NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
18F-Fluorodeoksiglukoz pozitron emisyon tomografisi (18F-FDG PET), Parkinson hastalığına (PD) bağlı metabolik anormallikleri sistemik düzeyde ortaya çıkarmak için yaygın olarak kullanılır. Bununla birlikte, PD ile 18F-FDG PET'e dayanan bireysel metabolik konektom detayları büyük ölçüde bilinmemektedir. Bu sorunu hafifletmek için, bireysel metabolik konektom için, yani Jensen-Shannon Divergence Similarity Estimation (JSSE) için yeni bir beyin ağı tahmini yöntemi türettik. Ayrıca, metabolik konektomun değişikliklerini araştırmak için bireyin metabolik beyin ağı ile küresel/yerel grafik ölçümleri arasındaki gruplararası fark analiz edildi. PD teşhis performansını daha da iyileştirmek için, hem topolojik metrikleri hem de bağlantıyı birleştiren PD'yi normal kontrolden (NC) tanımlamak için birden fazla çekirdek destek vektör makinesi (MKSVM) gerçekleştirilir. Sonuç olarak, PD bireyleri NC bireylerden daha yüksek nodal topolojik özellikleri (bireysellik, modülerlik puanı ve karakteristik yol uzunluğu dahil) gösterirken, küresel verimlilik ve senkronizasyon daha düşüktü. Ayrıca, en önemli 45 bağlantı etkilendi. Ayrıca, oksipital, parietal ve frontal bölgelerdeki konsensüs bağlantıları PD'de azalırken, subkortikal, temporal ve prefrontal bölgelerde artış görüldü. Anormal metabolik ağ ölçümleri, NC PD'yi %91,84'e kadar doğrulukla tanımlamada ideal bir sınıflandırmayı tasvir etti. JSSE yöntemi, 18F-FDG PET'in bireysel düzeyde metabolik konektomunu tanımladı ve PD için daha boyutsal ve sistematik mekanizma anlayışları sağladı.
Özgün kaynak özetini okuyun
18F-Fluorodeoxyglucose positron emission tomography (18F-FDG PET) is widely employed to reveal metabolic abnormalities linked to Parkinson's disease (PD) at a systemic level. However, the individual metabolic connectome details with PD based on 18F-FDG PET remain largely unknown. To alleviate this issue, we derived a novel brain network estimation method for individual metabolic connectome, that is, Jensen-Shannon Divergence Similarity Estimation (JSSE). Further, intergroup difference between the individual's metabolic brain network and its global/local graph metrics was analyzed to investigate the metabolic connectome's alterations. To further improve the PD diagnosis performance, multiple kernel support vector machine (MKSVM) is conducted for identifying PD from normal control (NC), which combines both topological metrics and connection. Resultantly, PD individuals showed higher nodal topological properties (including assortativity, modularity score, and characteristic path length) than NC individuals, whereas global efficiency and synchronization were lower. Moreover, 45 most significant connections were affected. Further, consensus connections in occipital, parietal, and frontal regions were decrease in PD while increase in subcortical, temporal, and prefrontal regions. The abnormal metabolic network measurements depicted an ideal classification in identifying PD of NC with an accuracy up to 91.84%. The JSSE method identified the individual-level metabolic connectome of 18F-FDG PET, providing more dimensional and systematic mechanism insights for PD.
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.