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

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.rhkb.cn/news/396129.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【数据结构-前缀哈希】力扣3026. 最大好子数组和

给你一个长度为 n 的数组 nums 和一个 正 整数 k 。 如果 nums 的一个 子数组 中&#xff0c;第一个元素和最后一个元素 差的绝对值恰好 为 k &#xff0c;我们称这个子数组为 好 的。换句话说&#xff0c;如果子数组 nums[i…j] 满足 |nums[i] - nums[j]| k &#xff0c;那么…

性能测试学习笔记

一、性能测试是什么&#xff1f; 1.生活案例&#xff1a; 学校选课系统&#xff0c;就会经常崩溃&#xff01;&#xff01;&#xff01;&#xff01; 2.性能测试的定义 测试人员借助测试工具&#xff0c;模拟系统在不同场景下&#xff0c;对应的性能指标是否达到预期 3.性能…

Spring -- 事务

Spring中事务的操作分为两类:(1)编程式事务 – 手动写代码操作事务(2)声明式事务 – 利用注解开启事务和提交事务 1. 编程式事务 准备Controller RestController RequestMapping("/user") public class UserInfoController {Autowiredprivate UserInfoService use…

JAVA开发学习-day21

JAVA开发学习-day21 1. 删除表单数据 根据ElementUI的官方组件指南&#xff0c;为表单每列的数据添加删除按钮 <el-table :data"tableData" style"width: 100%"><el-table-column prop"id" label"ID" width"180"…

SpringBoot基础(一):快速入门

SpringBoot基础系列文章 SpringBoot基础(一)&#xff1a;快速入门 目录 一、SpringBoot简介二、快速入门三、SpringBoot核心组件1、parent1.1、spring-boot-starter-parent1.2、spring-boot-dependencies 2、starter2.1、spring-boot-starter-web2.2、spring-boot-starter2.3、…

Visual Studio 和 Visual Studio Code 的比较与应用偏向

Visual Studio 和 Visual Studio Code&#xff08;VS Code&#xff09;是微软开发的两个不同的开发工具&#xff0c;各有特点和优势&#xff0c;适用于不同的开发需求。下面是详细的比较和在实际应用中的偏向。 功能和特性 Visual Studio 完整的IDE&#xff1a;支持多种编程…

海外短剧小程序 ,竖屏会员付费看剧系统搭建paypal,stripe对接支付功能

目录 前言&#xff1a; 一、系统功能 二、系统常见问题 总结&#xff1a; 前言&#xff1a; 在全球化的今天&#xff0c;短剧作为一种新兴的内容形式&#xff0c;正迅速赢得国际观众的心。尤其是海外市场的短剧推广&#xff0c;正成为内容创作者和营销者的新宠。本文将深入…

Adobe Substance 3D Sampler v4.2.2.3719 解锁版下载及安装教程(3D材质管理软件)

前言 Substance 3D Sampler简称“Sa”是一款由Adobe新推出的3D真实材质贴图制作软件。允许用户通过调整和混合现有材料&#xff0c;或通过扫描&#xff08;单个或多个图像&#xff09;中提取新材料来创建和迭代材料集合&#xff0c;从而轻松将真实的图片转换为具有真实感的表面…

JavaEE从入门到起飞 (三) ~AOP

晚上好&#xff0c;愿这深深的夜色给你带来安宁&#xff0c;让温馨的夜晚抚平你一天的疲惫&#xff0c;美好的梦想在这个寂静的夜晚悄悄成长。 目录 文章目录 前言 了解面向切面编程&#xff08;AOP&#xff09; 什么是面向切面编程&#xff08;AOP&#xff09;&#xff1f…

二、Matlab图像处理基础

文章目录 一、Matlab图像处理工具箱二、图像文件的读取2.1 文件信息的读取2.2 图像文件的读取2.3 图像文件的保存2.4 图像文件的显示2.5 像素信息的显示 本章知识点总结 一、Matlab图像处理工具箱 在帮助文档可以搜索到图像处理工具箱的介绍 二、图像文件的读取 2.1 文件信息…

回归评价指标

这里写目录标题 1. 均方误差MSE2. 均方根误差RMSE3. 平均绝对误差MAE4. R^2^5. 调整后R^2^ 1. 均方误差MSE 回归数据和原始数据误差的平方和/原始数据个数平方的原因&#xff1a;不平方正负误差会抵消&#xff0c;对大误差更为敏感&#xff0c;在一些场景下更能凸显出模型预测…

41.【C语言之外】聊聊Cheat Engine官方教程步骤6的思考

0.看前须知 有一定指针概念的基础 推荐阅读前几篇博文&#xff1a; 19.【C语言】指针&#xff08;重难点&#xff09;&#xff08;A&#xff09; 37.【C语言】指针&#xff08;重难点&#xff09;&#xff08;B&#xff09; 38.【C语言】指针&#xff08;重难点&#xff09…

【python】模块包

前言 模块化是python中的重要知识。随着我们接触的工程项目变得越来越大时&#xff0c;就需要把我们的运行代码进行拆解以便我们检查和项目的推进。有些时候&#xff0c;几个程序都需要同一个功能&#xff0c;那python就提供一种方法&#xff0c;把需要重复利用的代码放在同一…

Spring Boot 3.x Web MVC实战:实现流缓存的request

上一节《Spring Boot 3.x Filter实战&#xff1a;记录请求日志》实践最后遇到了request对象的流不可重复读的问题&#xff0c;本小节我们将通过流数据缓存以及流的装饰器模式来解决这个问题。如果觉得对你有帮助&#xff0c;记得点赞收藏&#xff0c;关注小卷&#xff0c;后续更…

Linux部署MySQL8.0

目录 一、部署前准备1.1、查看系统版本和位数&#xff08;32位或64位&#xff09;1.2、下载对应安装包 二、开始部署1、将安装包解压并且移动到目标安装目录2、准备MySQL数据和日志等存储文件夹3、准备MySQL配置文件 my.cnf4、创建mysql单独用户组和用户&#xff0c;将安装目录…

<数据集>灭火器识别数据集<目标检测>

数据集格式&#xff1a;VOCYOLO格式 图片数量&#xff1a;3262张 标注数量(xml文件个数)&#xff1a;3262 标注数量(txt文件个数)&#xff1a;3262 标注类别数&#xff1a;1 标注类别名称&#xff1a;[extinguisher] 使用标注工具&#xff1a;labelImg 标注规则&#xf…

无人机培训机构推广运营理论技术

一、市场定位与品牌建设 在无人机培训行业的激烈竞争中&#xff0c;精准的市场定位是成功的第一步。首先&#xff0c;需明确目标学员群体&#xff0c;如航拍爱好者、农业植保服务者、应急救援人员或专业无人机操作员等。基于目标群体的需求&#xff0c;构建差异化的品牌形象。…

FlexBV电路查看软件

FlexBV - Macbook, iPhone, PC/Laptop & Electronics BoardViewer with PDF Cross Referencing 免费。 支持tvw&#xff0c;cad格式。 支持Windows,Linux,Mac。 而且我发现cad格式是文本的&#xff01;意味着可以自由编辑&#xff01;

git拉取代码出现“remote: The project you were looking for could not be found.”错误分析

git拉取代码出现“remote: The project you were looking for could not be found.”错误分析 如果输入的远程地址正确&#xff0c;那么极大可能是用户未登录或多个用户登录无法正确获取你想要的用户&#xff0c;如下图所示&#xff0c; 由于之前有同事在我电脑登录git账号&a…

leetcode 103.二叉树的锯齿形层序遍历

1.题目要求: 给你二叉树的根节点 root &#xff0c;返回其节点值的 锯齿形层序遍历 。&#xff08;即先从左往右&#xff0c;再从右往左进行下一层遍历&#xff0c;以此类推&#xff0c;层与层之间交替进行&#xff09;。2.做题思路:由题我们可以判断&#xff0c;树中每到偶数…