NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığının patofizyolojisinin (PD) kortikal-bazal gangliyon devrelerinde nöronal ateşleme ve senkronizasyonun değiştirilmiş kalıplarını içerdiği bilinmektedir. PD hastalarının beyin korteksindeki anormal temporal dinamiklerin doğasına bir pencere, elektroensefalografi (EEG) hastalarının analizinden gelebilir. Spektral tabanlı yöntemler kullanmak yerine, PD hastalarından dopaminerjik tedavi ve sağlıklı bireyler üzerindeki ve dışındaki EEG kayıtlarını analiz etmek için doğrusal olmayan zaman-domain sınıflandırma araçları olarak gecikme diferansiyel denklemlerine (DDE) dayanan veri modellerini kullandık. 64 kanallı EEG aktivitesinin 50-1 segmentinden oluşan iki set, dokuz PD hastasından ilaca açık ve kapalı ve dokuz yaş uyumlu kontrolden kaydedildi. 64 EEG kanalı analiz için frontal, merkezi, parietal ve oksipital beyin bölgelerini kapsayan 10 küme halinde gruplandırılmıştır. DDE modelleri bireysel denemelere uyarlandı ve model katsayıları ve hata sınıflandırma için özellikler olarak kullanıldı. En iyi modeller tekrarlanan rastgele alt örnekleme doğrulaması kullanılarak seçildi ve sınıflandırma performansı ROC eğrisi A'nın altındaki alan kullanılarak ölçüldü. Bir refakatçi makalesinde, DDE'lerin yüksek gürültü rejimlerinde bilinen dinamik sistemlerin simülasyonlu zaman serilerinin kısa bölümlerinden gizli dinamik yapıyı ortaya çıkarabileceğini gösteriyoruz. En iyi modelleri bulmak için aynı yöntemi kullanarak, burada PD hastalarında ve kontrollerinde EEG verilerinin kısa bölümlerinin bile dinamik yapı içerdiğini ve dahası PD hastalarının kontrollerden daha dinamik bir aralık sergilediğini bulduk. 50 denemeden oluşan bir setten elde edilen araçlardaki DDE model çıktısı, PD hastalarının ilaçları kontrollerden neredeyse tamamen ayırmasını sağladı: beyin bölgeleri boyunca, alıcı-işleyen karakteristik eğrilerin altındaki alan A', 0.95'ten 1.0'a kadar çeşitlilik gösterdi. PD hastalarını ilaca karşı ayırt etmek için, sınıflandırma performansı A', beyin bölgelerinde 0.86 ila 1.0 arasında değişmektedir. Dahası, modelin ikinci 50 deneme setine genellenebilirliği mükemmeldi, A' kontroller vs. için beyin bölgelerinde 0.81 ile 0.94 arasında değişiyordu. İlaç tedavisine karşı PD için 0.62'den 0.82'ye kadar. Son olarak, model özellikleri, standart klinik derecelendirme ölçekleri ile değerlendirildiği gibi, bireysel hastaların motor şiddetini önemli ölçüde tahmin etmiştir.
Özgün kaynak özetini okuyun
The pathophysiology of Parkinson's disease (PD) is known to involve altered patterns of neuronal firing and synchronization in cortical-basal ganglia circuits. One window into the nature of the aberrant temporal dynamics in the cerebral cortex of PD patients can come from analysis of the patients electroencephalography (EEG). Rather than using spectral-based methods, we used data models based on delay differential equations (DDE) as non-linear time-domain classification tools to analyze EEG recordings from PD patients on and off dopaminergic therapy and healthy individuals. Two sets of 50 1-s segments of 64-channel EEG activity were recorded from nine PD patients on and off medication and nine age-matched controls. The 64 EEG channels were grouped into 10 clusters covering frontal, central, parietal, and occipital brain regions for analysis. DDE models were fitted to individual trials, and model coefficients and error were used as features for classification. The best models were selected using repeated random sub-sampling validation and classification performance was measured using the area under the ROC curve A'. In a companion paper, we show that DDEs can uncover hidden dynamical structure from short segments of simulated time series of known dynamical systems in high noise regimes. Using the same method for finding the best models, we found here that even short segments of EEG data in PD patients and controls contained dynamical structure, and moreover, that PD patients exhibited a greater dynamic range than controls. DDE model output on the means from one set of 50 trials provided nearly complete separation of PD patients off medication from controls: across brain regions, the area under the receiver-operating characteristic curves, A', varied from 0.95 to 1.0. For distinguishing PD patients on vs. off medication, classification performance A' ranged from 0.86 to 1.0 across brain regions. Moreover, the generalizability of the model to the second set of 50 trials was excellent, with A' ranging from 0.81 to 0.94 across brain regions for controls vs. PD off medication, and from 0.62 to 0.82 for PD on medication vs. off. Finally, model features significantly predicted individual patients' motor severity, as assessed with standard clinical rating scales.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.