时空图卷积网络模型用于评估帕金森病高阶动态功能连接异常
回顾性收集70例帕金森病(PD)患者与60名健康对照的静息态功能MRI及弥散张量成像数据,以最优传输理论滑动窗口法构建高阶功能连接网络,用时空图卷积网络(ST-GCN)提取时空特征并以非负弹性网络评估组间动态功能连接(DFC)差异、筛选异常脑区,最后以多层感知器分类;ST-GCN模型区分PD与健康对照的准确率达93.57%,并发现PD基底节-丘脑-皮质环路功能障碍及感觉运动整合障碍相关异常脑区。
要点
- ST-GCN模型区分PD与健康对照的准确率达93.57%。
- PD组右侧尾状核与右侧壳核及双侧尾状核DFC增加(P均<0.05)。
- PD组右侧岛叶与右侧壳核、左侧尾状核与左侧丘脑等DFC减低(P均<0.05)。
核心结论
- 利用ST-GCN模型能准确区分PD与健康对照、发现PD基底节-丘脑-皮质环路功能障碍及感觉运动整合障碍并识别其异常脑区。
研究设计与样本
- 回顾性收集70例PD患者(PD组)及60名健康对照(HC组)的静息态功能MRI与弥散张量成像数据,以最优传输理论的滑动窗口法生成高阶功能连接网络,利用ST-GCN提取时空特征,以非负弹性网络评估组间DFC差异并筛选PD组DFC异常脑区,以多层感知器对PD与HC进行分类。
关键影像表现/征象
- 相比HC组,PD组右侧尾状核与右侧壳核及双侧尾状核的DFC均增加(P均<0.05)。
- 相比HC组,PD组右侧岛叶与右侧壳核、左侧尾状核与左侧丘脑、双侧距状沟与双侧舌回、左侧中央前回与左侧中央后回及右侧颞上回与右侧颞横回的DFC均减低(P均<0.05)。
- PD组DFC异常脑区包括左侧额中回、双侧嗅皮质、左侧直回、右侧海马、左侧梭状回、左侧眶额叶上回、左侧眶额叶中回、左侧前扣带回及右侧中央前回。
- PD组右侧尾状核与右侧壳核间DFC增强与统一帕金森病评分量表第Ⅲ部分(UPDRS Ⅲ)得分呈正相关(r=0.357,P<0.05)。
- PD组右侧岛叶与右侧壳核DFC减弱与UPDRS Ⅲ得分呈负相关(r=-0.277,P<0.05)。
诊断标准与关键数值
- ST-GCN模型分类PD与HC的准确率达93.57%。
- 组间DFC差异以非负弹性网络评估,PD组DFC增加或减低的脑区均以P<0.05为差异有统计学意义。
临床应用与阅片要点
- ST-GCN模型基于高阶动态功能连接时空特征可辅助区分PD与健康对照,准确率达93.57%。
- 阅片分析时可关注PD患者基底节-丘脑-皮质环路及感觉运动整合相关脑区的DFC改变。
- 右侧尾状核与右侧壳核间DFC增强及右侧岛叶与右侧壳核DFC减弱与UPDRS Ⅲ得分相关,可作为评估疾病运动症状严重程度的影像参考。
局限性
- 原文未报告局限性。
原文图文
目的 观察时空图卷积网络(ST-GCN)模型用于评估帕金森病(PD)高阶动态功能连接(DFC)异常的价值。方法 回顾性收集70例PD(PD组)及60名健康对照(HC组)的静息态功能MRI、弥散张量成像数据,以最优传输理论的滑动窗口法生成高阶功能连接(HOFC)网络,利用ST-GCN提取其时空特征,再以非负弹性网络评估组间DFC差异、筛选PD组DFC异常脑区;以多层感知器对PD与HC进行分类。结果 相比HC组,PD组右侧尾状核与右侧壳核及双侧尾状核的DFC均增加(P均<0.05),而右侧岛叶与右侧壳核、左侧尾状核与左侧丘脑、双侧距状沟与双侧舌回、左侧中央前回与左侧中央后回及右侧颞上回与右侧颞横回的DFC均减低(P均<0.05)。PD组DFC异常脑区包括左侧额中回、双侧嗅皮质、左侧直回、右侧海马、左侧梭状回、左侧眶额叶上回、左侧眶额叶中回、左侧前扣带回及右侧中央前回。PD组右侧尾状核与右侧壳核间DFC增强与统一帕金森病评分量表第Ⅲ部分(UPDRS Ⅲ)得分呈正相关(r=0.357,P<0.05),右侧岛叶与右侧壳核DFC减弱与UPDRS Ⅲ得分呈负相关(r=-0.277,P<0.05)。ST-GCN模型分类PD与HC准确率达93.57%。结论 利用ST-GCN模型能准确区分PD与HC、发现PD基底节-丘脑-皮质环路功能障碍及感觉运动整合障碍并识别其异常脑区。
引用
- www.cjmit.com:时空图卷积网络模型用于评估帕金森病高阶动态功能连接异常
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。