Опубликовано
Функциональные сети нейронов мозга, идентифицированные по данным фМРТ ( fMRI) , могут предоставить потенциальные биомаркеры для диагностики заболеваний головного мозга. В последнее время групповой независимый компонентный анализ (GICA) приобрел большую популярярность , как метод выделения ( извлечения) функциональных сетей нейронов мозга.
Ряд исследователей сообщил об аномальном состоянии функционального сетевого соединения в состоянии покоя (FNC) у пациентов с шизофренией и психотическими биполярными расстройствами. Было показано, что когерентно-временные сети мозга, такие как височная доля и сети по умолчанию, надежно различают субъектов с биполярным расстройством , хронической шизофренией и здоровым контролем. Также показано, что пациенты с шизофренией имеют тенденцию задерживаться в состоянии слабой связи в покое. Аналогичные результаты были зарегистрированы у пациентов с биполярным расстройством.
ICA ( независимый компонентный анализ)
Пространственный ICA , который моделирует данные fMRI , как комбинацию пространственно независимых источников, каждый из которых связан с временным ходом (TC), широко применяется в функциональных исследованиях МРТ. Методы группы ICA также идентифицировали потенциальные биомаркеры для шизофрении, биполярного расстройства и шизоаффективного расстройства.
В отличие от традиционных методов, таких как общая линейная модель (GLM) и методы, основанные на области интересов, ICA не требует предварительной информации при определении регионов и временных рядов. Еще одним преимуществом ICA является то, что он может анализировать несколько сетей мозга одновременно, рассматривая все данные fMRI, в то время как традиционные методы должны устанавливать отдельную предварительную информацию для извлечения каждой из нескольких экспериментальных сетей. ICA также может снимать шум с данных fMRI, разлагая артефакты как независимые компоненты, тем самым извлекая более значимые компоненты. Однако самая большая проблема в ICA исходит из произвольного порядка полученных компонентов. Это ограничение создает функциональные сети разных субъектов, рассчитываемые путем выполнения отдельных ICA для данных каждого МРТ субъекта, которые не соответствуют напрямую всем субъектам.
Среди GICA, пространственно-временная регрессия (STR) и пространственно-ограниченные подходы ICA, такие как ICA с групповой информацией, управляемой информацией (GIG-ICA), могут использоваться для распространения компонентов (с указанием сетей) на новый объект, который не включен в исходные объекты.
Функциональная МРТ , как метод оценки эффективности терапии антипсихотиками
В среднем по 47 сетям GIG-ICA исследователи обнаружили, что 18 z-показателей вокселов значительно коррелируют с приемом лекарств от пациентов после коррекции Бонферрони для множественных сравнений. Наибольшее количество (80) z-показателей вокселей GIG-ICA со значительными корреляциями было обнаружено в постцентральной извилине, в то время как в черной субстанции не было обнаружено ни одного, задняя поясная извилина или левая угловая извилина также не выявили отклонений. В случае STR исследователи обнаружили наибольшее количество (285) связанных с приемом лекарств вокселей в дорсомедиальной префронтальной коре, тогда как 12 различных сетей, почти все в доменах SM и VIS, не имели вокселей, значительно связанных с приемом лекарств.
Добавить отзыв