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

Общая цель данного анализа причинно-следственных связей Грейнджера заключается в изучении направленных функциональных связей в мозге, связанных с прогрессированием болезни Альцгеймера, тем самым создавая новую объективную основу для оценки тяжести заболевания. Этот метод может помочь ответить на ключевой вопрос в области болезни Альцгеймера, такой как направленная связь между PCC и целыми областями мозга. Основное преимущество этого метода заключается в том, что он измеряет причинно-следственные связи временных рядов FMRI и показывает динамику и направления слабого сигнала.

Применение этого метода распространяется на диагностику прогрессирования болезни Альцгеймера, поскольку он сравнивает направленную функциональную связь между болезнью Альцгеймера, ЛКН и контрольными группами. Благодаря этому методу можно получить представление о масштабировании направленной функциональной связи болезни Альцгеймера, он также может быть применен к другим системам, таким как электроизмерительные исследования цефалограммы. Как правило, новички в этом методе будут испытывать трудности, если они не знакомы с работой программного обеспечения.

Сначала мы добавляем сюда за семестр, а затем оцениваем предыдущую литературу по анализу причинно-следственных связей Грейнджера. Несмотря на реальную демонстрацию этого метода, это очень важно, потому что необходимо отметить несколько факторов, выходящих за рамки того, что можно написать в тексте. Начните с открытия RESTplus через программное обеспечение и щелкните левой кнопкой мыши по Pipeline.

Импортируйте соответствующие файлы в RESTplus. Выберите рабочий каталог, а затем начальные каталоги EPI и T1. Далее, чтобы конвертировать файлы Dicom в Nifti, отметьте галочкой поле DicomToNifti в поле Предварительная обработка.

И отметьте галочками параметры EPI Dicom к Nifiti и T1 к Nifiti. Удалите первые 10 временных точек, отметив галочкой RemoveFirstTimePoints и установив конечный параметр равным 10. Затем отметьте галочкой поле «Время среза».

Установите номер среза в соответствии с параметрами исследования RS FMRI и введите порядок среза. Установите флажок «Повторить выравнивание», чтобы скорректировать время и движение головы. Затем выполните пространственную нормализацию, установив флажок «Нормализовать» и оставив параметры по умолчанию внизу.

Используйте унифицированную сегментацию изображения T1 и стандартизируйте все головы в одном и том же пространстве, выбрав параметры. Нормализация с помощью Т1 образа, унифицированной сегментации и европейской. Затем выберите сглаживание для выполнения пространственного сглаживания с помощью изотропного гауссова керналя с полной шириной в половину максимум 6 мм.

Удалите линейный тренд, отметив галочкой «Удалить тренд». Выберите неприятные ковариаты регрессии в следующих шести параметрах движения головы, глобальном среднем сигнале, сигнале белого вещества и сигнале спинномозговой жидкости с целью увеличения отношения сигнал/шум. Наконец, выберите фильтр для сохранения сигналов в диапазоне от 0,01 до 0,08 герц.

Устранение высокочастотного физиологического шума, а также устранение дрейфа низких частот. Начните с выполнения воксельного анализа причинно-следственных связей Грейнджера, или GCA, с помощью REST GCA в наборе инструментов REST. В поле Постобработка отметьте галочкой GCA.

Установите порядок как один по умолчанию. Выберите Определить ROI и выберите сферический ROI, чтобы определить область интереса. Нажмите «Далее».

Определите исходные точки интереса в коре заднего сингулярного круга (PCC), задав координаты центра и радиус ROI затравки на основе известных данных, и нажмите OK. Затем выберите «Выполнить» и «ОК», чтобы запустить программу. Далее найдите папки с именами ZGCA и GCA после обработки соответствующих файловых данных. Отсортируйте файлы ZGCA и классифицируйте их по четырем подпапкам: XX, XY, YX, YY соответственно.

В программном обеспечении откройте RESTplus и щелкните левой кнопкой мыши «Статистический анализ». Щелкните левой кнопкой мыши по REST Two-Sample T-Test. Назовите результат вывода T1XY и задайте директорию вывода.

Щелкните левой кнопкой мыши по кнопке «Добавить групповые изображения», чтобы открыть подпапку XY в папке AD Results и подпапку XY в папке NC Results. Затем щелкните левой кнопкой мыши, чтобы открыть подфайл BrainMask в папке mask. Затем выберите Вычислить для запуска программы.

Назовите выходные результаты как T2XY и задайте выходной директор. Щелкните левой кнопкой мыши по кнопке «Добавить групповые изображения», чтобы открыть подпапку XY в папке AD Results. И подпапка XY в папке MCI Results.

Повторите вычисление файла маски мозга, чтобы получить выходные данные для T3XY, T1YX, T2YX и T3YX, всего шесть файлов. Щелкните левой кнопкой мыши по просмотрщику RESTplus, чтобы просмотреть полученные файлы. Импортируйте шаблон с именем Ch2 в Underlay.

Наконец, найдите шесть результирующих файлов в выходном каталоге и заполните оверлей один за другим. Создайте окончательный график с помощью шести выходных файлов. После того, как были впервые идентифицированы активные узлы во всем мозге, технология GCA была использована для определения направленной функциональной связи от PCC ко всему мозгу.

И от всего мозга до PCC в группах AD, MCI и контрольной группе. Направленная связь всего мозга с ПКК была усилена в группе с БА по сравнению с нормальной контрольной группой и в первую очередь сосредоточена в двусторонней области мозжечка за пределами ДМН. Направленная связь от ПКК ко всему мозгу была значительно снижена в группе БА по сравнению с контрольной группой с основными областями, такими как правое предклинье и левая металобная извилина, принадлежащими к DMN.

Пока мастерит, эту технику можно сделать за 14 часов, если ее правильно выполнить. При выполнении этой процедуры важно помнить, что все имена файлов и фотографий должны быть на английском языке и не должны содержать пробелов. После своего развития этот метод проложил путь исследователям в области FMRI к исследованию направленной фракционной связи в прогрессировании болезни Альцгеймера.

После просмотра этого видео у вас должно сложиться хорошее понимание того, как запустить направленную фракционную связь в мозге, связанную с прогрессированием AD. Тем самым установить узкую объективную основу для оценки тяжести заболевания.