تطبيق تحليل العلاقة السببية المزارع الاتصال الفنية الموجهة في مرض الزهايمر وضعف الإدراك الخفيف

Summary

تستند الدولة يستريح الفنية التصوير بالرنين المغناطيسي مع تحليل العلاقة السببية المزارع، نحن التحقيق التعديلات في الاتصال الفنية الموجهة بين القشرة cingulate الخلفي والجامع الدماغ في المرضى الذين يعانون من مرض الزهايمر (AD)، والمرضى الذين يعانون من إعاقة ادراكية خفيفة (MCI)، وضوابط صحية.

Abstract

ضعف الاتصال الفنية في شبكة الوضع الافتراضي (DMN) قد تكون ضالعة في تطور مرض الزهايمر (AD). القشرة Cingulate الخلفي (PCC) علامة تصوير محتملة لرصد التقدم للإعلان. الدراسات السابقة لم تركز على الربط الوظيفي بين المجلس المركزي الفلسطيني والعقد في المناطق خارج DMN، ولكن دراستنا محاولة لاستكشاف هذه الاتصالات الفنية مهملة. لجمع البيانات، استخدمنا التصوير بالرنين المغناطيسي الوظيفي (الرنين المغناطيسي الوظيفي) وتحليل العلاقة السببية المزارع (الائتلاف). الرنين المغناطيسي الوظيفي يوفر طريقة غير الغازية لدراسة التفاعلات الدينامية بين مناطق الدماغ المختلفة. الائتلاف اختبار فرضية إحصائية لتحديد ما إذا كانت سلسلة مرة واحدة مفيدة في التنبؤ بآخر. بعبارات بسيطة، هو يحكم بمقارنة "من المعروف جميع المعلومات الواردة في آخر لحظة، توزيع الاحتمال العاشر في هذا الوقت" و "جميع المعلومات الواردة في آخر لحظة ما عدا Y، توزيع الاحتمال العاشر في هذا الوقت"، لتحديد ما إذا كانت هناك علاقة سببية بين Y و X. وهذا التعريف يستند إلى مصدر معلومات كاملة والتسلسل الزمني ثابتة. أن الخطوة الرئيسية لهذا التحليل استخدام X و Y إنشاء معادلة الانحدار ورسم علاقة سببية باختبار افتراضية. حيث يمكن قياس الائتلاف آثار السببية، نحن استخدمه للتحقيق تباين الربط الوظيفي واستكشاف وظيفة مركز للمجلس المركزي الفلسطيني. هنا، نحن فحص المشاركين 116 لفحص التصوير بالرنين المغناطيسي، وبعد تجهيزها البيانات التي تم الحصول عليها من نيورويماجينج، استخدمنا الائتلاف لاشتقاق العلاقة السببية لكل عقده. وأخيراً، نحن خلص إلى أن الاتصال الموجه تختلف اختلافاً كبيرا بين المجموعات إعاقة ادراكية خفيفة (MCI) والإعلان، سواء من المجلس المركزي الفلسطيني لكامل الدماغ والدماغ كله للمجلس المركزي الفلسطيني.

Introduction

الإعلان هو أمراض التنكسية في الجهاز العصبي المركزي التي يمكن تشخيصها باستخدام الأنسجة، والكهربية، ونيورويماجينج¹. DMN المتعلقة بالذاكرة نظام حيوي لمناطق الدماغ المتفاعلة المرتبطة بالإعلان، ووظيفتها غير طبيعية من سمات AD^2،3. المجلس المركزي الفلسطيني هي منطقة هامة للشبكة الافتراضية التقليدية في حالة الراحة، وتضطلع بدور محوري في الذاكرة العرضية والاهتمام المكاني، والتقييم الذاتي وسائر الوظائف المعرفية^4،5،،من⁶⁷. وبالإضافة إلى ذلك، قد يكون علامة تصوير لرصد تطور الإعلان. استخدام الائتلاف، وجد لياو et al. أن المجلس المركزي الفلسطيني هو منطقة سيتوارتشيتيكتونيكس متعددة مع اتصالات متعددة وتلعب دوراً هاما في بنية الدماغ الوظيفية⁸. ذكر تشونغ et al. أن المجلس المركزي الفلسطيني كان مركز تقارب التي تلقي التفاعلات من معظم المناطق الأخرى داخل ال DMN³. وعلاوة على ذلك، أظهرت مياو et al. أن المجلس المركزي الفلسطيني قد في مناطق محور DMN، العلاقة السببية التأثير أكبر مع العقد الأخرى⁹. معا، كل هذه الأدلة تشير إلى أن الاتصال الموجهة للمجلس المركزي الفلسطيني قيمة في البحوث الإعلانية والمجلس المركزي الفلسطيني يحتاج إلى مزيد دراسة متعمقة كمنطقة حيوية DMN.

الدراسات السابقة التي كانت محصورة في التواصل بين المجلس المركزي الفلسطيني ومناطق أخرى داخل DMN؛ ومع ذلك، التغييرات في توجيه اتصال وظيفية بين المجلس المركزي الفلسطيني في منطقتي الدماغ خارج في DMN، فضلا عن تأثيرها على الإعلان لم تستكشف¹⁰. مزيد من التحقيق دراستنا هذا الربط الوظيفي غير مستكشفة في الضوابط الصحية العادية والمرضى مع وزارة التجارة والصناعة، والمرضى الذين يعانون من الإعلان. عن طريق مراقبة الاتصال الموجه بين المجلس المركزي الفلسطيني ومناطق الدماغ كله، ونحن تهدف إلى توضيح التغييرات الوظيفية في الدماغ المتصلة بتطور الإعلانية، ومما وضع أساس موضوعي رواية لتقييم شدة المرض.

الاتصال الفنية تشير إلى تفاعل أقاليمي الذي يمكن أن يمثله متزامن "من تقلبات أسعار منخفضة التردد" (لفس) في إشارة الرنين المغناطيسي الوظيفي الدماغي الدم الأكسجين مستوى تعتمد (غامق). ولذلك، من أجل مراقبة الربط الوظيفي بين المجلس المركزي الفلسطيني ومناطق أخرى في الدماغ، قمنا بتحليل الربط الوظيفي بين المجلس المركزي الفلسطيني وشبكة الجامعة الدماغ بالرنين المغناطيسي الوظيفي باستخدام الائتلاف، مع المجلس المركزي الفلسطيني كالمنطقة من الفائدة (العائد على الاستثمار). ويستمد هذا الأسلوب مباشرة العلاقة الأساسية لكل عقده باستخدام البيانات التي تم الحصول عليها من نيورويماجينج¹¹. في الآونة الأخيرة، أن الائتلاف قد طبق على للالكهربائي (EEG) ودراسات الرنين المغناطيسي الوظيفي للكشف عن آثار السببية بين مناطق الدماغ¹². جميع هذه الدراسات أشارت إلى أن أسلوب الائتلاف قد يكون الأمثل للكشف عن العلاقة السببية بين كل عقده في الدماغ.

Protocol

This study was approved by the Ethics Committee of Zhejiang Provincial People's Hospital. Every enrolled subject signed a written informed consent.

1. Sample Classification and Screening

1. Diagnose and divide 116 patients into AD and MCI groups.
   NOTE: Use the 2011 National Institute of Neurological and Communicative Disorders and Stroke and the Alzheimer's Disease and Related Disorders Association (NINCDS-ADRDA) diagnostic criteria and the Mini-Mental State Examination (MMSE) criteria for identification and classification of MCI, which is described in detail in Yu et al.¹⁰
2. Select participants in the healthy control group.
   NOTE: The age, gender, and education level of the control group were matched with patients in the MCI and AD groups.
3. Assess all subjects by MMSE¹⁰.
4. Exclude the subjects who did not fulfill the inclusion criteria. For all subjects, the exclusion criteria are mentioned in Yu et al.¹⁰
5. Use MRI to scan subjects; exclude subjects with unusable data due to head movements.
   NOTE: Ultimately, we screened 26 patients with MCI, 32 patients with AD, and 58 controls.

2. Acquisition of Neuroimaging

1. Remove metal and magnetic objects before entering the 3.0 T MRI Laboratory.
2. Install an MRI receiving coil at the magnetic resonance scanning bed. The receiving coil is an 8 channel circularly polarized brain phased-array coil.
3. Instruct the participant to lie on the bed, and to remain supine with the head advanced and the long axis of the body along the long axis of the bed. Place the participant's head on the bracket of the coil, and make sure that the orbitomeatal line is perpendicular to bed.
4. Tell the participant to place the upper limbs to the sides of the body, keep eyes closed, not think of anything in particular, and move as little as possible during the scan. Place foam pads on the head in the bilateral temporal area to prevent head movement and provide headphones to reduce scanner noise for the participant.
   NOTE: Dimensions of the foam pad are: long diameter = 13 cm, short diameter = 10 cm, the thickest thickness = 7 cm, the thinnest thickness = 3 cm, average thickness = 5 cm.
5. Adjust the position of the head through the positioning light so that the sagittal positioning cursor is in the midline of the face, and the axis positioning cursor is parallel to the lateral canthus. Then move the bed to keep the axis positioning cursor on the eyebrows or 2 cm below it.
6. Move the head to the center of the magnet. Perform an fMRI brain scan, including gradient Echo-Planar Imaging (EPI-BOLD) and 3D-T1-MPRAGE imaging.
   NOTE: Use the following parameters:
   EPI-BOLD: TR/TE = 2,000/30 ms, layer thickness/layer pitch = 3.2/0.8 mm, 31 slices, matrix = 64 x 64, FOV = 220 x 220 mm, voxel size = 3 x 3 x 4 mm, flip angle = 90 °, scanning time of 484 s, and a total of 240 scanning images.
   3D-T1-MPRAGE imaging: TR/TE = 8.5/3.2 ms, flip angle = 15 °, field of view = 250 x 250 mm, matrix = 256 x 256, slice number = 176, slice thickness/gap = 1/0 mm, scanning time of 353 s, and a total of 192 scanning images.
7. Keep the patient safe when they are leaving the bed at the end of the scan.

3. Data Preprocessing

NOTE: Analyze the raw data for resting-state brain functions by using the Resting-State fMRI (rs-fMRI) Data Analysis Toolkit plus (RESTplus).

1. Open RESTplus through MATLAB and left click on Pipeline.
2. Import the relevant files into RESTplus. Select the work directory and then the starting EPI and T1 directories.
3. Convert DICOM files to NIFTI. Check off the DICOM to NIFTI box in preprocessing and check off the EPI DICOM to NIFTU and the T1 DICOM to NIFTI parameters.
4. Remove the first 10 time points by checking off the Remove first n time points and setting the n parameter as 10.
5. Set the slice timing according to rs-fMRI parameters. Check off the Slice timing box. Set the slice number according to the rs-fMRI parameters of the study. Enter the slice order.
   NOTE: The acquisition of data of each layer in the brain scan is not at the same time point, and thus, it needs to be calibrated to the same time point.
6. Correct the time and head motion. Check off Realign.
   NOTE: The exclusion criterion for excessive head motion was >2.0 mm translation or >2.0 ° rotation in any direction. In the RESTplus this is a default parameter (left click on the option of 'Realign').
7. Perform spatial normalization by using T1 image unified segmentation and all heads standardized to the same space. Check off Normalize and leave the default parameters at the bottom. Select the Normalize by using T1 image unified segmentation and European parameters.
   NOTE: Resample the rs-fMRI images with voxels of 3 × 3 × 3 mm, and other parameters in the RESTplus are default, just left click on the option of 'Normalize by using T1 image unified segmentation'.
8. Perform spatial smoothing using an isotropic Gaussian kernel with a full-width at half maximum (FWHM) of 6 mm. Check off Smooth.
9. Remove the linear trend by checking off Detrend.
10. Regress out signals from nuisance regressors (WM, CSF, Global) to increase signal-to-noise ratio. Check off Nuisance covariates regression and the following parameters: 6 head motion parameters, global mean signal, white matter signal, and cerebrospinal fluid signal.
    NOTE: During this step, set the 'Polynomial trend' as 1 as default, and choose the '6 head motion parameters', the 'Nuisance regressors (WM, CSF, Global)' and the 'add mean back' as default.
11. Use band-pass filtering to retain signals between 0.01 - 0.08 Hz. Remove high-frequency physiological noise, and low-frequency drift. Check off Filter.

4. Directed Connectivity Analysis

NOTE: Perform GCA combined with the BOLD signals for each voxel in the whole brain after extracting the average BOLD signal intensity in the seed area.

1. Perform the voxel-wise GCA by using the REST-GCA in the REST toolbox. In the post-processing box, check off GCA.
2. Set the 'order' as 1 as default. Select the parameters in the input.
3. Define ROI and identify seed points of interest in the PCC. Select Define ROI and choose the Spherical ROI. Select Next. Set the center coordinates and radius of the seed ROI based on the known data and select OK.
   NOTE: An ROI for the DMN was placed at the PCC (centering at x = 0, y = -53, z = 26 with radius = 6 mm), as in a previous study¹³.
4. Select Run and OK to run the program.
5. Find folders named ZGCA and GCA after processing of relevant file data. Sort out the files of ZGCA and classify them into four subfolders, xx, xy, yx, yy accordingly.
   NOTE: Later, mainly use the xy and yx subfolders. The three sets of file data ('AD' 'MCI' 'NC') are all processed and sorted according to steps 3.1 - 4.5 above.
6. Open RESTplus through MATLAB and left click on Statistical Analysis. Left click on REST Two-Sample T-Test.
7. Name the output result as T1xy and set the output directory. Left click on Add Group Images to open the xy subfolder in the AD Results folder and the xy subfolder in the NC Results folder.
8. In the option of Mask File, left click to open the BrainMask_05_61*73*61 subfile in the 'mask' folder.
9. Select Compute to run the program.
10. Name the output result as T2xy and set the output directory. Left click on Add Group Images to open the xy subfolder in the AD Results folder and the xy subfolder in the MCI Results folder. Repeat steps 4.8 - 4.9.
11. Name the output result as T3xy and set the output directory. Left click on Add Group Images to open the xy subfolder in the MCI Results folder and the xy subfolder in the NC Results folder. Repeat steps 4.8 - 4.9.
12. Name the output result as T1yx and set the output directory. Left click on Add Group Images to open the yx subfolder in the AD Results folder and the yx subfolder in the NC Results folder. Repeat steps 4.8 - 4.9.
13. Name the output result as T2yx and set the output directory. Left click on Add Group Images to open the yx subfolder in the AD Results folder and the yx subfolder in the MCI Results folder. Repeat steps 4.8 - 4.9.
14. Name the output result as T3yx and set the output directory. Left click on Add Group Images to open the yx subfolder in the MCI Results folder and the yx subfolder in the NC Results folder. Repeat steps 4.8 - 4.9.
15. Finally, obtain the six result files by following steps 4.6 - 4.14 and left click on viewer of RESTplus to view the result. Import the template named ch2 in Underlay.
16. Find the six result files in the output directory and fill in the Overlay one by one. Obtain the final result graph, and the six result files that correspond to the six graphs.
17. Use Statistical Product and Service Solutions (SPSS) to process the data obtained from the previous step.
    1. Present Continuous variables as means and Standard Deviations (SD).
    2. Present categorical variables as numbers and percentages, then use the chi-square test.
       NOTE: All p-values of <0.05 were considered statistically significant.

النتائج

Demographic information

Table 1 presents the characteristics of the subjects. All the subjects had an education level of junior school or above. Age, gender, and education level were similar between the three groups (P >0.05), while the MMSE scores were significantly different (p <0.01).

Directed brain functional connectivity

Discussion

ويعرض هذا التقرير عملية مقارنة الموجه الفنية الاتصال من المجلس المركزي الفلسطيني في الدماغ كله، ومن الدماغ كله للمجلس المركزي الفلسطيني بين الإعلانات، وزارة التجارة والصناعة ومراقبة المجموعات. وعلاوة على ذلك، هو خطوة رئيسية في هذه العملية بتصنيف وفحص العينة قبل التجربة. وهكذا، التصنيف ...

Materials

Name	Company	Catalog Number	Comments
116 patients	Zhejiang Provincial People’s hospital	-	This study was approved by the ethics committee of Zhejiang Provincial People’s hospital. Every enrolled subject signed a written informed consent form.
Siemens Trio 3.0 T MRI scanner	Siemens, Erlangen, Germany	20571	Equipped with AudioComfort that reduces acoustic noise up to 90%; Provides high performance at a low noise level; Ultra light-weight coil; Unique MRI sequence design; Supports up to 400 pounds without restrictions.
RESTplus	Hangzhou Normal University, Hangzhou, Zhejiang, China	20160122	RESTplus evolved from REST (Resting-State fMRI Data Analysis Toolkit), a convenient toolkit to calculate Functional Connectivity (FC), Regional Homogeneity(ReHo), Amplitude of Low-Frequency Fluctuation (ALFF), Fractional ALFF (fALFF), Gragner causality, degree centrality, voxel-mirrored homotopic connectivity (VMHC) and perform statistical analysis.
DPARSF	Hangzhou Normal University, Hangzhou, Zhejiang, China	130615	Data Processing Assistant for Resting-State fMRI (DPARSF) is a convenient plug-in software within DPABI, which is based on SPM. You just need to arrange your DICOM files, and click a few buttons to set parameters, DPARSF will then give all the preprocessed data, functional connectivity, ReHo, ALFF/fALFF, degree centrality, voxel-mirrored homotopic connectivity (VMHC) results.
SPSS	SPSS Inc., Chicago, IL, USA	-	SPSS offers detailed analysis options to look deeper into your data and spot trends that you might not have noticed.