萎缩的部分相关性。每个分析中的点代表所有83个脑区。虚线显示了变量之间关系的一般趋势。FU = 随访。

Table

图片

Table 1: Demographic and Cognitive Characteristics at Baseline in Healthy Controls and Participants with Mild PD

表1: 健康对照组和轻度帕金森病(PD)参与者在基线时的人口统计和认知特征

图片

Table 2: Clinical Characteristics at Baseline in  Participants with Mild PD

表2: 轻度帕金森病(PD)参与者在基线时的临床特征

图片

Table 3: Prediction Models of GM Atrophy Change at 2 and 3 Years Based on MRI and Clinical Variables at 1 Year in Participants with Mild Parkinson Disease

表3: 基于1年时MRI和临床变量的轻度帕金森病(PD)参与者在2年和3年时灰质(GM)萎缩变化的预测模型

图片

Table 4: Prediction Models of GM Atrophy Change at 3 Years Based on MRI and Clinical Variables at 1 and 2 Years in Participants with Mild Parkinson Disease

表4: 基于1年和2年时MRI和临床变量的轻度帕金森病(PD)参与者在3年时灰质(GM)萎缩变化的预测模型

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1988393.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

全志T527-TP9930-Camera

一、简介 1、TP9930 TP9930 驱动模块主要实现将 4 路的 Camera 的数据转换为 BT656/BT1120 数据&#xff0c;从而实现在 T527 端来对数据进行处理和送显。 2、BT656/BT1120简介 BT656主要是针对PAL/NTSC等标清视频。随着高清视频的发展需要&#xff0c;又推出了BT1120标准&…

AI + Coding:可以有多少种玩法?

在当今快速发展的科技时代&#xff0c;人工智能&#xff08;AI&#xff09;和编程已经成为不可分割的两大领域。AI赋予了计算机更多的智能&#xff0c;使其能够处理复杂的数据、执行高级任务&#xff0c;而编程是实现这一切的基础。当AI与编程结合在一起时&#xff0c;会带来无…

图片懒加载与预加载(原生)

1、懒加载。 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.0"><title>Document</title> </head>…

【开端】JAVA Mono<Void>向前端返回没有登陆或登录超时 暂无权限访问信息组装

一、绪论 JAVA接口返回信息ServerHttpResponse response 等登录接口token过期时需要给前端返回相关状态码和状态信息 二、Mono<Void>向前端返回没有登陆或登录超时 暂无权限访问信息组装 返回Mono对象 public abstract class Mono<T> implements CorePublisher…

2024最新Mysql事务原理与优化最佳实践

概述 我们的数据库一般都会并发执行多个事务&#xff0c;多个事务可能会并发的对相同的一批数据进行增删改查操作&#xff0c;可能就会导致我们说的脏写、脏读、不可重复读、幻读这些问题。 这些问题的本质都是数据库的多事务并发问题&#xff0c;为了解决多事务并发问题&…

在java中通过subString方法来截取字符串中的文本

1、subString&#xff08;&#xff09;常规用法可以通过下标来进行获取&#xff0c;在java中是从0开始&#xff0c;前包括后不包括。 String str “Hello Java World!”; 用法一: substring(int beginIndex) 返回从起始位置&#xff08;beginIndex&#xff09;至字符串末尾…

供应链库存管理面临什么问题?全面解析安全库存和周转库存!

在当今这个快速变化的商业世界中&#xff0c;供应链管理已成为企业获取竞争优势的核心领域。库存管理&#xff0c;作为供应链中的关键环节&#xff0c;直接关系到企业的成本控制、客户服务水平以及市场响应速度。然而&#xff0c;面对市场竞争的加剧和客户需求的多变&#xff0…

事务性邮件调用接口如何配置灵活调用策略?

事务性邮件调用接口性能怎么优化&#xff1f;如何使用接口调用&#xff1f; 如何配置灵活调用策略&#xff0c;不仅可以提升邮件发送的效率和可靠性&#xff0c;还能增强用户体验。AokSend将详细介绍事务性邮件调用接口的配置方法和策略&#xff0c;以便企业在实际应用中取得最…

深度学习读书笔记(1)--机器学习、人工智能、深度学习的关系

声明&#xff1a;本文章是根据网上资料&#xff0c;加上自己整理和理解而成&#xff0c;仅为记录自己学习的点点滴滴。可能有错误&#xff0c;欢迎大家指正。 阅读的书籍主要为《UnderstandingDeepLearning》《动手学深度学习》 1956 年提出 AI 概念&#xff0c;短短3年后&…

【初阶数据结构题目】14.随机链表的复制

随机链表的复制 点击链接做题 思路&#xff1a; 浅拷贝&#xff1a;拷贝值 深拷贝&#xff1a;拷贝空间 在原链表的基础上继续复制链表置random指针复制链表和原链表断开 代码&#xff1a; /*** Definition for a Node.* struct Node {* int val;* struct Node *next…

【开发踩坑】windows查看jvm gc信息

windows查看jvm gc信息 EZ 找出java进程PID 控制面板----搜索任务管理器---- 任务管理器----搜索 java----详细信息 这里PID是4856 cmd jstat gc面板 reference&#xff1a; jstat命令

【Redis】缓存三大问题与缓存一致性问题

缓存三大问题 缓存穿透 缓存穿透是指用户查询的数据在缓存和数据库中都不存在&#xff0c;导致每次请求都会直接落到数据库上&#xff0c;增加数据库负载。 解决方案 1&#xff09;参数校验 一些不合法的参数请求直接抛出异常信息返回给客户端。比如查询的数据库 id 不能小于…

【letcod-c++】128.最长连续序列

一、题目 二、分析 第一想法是像“242字母异位词”那样用哈希数组&#xff0c;但是这个数组元素的范围比较广&#xff0c;元素又比较分散&#xff0c;用数组太浪费空间&#xff0c;不合适。 于是考虑用哈希set(unordered_set),这个时候忽然想到前几天学习到set它能自动排序且自…

MySQL笔记(九):存储引擎

一、介绍 二、演示 Memory的使用场景&#xff1a; 例如网吧&#xff0c;用户再次上线时会更新状态 #表类型和存储引擎-- 查看所有的存储引擎SHOW ENGINES; -- 1、innodb 支持事务&#xff0c;外键&#xff0c;行级锁-- 2、myisam CREATE TABLE t31(id INT,name VARCHAR(32)) …

十二、享元模式

文章目录 1 基本介绍2 案例2.1 Digit 接口2.2 Color 枚举2.3 BigDigit 类2.4 DigitFactory 类2.5 Client 类2.6 Client 类的测试结果2.7 总结 3 各角色之间的关系3.1 角色3.1.1 Flyweight ( 抽象享元 )3.1.2 ConcreteFlyweight ( 具体享元 )3.1.3 UnsharedFlyweight ( 非享元 )…

2023/8/7 英语每日一段

There is unintended usefulness in this gentle enforcement of empathy. A mere news story makes it easy to deploy the defensive mechanism social scientists call “othering” which dismisses the victim, freak or dupe. But if it’s someone you have watched or …

文件上传绕过最新版安全狗

本文来源无问社区&#xff0c;更多实战内容&#xff0c;渗透思路可前往查看http://www.wwlib.cn/index.php/artread/artid/9960.html http分块传输绕过 http分块传输⼀直是⼀个很经典的绕过⽅式&#xff0c;只是在近⼏年分块传输⼀直被卡的很死&#xff0c;很多waf都开始加 …

数据科学 - 数据可视化(持续更新)

1. 前言​​​​​​​ 数据可视化能够将复杂的数据集转化为易于理解的图形、图表或图像。这种直观的表现形式使得人们能够更快地理解数据的分布、趋势、异常值以及数据之间的关系&#xff0c;从而更深入地洞察数据背后的信息。 数据可视化在数据分析和决策制定过程中具有不可…

【LLM基础知识】LLMs-Attention知识总结笔记v4.0

Attention机制 【1】简要介绍Attention机制 提出Attention的论文**&#xff1a;**Attention Is All You Need 论文地址&#xff1a;https://arxiv.org/pdf/1706.03762.pdf 提出Attention的背景&#xff1a;RNN处理序列数据时&#xff0c;token是逐个喂给模型的。比如在a3的位…

C++:map容器的使用

一、map的使用介绍 map文档介绍 1.1 map的模版参数 Key&#xff1a;键值对中Key的类型 T&#xff1a;键值对中value的类型 Compare&#xff1a;比较器的类型&#xff0c;map中的元素是按照Key来进行比较的&#xff0c;缺省情况&#xff08;不传参数时&#xff09;按照小于来…