Applicazione dell'analisi di causalità di Granger del diretto collegamento funzionale nella malattia di Alzheimer e Mild Cognitive Impairment

L'obiettivo generale di questa analisi di causalità di Granger è quello di studiare la connettività funzionale diretta nel cervello correlata alla progressione della malattia di Alzheimer, stabilendo così una nuova base oggettiva per valutare la gravità della malattia. Questo metodo può aiutare a rispondere a domande chiave nel campo della malattia di Alzheimer, come la connettività diretta tra il PCC e l'intera regione del cervello. Il vantaggio principale di questa tecnica è che misura gli effetti causali delle serie temporali FMRI e mostra la dinamica e le direzioni del segnale scarso.

Le implicazioni di questa tecnica si estendono alla diagnosi di progressione della malattia di Alzheimer perché confronta la connettività funzionale diretta tra AD, MCI e i gruppi di controllo. Attraverso questo metodo può fornire informazioni sulla scalabilità della connettività funzionale diretta dell'Alzheimer, può anche essere applicato ad altri sistemi come gli studi di cefalogramma elettroying. In generale, le persone che sono nuove a questo metodo avranno difficoltà se non hanno familiarità con il funzionamento del software.

Per prima cosa abbiamo aggiunto qui per il semestre, e poi valutiamo le letterature precedenti sull'analisi di causalità di Granger. Pur avendo una dimostrazione nel mondo reale di questo metodo, è fondamentale perché ce ne sono molteplici da notare oltre a ciò che può essere scritto nel testo. Inizia aprendo RESTplus tramite il software e fai clic con il pulsante sinistro del mouse su Pipeline.

Importare i file rilevanti in RESTplus. Selezionare la directory di lavoro e quindi le directory EPI e T1 iniziali. Successivamente, per convertire i file Dicom in Nifti, seleziona la casella DicomToNifti in Preelaborazione.

E controlla i parametri EPI Dicom a Nifiti e T1 a Nifiti. Per rimuovere i primi 10 punti temporali, selezionare RemoveFirstTimePoints e impostare il parametro finale su 10. Quindi, spuntare la casella Temporizzazione fetta.

Impostare il numero di fetta in base ai parametri RS FMRI dello studio e inserire l'ordine delle fette. Selezionare Riallinea per correggere il tempo e il movimento della testa. Quindi, eseguire la normalizzazione spaziale selezionando Normalizza e lasciare i parametri predefiniti in basso.

Utilizza la segmentazione unificata dell'immagine T1 e tutte le teste standardizzate nello stesso spazio selezionando i parametri. Normalizza utilizzando la segmentazione unificata dell'immagine T1 e l'europea. Quindi selezionare leviga per eseguire la levigatura spaziale utilizzando un kernale gaussiano isotropo con una larghezza totale a metà massimo di 6 mm.

Rimuovi la tendenza lineare selezionando Detrend. Selezionare la regressione delle covariate di disturbo nei seguenti, sei parametri di movimento della testa, segnale medio globale, segnale della sostanza bianca e segnale del liquido cerebrospinale al fine di aumentare il rapporto segnale/rumore. Infine, selezionare il filtro per mantenere i segnali tra 0,01 e 0,08 hertz.

Rimuove il rumore fisiologico ad alta frequenza e rimuove la deriva a bassa frequenza. Inizia eseguendo l'analisi della causalità Granger in base ai voxel, o GCA, utilizzando il REST GCA nella casella degli strumenti REST. Nella casella Post-elaborazione, selezionare GCA.

Imposta l'ordine come uno come predefinito. Selezionare Definisci ROI e scegliere la ROI sferica per definire l'area di interesse. Seleziona Avanti.

Identifica i punti di interesse del seme nella corteccia singolare posteriore, o PCC, impostando le coordinate centrali e il raggio del ROI del seme in base ai dati noti e seleziona OK. Quindi selezionare Esegui e OK per eseguire il programma. Quindi, trova le cartelle denominate ZGCA e GCA dopo l'elaborazione dei dati dei file pertinenti. Ordina i file di ZGCA e classificali in quattro sottocartelle, XX, XY, YX, YY di conseguenza.

All'interno del software, aprire RESTplus e fare clic con il pulsante sinistro del mouse su Analisi statistica. Fare clic con il pulsante sinistro del mouse su REST Two-Sample T-Test. Assegnare al risultato dell'output il nome T1XY e impostare la directory di output.

Fare clic con il pulsante sinistro del mouse su Aggiungi immagini di gruppo per aprire la sottocartella XY nella cartella AD Results e la sottocartella XY nella cartella NC Results. Quindi, fai clic con il pulsante sinistro del mouse per aprire il sottofile BrainMask nella cartella della maschera. Selezionare quindi Calcola per eseguire il programma.

Assegnare ai risultati dell'output il nome T2XY e impostare la directory di output. Fare clic con il pulsante sinistro del mouse su Aggiungi immagini di gruppo per aprire la sottocartella XY nella cartella AD Results. E la sottocartella XY nella cartella Risultati MCI.

Ripetere il calcolo del file della maschera cerebrale per ottenere gli output per T3XY, T1YX, T2YX e T3YX per un totale di sei file. Fare clic con il pulsante sinistro del mouse su Visualizzatore di RESTplus per visualizzare i file risultanti. Importare il modello denominato Ch2 in Underlay.

Infine, trova i sei file risultanti nella directory di output e compila l'overlay uno per uno. Crea il grafico finale utilizzando i sei file di output. Dopo che i nodi attivi nell'intero cervello sono stati identificati per la prima volta, la tecnologia GCA è stata utilizzata per determinare la connettività funzionale diretta dal PCC all'intero cervello.

E dall'intero cervello al PCC nei gruppi AD, MCI e di controllo. La connettività diretta dall'intero cervello al PCC è stata migliorata nel gruppo AD rispetto al gruppo di controllo normale e focalizzata principalmente nella regione cerebellare bilaterale al di fuori del DMN. La connettività diretta dal PCC all'intero cervello era significativamente ridotta nel gruppo AD rispetto ai controlli con le regioni principali come il precuneo destro e il giro metafrontale sinistro appartenenti al DMN.

Sebbene sia un maestro, questa tecnica può essere eseguita in 14 ore se eseguita correttamente. Durante il tentativo di questa procedura, è importante ricordare che tutti i nomi dei file e delle foto devono essere in inglese e non possono avere spazi. Dopo il suo sviluppo, questa tecnica ha aperto la strada ai ricercatori nel campo della FMRI per esplorare la connettività frazionale diretta nella progressione della malattia di Alzheimer.

Dopo aver visto questo video, dovresti avere una buona comprensione di come avviare la connettività di fazione diretta nel cervello correlata alla progressione dell'AD. In tal modo stabilire una base oggettiva ristretta per valutare la gravità della malattia.