跳到正文
原文
bioRxiv · Neuroscience· Chattopadhyay, T., Cen 等 21 人
AI 评分58

预处理决定分形生物标志物能否检出神经退行性变:跨五种功能磁共振流程的系统评估

Preprocessing Determines Whether Fractal Biomarkers Detect Neurodegeneration: A Systematic Evaluation Across Five fMRI Pipelines

预印本 · 尚未经过同行评审

AI 导读

分形分析被用于从静息态功能磁共振中捕捉阿尔茨海默病的神经动力学改变,但预处理对这类测量的影响尚不清楚。研究纳入 229 名 ADNI3 参与者(156 名认知正常、60 名轻度认知障碍、13 名阿尔茨海默病),用五种 ENIGMA HALFpipe 流程处理每份 197 个时间点、434 条脑区时间序列的数据,发现去趋势波动分析效应量随流程变化 4.5 倍、样本熵变化 13.1 倍,仅 aCompCor 后两种指标均达 p < 0.05。方差分解显示流程解释 41.5% 的 Hurst 指数方差,诊断仅占 0.3%。作者指出阿尔茨海默病组样本很小,疾病效应估计均为探索性。

摘要 · AI 翻译

静息态功能磁共振成像(rs-fMRI)的分形分析已被提出用于检测阿尔茨海默病(AD)中神经动力学的改变,但预处理对这些测量的影响尚缺乏充分约束。我们评估了 229 名 ADNI3 参与者(156 名认知正常 [CN]、60 名轻度认知障碍 [MCI] 和 13 名 AD),采用五种 ENIGMA HALFpipe 变体进行处理。每次扫描包含 197 个时间点(TR = 3.0 s)和 434 条区域时间序列。所报告的 CN-AD 效应在去趋势波动分析(DFA)Hurst 指数上变化达 4.5 倍,在样本熵上变化达 13.1 倍;两项指标仅在 aCompCor 后满足 p < 0.05。在 aCompCor 下,CN 的平均 H 为 0.812,MCI 为 0.827,AD 为 0.872(d = -1.40,p = 0.0003),而其余四个 DFA 效应约为 d = -0.31 至 -0.40。方差分解将 H 总方差的 41.5% 归因于处理流程,44.5% 归因于参与者,0.3% 归因于诊断。全脑分析发现 AD 在 18 个网络中的 16 个网络里 H 更高,其中 36 个皮层区域在错误发现率校正后仍显著。合成分数高斯噪声实验证实,在可用扫描长度下 DFA 估计呈单调性。AD 组样本量小,使所有疾病效应估计均为探索性。这些结果表明,预处理选择可决定分形组间差异是否可被检测到,因此应被视为生物标志物定义的一部分。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。