2021
fMRI dynamická funkční konektivita u pacientů s Parkinsonovou chorobou
GAJDOŠ, Martin, Kristína MITTEROVÁ, Martin LAMOŠ a Irena REKTOROVÁZákladní údaje
Originální název
fMRI dynamická funkční konektivita u pacientů s Parkinsonovou chorobou
Název anglicky
fMRI dynamic functional connectivity in patients with Parkinson's disease
Autoři
GAJDOŠ, Martin (203 Česká republika, garant, domácí), Kristína MITTEROVÁ (703 Slovensko, domácí), Martin LAMOŠ (203 Česká republika, domácí) a Irena REKTOROVÁ (203 Česká republika, domácí)
Vydání
67. společný sjezd České a Slovenské společnosti pro klinickou neurofyziologii, 2021
Další údaje
Jazyk
čeština
Typ výsledku
Konferenční abstrakt
Obor
30103 Neurosciences
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Organizační jednotka
Středoevropský technologický institut
Klíčová slova anglicky
Dynamic functional connectivity; fMRI; Parkinson disease
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 3. 6. 2024 10:26, Mgr. Eva Dubská
V originále
Úvod Dynamická funkční konektivita (DFC) u fMRI zahrnuje soubor metod, které charakterizují časovou dynamiku fluktuací BOLD signálu. DFC umožňuje rozšířit analýzu statické konektivity o nové parametry, které mohou rozšířit naše poznatky o funkci mozku. V tomto příspěvku se věnujeme využití DFC u fMRI dat pacientů s Parkinsonovou chorobou (PD). Metodika Na 3T MRI skeneru Siemens Prisma byly u 31 pacientů s PD. Data byla předzpracována v programovém prostředí MATLAB s toolboxem SPM a bylo použito prostorové zarovnání, korekce akvizičních časů, prostorová normalizace a prostorové rozmazání. Následovala analýza nezávislých komponent (ICA) k identifikaci mozkových sítí. Na časové průběhy ICA komponent bylo aplikováno plovoucí okno a v rámci oken byla počítány Pearsonovy korelační koeficienty. Pomocí k-means clustering bylo identifikováno 5 stavů a následně byla hodnocena jejich dynamika. Stav představuje vzájemné vztahy mezi mozkovými sítěmi, které se vyskytují opakovaně jak v čase tak i mezi subjekty zkoumaného souboru. Pro hodnocení DFC byly použity parametry počet tranzicí, počet výskytů daného stavu a pravděpodobnosti přechodů mezi stavy. Na závěr byly spočítány dvouvýběrové t-testy mezi skupinami HC a PD a DFC parametry byly korelovány s behaviorálními parametry participantů. Naše výsledky jsou pilotní analýzou DFC u zmíněného datového souboru.
Anglicky
Introduction Dynamic functional connectivity (DFC) in fMRI includes a set of methods that characterize the working dynamics of BOLD signal fluctuations. DFC makes it possible to expand the parameters of static connectivity analysis with new ones that can expand our knowledge of brain function. In this paper, we focus on the use of DFC in fMRI with Parkinson's disease (PD). Methodology 31 patients with PD were examined on a 3T Siemens Prisma MRI scanner. The data were preprocessed in the MATLAB program environment with the SPM toolbox, and spatial alignment, acquisition time correction, spatial normalization, and spatial blurring were used. This was followed by independent component analysis (ICA) to identify brain networks. A floating window was applied to the time courses of the ICA component, and Pearson correlation coefficients were calculated within the windows. Using k-means clustering, five states were identified and their dynamics were subsequently evaluated. The state represents mutual relations between brain networks that occur both over time and between the subjects of the studied set. The parameters of the number of transitions, the number of occurrences of a given state, and the probability of transitions between states were added for DFC evaluation. Finally, two-sample t-tests were calculated between the HC and PD groups, and DFC parameters were correlated with participants' behavioral parameters. Our results are a pilot DFC analysis on the mentioned data set.
Návaznosti
| NU21J-04-00077, projekt VaV |
| ||
| 90129, velká výzkumná infrastruktura |
|