دوره 79، شماره 2 - ( اردیبهشت 1400 )                   جلد 79 شماره 2 صفحات 111-102 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi Kiani H, Shalbaf A, Maghsoudi A. Identification of mild cognitive impairment disease using brain functional connectivity and graph analysis in fMRI data. Tehran Univ Med J 2021; 79 (2) :102-111
URL: http://tumj.tums.ac.ir/article-1-11202-fa.html
محمدی کیانی حسن، شالباف احمد، مقصودی آرش. شناسایی بیماری اختلال‌شناختی خفیف با استفاده از ارتباطات عملکردی مغز و نظریه گراف از طریق تصویربرداری تشدید مغناطیسی عملکردی. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1400; 79 (2) :102-111

URL: http://tumj.tums.ac.ir/article-1-11202-fa.html


1- گروه مهندسی پزشکی، دانشکده علوم و فناوری‌های پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2- گروه مهندسی و فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ، Shalbaf@sbmu.ac.ir
چکیده:   (1952 مشاهده)
زمینه و هدف: تشخیص زودهنگام بیماران در مراحل اولیه آلزایمر که به‌عنوان اختلال شناختی خفیف نامیده می‌شود یک موضوع مهم در درمان و یا به تعویق انداختن ابتلا به آلزایمر می‌باشد. در این مطالعه قصد داریم از روی دادگان تصویربرداری عملکردی تشدید مغناطیسی (fMRI) در حال استراحت، افراد دچار بیماری اختلال شناختی خفیف را از افراد سالم تفکیک کنیم.
روش بررسی: در این پژوهش که از اردیبهشت تا آذر 1399 در تهران انجام شد، پس از انجام پیش‌پردازش دادگان fMRI، با استفاده از اطلس برچسب‌گذاری خودکار آناتومیکی، 116 ناحیه مغزی تفکیک شدند. سپس، ماتریس ارتباط عملکردی این نواحی با استفاده از روش‌های همبستگی پیرسون و اطلاعات متقابل محاسبه شدند. در ادامه، شبکه گراف مغزی تشکیل شده و یال‌های معنادار و قوی حفظ شدند. در انتها 11 ویژگی سراسری از شبکه گراف استخراج شده و پس از انجام آنالیزهای آماری و انتخاب ویژگی‌های موثر، طبقه‌بندی 14 فرد سالم و 11 بیمار دارای اختلال شناختی خفیف با استفاده از طبقه‌بند ماشین‌بردار پشتیبان انجام ‌شد.
یافته‌ها: محاسبات انجام شده نشان داد که روش اطلاعات متقابل و پنج ویژگی سراسری از شبکه گراف با نام‌های میانگین قدرت، دوری از مرکز، بهره‌وری محلی، ضریب خوشه‌بندی و انتقال‌پذیری با استفاده از طبقه‌بند ماشین‌بردار پشتیبان دارای بهترین جواب با صحت 84%، حساسیت 86% و اختصاصیت 93% می‌باشد.
نتیجه‌گیری: ترکیب ویژگی‌های گراف مغزی و ارتباطات عملکردی، براساس تجزیه و تحلیل دادگان fMRI می‌تواند افراد با اختلال‌شناختی خفیف را با دقت بالایی تفکیک نماید.
متن کامل [PDF 721 kb]   (888 دریافت)    
نوع مطالعه: مقاله اصیل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb