Predictive models of resting state networks for assessment of altered functional connectivity in MCI.
Predictive models of resting state networks for assessment of altered functional connectivity in MCI.
复制标题
用于评估 MCI 功能连接改变的静息状态网络预测模型。
DOI：
10.1007/978-3-642-40763-5_83
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Liu, Tianming
中科院分区：
文献类型：
--
作者：
Jiang, Xi;Zhu, Dajiang;Li, Kaiming;Zhang, Tuo;Shen, Dinggang;Guo, Lei;Liu, Tianming
关键词：
由于难以在个体受试者之间建立准确的脑网络节点对应关系，系统阐明轻度认知障碍（MCI）与正常对照（NC）相比可能的功能连接（FC）改变是一个具有挑战性的问题。为了应对这一挑战，在本文中，我们开发并应用了从多模态静息状态功能磁共振成像（R-fMRI）和DTI数据中学习到的静息状态网络（RSNs）的新预测模型，以评估MCI中大规模的FC改变。我们的理由是MCI的一些rsn发生了实质性的改变，很难直接与NC进行比较。相反，从DTI数据中得到的结构标志在MCI/NC大脑中更加一致和对应，因此可以用来编码NC中的rsn，并作为MCI rsn的预测模型。为了得到这些预测模型，在NC中通过分组ICA聚类构建rsn，并利用其对相应的结构标志进行功能标注。然后，根据DTI数据预测MCI中这些功能注释的结构标志，并用于评估MCI中FC的改变。实验结果表明，rsn的预测模型是有效的，可以全面揭示MCI中广泛存在的FC改变。
Due to the difficulties in establishing accurate correspondences of brain network nodes across individual subjects, systematic elucidation of possible functional connectivity (FC) alterations in mild cognitive impairment (MCI) compared with normal controls (NC) is a challenging problem. To address this challenge, in this paper, we develop and apply novel predictive models of resting state networks (RSNs) learned from multimodal resting state fMRI (R-fMRI) and DTI data to assess large-scale FC alterations in MCI. Our rationale is that some RSNs in MCI are substantially altered and can hardly be directly compared with those in NC. Instead, structural landmarks derived from DTI data are much more consistent and correspondent across MCI/NC brains, and therefore can be employed to encode RSNs in NC and serve as the predictive models of RSNs for MCI. To derive these predictive models, RSNs in NC are constructed by group-wise ICA clustering and employed to functionally annotate corresponding structural landmarks. Afterwards, these functionally-annotated structural landmarks are predicted in MCI based on DTI data and used to assess FC alterations in MCI. Experimental results demonstrated that the predictive models of RSNs are effective and can comprehensively reveal widespread FC alterations in MCI.
登录
查看更多内容
影响因子：
2.8
作者：
Dickerson BC;Sperling RA
通讯作者：
Sperling RA
DOI：
10.1098/rstb.2005.1634
发表时间：
2005-05-29
影响因子：
6.3
作者：
Beckmann, CF;DeLuca, M;Smith, SM
通讯作者：
Smith, SM
DOI：
10.1073/pnas.0601417103
发表时间：
2006-09-12
影响因子：
11.1
作者：
Damoiseaux, J. S.;Rombouts, S. A. R. B.;Beckmann, C. F.
通讯作者：
Beckmann, C. F.
通过 DTI 衍生的纤维形状模型预测功能性皮质 ROI
影响因子：
3.7
作者：
Zhang, Tuo;Guo, Lei;Liu, Tianming
通讯作者：
Liu, Tianming
影响因子：
3
作者：
Li, Kaiming;Guo, Lei;Zhu, Dajiang;Hu, Xintao;Han, Junwei;Liu, Tianming
通讯作者：
Liu, Tianming