Reconstructing brain functional networks through identifiability and deep learning.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Beyin dinamiklerini temsil eden fonksiyonel ağların yeniden yapılandırılması için, ortak bir bilişsel görevdeki iki beyin bölgesinin birlikte kullanılmasının, kimliklerinin belirlenmesinde veya dinamiklerinin benzersizliğinde bir düşüşe yol açması gerektiği fikrine dayanan yeni bir yaklaşım önermektedir. Bu kimlik doğrulama, denetimli sınıflandırma görevlerinde derin öğrenme modelleri tarafından elde edilen puanla tahmin edilir ve bu nedenle bu tür bir önyargının doğası hakkında a priori varsayımlar gerektirmez. Yöntem, Alzheimer ve Parkinson hastalarından elde edilen EEG kayıtları üzerinde test edilir ve gözlere açık ve gözlere kapalı dinlenme durumu koşulları için sağlıklı gönüllülerle eşleştirilir ve sonuçta ortaya çıkan fonksiyonel ağlar standart topolojik metrikler aracılığıyla analiz edilir. Her iki hasta grubu da, karşılık gelen EEG sinyallerinin tanımlanmasında bir azalma ve bu tür kimliklenebilirliği destekleyen desenlerdeki farklılıklarla karakterize edilir. Sonuç fonksiyonel ağlar benzerdir, ancak korelasyon metriği kullanılarak yeniden yapılandırılanlarla aynı değildir. Kontrol denekleri ve hastalar arasındaki farklar, farklı frekans bantlarındaki kümeleme katsayısı ve asortativite gibi ağ metriklerinde gözlemlenebilir. Gözler arasında açık ve kapalı koşullar, özellikle Parkinson hastaları için de farklılıklar gözlenir.

Özgün kaynak özetini okuyun

We propose a novel approach for the reconstruction of functional networks representing brain dynamics based on the idea that the coparticipation of two brain regions in a common cognitive task should result in a drop in their identifiability, or in the uniqueness of their dynamics. This identifiability is estimated through the score obtained by deep learning models in supervised classification tasks and therefore requires no a priori assumptions about the nature of such coparticipation. The method is tested on EEG recordings obtained from Alzheimer's and Parkinson's disease patients, and matched healthy volunteers, for eyes-open and eyes-closed resting-state conditions, and the resulting functional networks are analysed through standard topological metrics. Both groups of patients are characterised by a reduction in the identifiability of the corresponding EEG signals, and by differences in the patterns that support such identifiability. Resulting functional networks are similar, but not identical to those reconstructed by using a correlation metric. Differences between control subjects and patients can be observed in network metrics like the clustering coefficient and the assortativity in different frequency bands. Differences are also observed between eyes open and closed conditions, especially for Parkinson's disease patients.

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.