طبقه بندی بیماری پارکینسون بر مبنای شاخص های درون-ناحیه ای و بین-ناحیه ای شبکه حرکتی مغز با استفاده از دادگان fMRI حالت استراحت

بیماری پارکینسون یک اختلال عصبی پیش رونده است که با علائم بالینی ترمور، سفتی عضلات و کندی حرکت مشخص می شود. تحقیقات اخیر در بررسی فعالیت مغز انسان با استفاده از دادگان تصویربرداری تشدید مغناطیسی عملکردی(fMRI) نشان می دهد که در حالت استراحت شبکه ای از ارتباطات و فعالیت به صورت نوسانات خود به خودی در نواحی مختلف مغز وجود دارد که در بیماری های مختلف تحت تاثیر قرار می گیرند. در این مقاله روش های دامنه نوسانات فرکانس پایین(ALFF) و آنالیز همگنی ناحیه ای(ReHo) جهت استخراج شاخص-های درون-ناحیه ای و آنالیز همبستگی متقابل (CCA) جهت استخراج شاخص های بین-ناحیه ای در نواحی آناتومیکی حرکتی مورد استفاده قرار می گیرند. با توجه به نتایج روش CCA، مدلی از شبکه ارتباطات عملکردی در افراد سالم و بیماران پارکینسونی ارائه شده است. نتایج مقایسه دو شبکه نشان می دهد که در بیماران پارکینسونی ارتباطات منفی معناداری بین مخچه و هسته های قاعده ای برقرار است، درحالیکه این ارتباطات در افراد سالم ضعیف و غیرمعنادار است. همچنین میانگین مقادیر ALFF و ReHo بعنوان شاخص های درون-ناحیه ای بهمراه شاخص های بین-ناحیه ای بعنوان ورودی طبقه بندی کننده استفاده شده اند. نتایج خوشه بندی بر مبنای متمایزکننده ترین ویژگی ها دقت 85%، مشخصه امتیاز 89% و مشخصه جکارد 75% را نشان می دهد. ما همچنین دریافتیم که در بیماران پارکینسونی شاخص های بین-ناحیه ای مغز بیشتر از شاخص های درون-ناحیه ای تحت تاثیر قرار می گیرند و متمایزکننده ترین ویژگی بین افراد سالم و پارکینسونیسم همبستگی بین مخچه و پوتامن در نیمکره چپ است