Применение анализа причинно-следственных связей Грейнджер режиссер функциональные связи в болезни Альцгеймера и умеренными когнитивными нарушениями

Общая цель данного анализа причинно-следственной связи по Грейнджеру заключается в изучении направленной функциональной связности в головном мозге, связанной с прогрессированием болезни Альцгеймера, что позволит создать новую объективную основу для оценки степени тяжести заболевания. Этот метод может помочь ответить на ключевые вопросы в области исследования болезни Альцгеймера, такие как характер направленной связности между задней поясной извилиной (PCC) и всеми остальными областями мозга. Основным преимуществом данного метода является то, что он измеряет причинно-следственные эффекты временных рядов фМРТ и демонстрирует динамику и направление ухудшения сигнала.

Значение данного метода распространяется на диагностику прогрессирования болезни Альцгеймера, поскольку он позволяет сравнивать направленную функциональную связность между группами с БА, умеренными когнитивными нарушениями (MCI) и контрольной группой. Помимо того, что этот метод позволяет понять масштабирование направленной функциональной связности при болезни Альцгеймера, его можно применять и к другим системам, например, в исследованиях с использованием электроэнцефалографии. Как правило, лицам, которые только начинают использовать данный метод, может быть сложно освоить его, если они не знакомы с принципами работы соответствующего программного обеспечения.

Сначала мы добавим данные за семестр, а затем проведем обзор предшествующей литературы по анализу причинности по Грейнджеру. Наличие практической демонстрации этого метода имеет решающее значение, так как существует множество нюансов, которые невозможно полностью описать в тексте. Начните с запуска программы RESTplus и нажмите левой кнопкой мыши на Pipeline.

Импортируйте соответствующие файлы в RESTplus. Выберите рабочую директорию, а затем исходные директории EPI и T1. Далее, для преобразования файлов Dicom в формат Nifti, отметьте флажком пункт DicomToNifti в разделе Preprocessing.

Отметьте параметры EPI Dicom to Nifiti и T1 to Nifiti. Удалите первые 10 временных точек, отметив пункт RemoveFirstTimePoints и установив конечное значение параметра на 10. Затем отметьте поле Slice timing.

Установите номер среза в соответствии с параметрами RS FMRI исследования и введите порядок срезов. Отметьте «Realign» для коррекции временных смещений и движений головы. Затем выполните пространственную нормализацию, отметив «Normalize», оставив параметры в нижней части окна по умолчанию.

Используйте унифицированную сегментацию T1-изображения и приведение всех головок к единому пространству, выбрав соответствующие параметры. Выполните нормализацию, используя унифицированную сегментацию T1-изображения и европейский шаблон. Затем выберите функцию сглаживания для выполнения пространственного сглаживания с использованием изотропного гауссова ядра с полной шириной на уровне половины максимума 6 mm.

Удалите линейный тренд, отметив пункт Detrend. Для повышения отношения сигнал/шум выберите регрессию мешающих ковариат (nuisance covariates regression), указав следующие параметры: шесть параметров движения головы, средний глобальный сигнал, сигнал белого вещества и сигнал спинномозговой жидкости. Наконец, выберите фильтрацию (filter), чтобы оставить сигналы в диапазоне от 0.01 до 0.08 hertz.

Удалите высокочастотный физиологический шум, а также низкочастотный дрейф. Начните с проведения повоксельного анализа причинно-следственной связи по Грейнджеру (Granger Causality Analysis, GCA), используя инструмент REST GCA в инструментарии REST. В окне «Postprocessing» (Постобработка) отметьте пункт GCA.

Установите порядок равным одному по умолчанию. Выберите «Define ROI» и выберите сферическую область интереса (spherical ROI), чтобы определить интересующую область. Нажмите «next».

Определите интересующие вас начальные точки (seed points) в задней поясной коре (PCC), установив координаты центра и радиус области интереса (ROI), основываясь на известных данных, и нажмите OK. Затем выберите Run и OK для запуска программы. Далее найдите папки с названиями ZGCA и GCA после обработки соответствующих файлов данных. Отберите файлы ZGCA и распределите их по четырем соответствующим подпапкам: XX, XY, YX и YY.

В программном обеспечении откройте RESTplus и левой кнопкой мыши выберите «Statistical Analysis». Левой кнопкой мыши выберите «REST Two-Sample T-Test». Присвойте выходному результату имя T1XY и укажите выходной каталог.

Левой кнопкой мыши нажмите на Add Group Images, чтобы открыть подпапку XY в папке AD Results и подпапку XY в папке NC Results. Затем левой кнопкой мыши откройте подфайл BrainMask в папке mask. После этого выберите Compute для запуска программы.

Назовите выходные результаты T2XY и установите выходной каталог. Щелкните левой кнопкой мыши по Add Group Images, чтобы открыть подпапку XY в папке AD Results, а также подпапку XY в папке MCI Results.

Повторите вычисление файла маски мозга, чтобы получить результаты для T3XY, T1YX, T2YX и T3YX, что в сумме составит шесть файлов. Щелкните левой кнопкой мыши по окну просмотра Viewer в RESTplus, чтобы просмотреть полученные файлы. Импортируйте шаблон с названием Ch2 в раздел Underlay.

Наконец, найдите шесть полученных файлов в выходном каталоге и последовательно заполните наложение. Создайте итоговый график, используя эти шесть выходных файлов. После первоначального определения активных узлов во всем мозге была использована технология GCA для определения направленной функциональной связности от PCC ко всему мозгу.

И от всего мозга к задней поясной коре (PCC) в группах с болезнью Альцгеймера (БА), умеренными когнитивными нарушениями (УКН) и в контрольной группе. Направленная связность от всего мозга к PCC была усилена в группе БА по сравнению с нормальной контрольной группой и была сосредоточена преимущественно в двусторонней области мозжечка за пределами сети пассивного режима работы мозга (DMN). Направленная связность от PCC ко всему мозгу была значительно снижена в группе БА по сравнению с контрольной группой, при этом основные области, такие как правый прекунеус и левая средняя лобная извилина, относились к DMN.

При должном исполнении эта методика может быть реализована за 14 часов. При выполнении данной процедуры важно помнить, что все имена файлов и фотографий должны быть на английском языке и не содержать пробелов. После разработки эта методика позволила исследователям в области фМРТ изучать направленную функциональную связность при прогрессировании болезни Альцгеймера.

После просмотра этого видео вы должны получить четкое представление о том, как приступить к изучению направленной функциональной связности в мозге, связанной с прогрессированием болезни Альцгеймера. Таким образом, будет создана точная объективная основа для оценки степени тяжести заболевания.