2024
Přínos rozšíření analýzy funkční konektivity o dynamické parametry u prodromálního stádia demence s Lewyho tělísky
GAJDOŠ, Martin; Marie SCHEJBALOVÁ; Martin LAMOŠ; Pavel ŘÍHA; Jaroslav HLINKA et al.Základní údaje
Originální název
Přínos rozšíření analýzy funkční konektivity o dynamické parametry u prodromálního stádia demence s Lewyho tělísky
Název anglicky
The benefit of extending functional connectivity analysis to include dynamic parameters in the prodromal stage of dementia with Lewy bodies
Autoři
GAJDOŠ, Martin ORCID; Marie SCHEJBALOVÁ; Martin LAMOŠ ORCID; Pavel ŘÍHA; Jaroslav HLINKA; Michal MIKL ORCID a Irena REKTOROVÁ
Vydání
70. společný sjezd České a Slovenské společnosti pro klinickou neurofyziologii, 2024, Olomouc, 2024
Další údaje
Jazyk
čeština
Typ výsledku
Konferenční abstrakt
Obor
30103 Neurosciences
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Odkazy
Označené pro přenos do RIV
Ano
Kód RIV
RIV/00216224:14740/24:00138882
Organizační jednotka
Středoevropský technologický institut
Klíčová slova česky
demence Lewyho tělísky; fMRI;
Klíčová slova anglicky
dementia with Lewy bodies; fMRI
Příznaky
Recenzováno
Změněno: 20. 2. 2025 10:21, Mgr. Eva Dubská
V originále
Analýza klidových fMRI dat se často opírá o statistické metriky, které hodnotí vztahy signálů jako celků. V tomto příspěvku se chceme věnovat přínosu, který takové analýze mohou dodat parametry dynamické funkční konektivity (dFC). Demonstrujeme ho na schopnosti klasifikovat z klidových fMRI dat prodromální stadium demence s Lewyho tělísky (MCI-LB). Využili jsme dataset 26 participantů s MCI-LB a 26 věkově vázaných zdravých kontrol. Každý účastník studie podstoupil neuropsychologické vyšetření a MRI měření na 3T MRI skeneru v Laboratoři multimodálního a funkčního neurozobrazování v Brně. Klidové fMRI bylo měřeno multiecho multiband BOLD fMRI sekvencí (multiband faktor 5; TR 980 ms; TE [14.00, 34.63, 55.26] ms; 580 skenů). Klasifikační analýzy ukázaly, že kombinace statických a dynamických parametrů zvyšují klasifikační přesnost u LDA o 7,7%. Při plánování klasifikační analýzy proto považujeme za výhodné rozšířit statickou analýzu klidových fMRI dat i o dynamické parametry. Pro důkladnější zhodnocení přínosu plánujeme provést ještě křížovou validaci klasifikačních modelů a testování s dalšími druhy klasifikátorů.
Anglicky
The analysis of resting-state fMRI data often relies on statistical metrics that assess relationships between signals as a whole. In this study, we aim to explore the contribution that dynamic functional connectivity (dFC) parameters can bring to such analyses. We demonstrate this by evaluating their ability to classify the prodromal stage of dementia with Lewy bodies (MCI-LB) from resting-state fMRI data. We used a dataset of 26 participants with MCI-LB and 26 age-matched healthy controls. Each study participant underwent neuropsychological testing and MRI scanning on a 3T MRI scanner at the Laboratory of Multimodal and Functional Neuroimaging in Brno. Resting-state fMRI data were acquired using a multi-echo multiband BOLD fMRI sequence (multiband factor 5; TR 980 ms; TE [14.00, 34.63, 55.26] ms; 580 scans). Classification analyses showed that combining static and dynamic parameters increased classification accuracy by 7.7% in LDA. Therefore, when planning classification analyses, we consider it beneficial to extend the static analysis of resting-state fMRI data to include dynamic parameters. To further evaluate their contribution, we plan to conduct cross-validation of classification models and testing with additional types of classifiers.
Návaznosti
| NU21J-04-00077, projekt VaV |
| ||
| 90250, velká výzkumná infrastruktura |
|