عنوان پایان‌نامه
آنالیز و مقایسه ارتباطات کارکردی حالت استراحت داده FMRI در افراد سالم و افراد مبتلا به بیماری آلزایمر
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2567;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65439
- تاریخ دفاع
- ۱۲ شهریور ۱۳۹۳
- دانشجو
- محسن بهرامی
- استاد راهنما
- غلامعلی حسین زاده دهکردی
- چکیده
- در سال‌های اخیر تصویربرداری تشدید مغناطیسی کارکردی در حالت استراحت به عنوان روشی غیرتهاجمی و موثر در زمینه‌های مختلف علوم اعصاب برای شناخت سازوکارهای موجود در مغز و نیز تحلیل و تعیین بیماری‌های نورولوژیک به کار رفته است. در این پژوهش نیز داده‌های تصویربرداری تشدید مغناطیسی کارکردی در حالت استراحت برای مطالعه‌ی ارتباطات کارکردی در افراد مبتلا به بیماری آلزایمر و بررسی تغییرات این ارتباطات در این بیماران به کار رفته است. در این راستا با توجه به اهمیت اندازه‌گیری دقیق همبستگی سیگنال‌های نواحی متفاوت مغزی در مطالعه‌ی ارتباطات کارکردی، معیاری جدید که مبتنی بر توابع کاپولا (Copula) می‌باشد برای تعیین همبستگی به کار رفته است. مقایسه‌ی این معیار و برخی از معیارهای معمول دیگر در این زمینه همانند همبستگی متقابل حاکی از مقاوم بودن بیشتر معیار پیشنهادی نسبت به نویز است. همچنین حساسیت این معیار در اندازه‌گیری ارتباطات غیرخطی بسیار بالاتر است. از طرف دیگر با توجه به مطالعات سال‌های اخیر مبنی بر نامناسب بودن استفاده از اطلس‌های آناتومی، از اطلس‌های کارکردی که از روی داده‌های کارکردی حالت استراحت به دست آمده‌اند برای تعریف نواحی استفاده شده است. مقایسه‌ی متریک‌های شبکه‌ای گراف‌هایی که بر اساس نواحی اطلس‌های کارکردی ایجاد شده‌اند با متریک‌های متناظر در گراف‌هایی که بر اساس نواحی اطلس (Anatomical Automatic Labeling) AAL ایجاد شده‌اند بیانگر تاثیر قابل توجه اطلس مورد استفاده بر این متریک‌ها می‌باشد. اطلس AAL اطلسی مبتنی بر آناتومی است که در مطالعات بسیار متعددی به کار رفته است. از آنجا که در بسیاری از مطالعات هدف مقایسه‌ی چنین متریک‌هایی بین افراد سالم و افرادی بیمار می‌باشد، باید تاثیرات اطلس مورد استفاده را در نظر گرفت تا نتایج و تحلیل آن‌ها درست باشد. در پایان با استفاده از اطلس‌های کارکردی تولید شده، گراف‌های کارکردی 15 سوژه‌ی سالم و 15 سوژه‌ی بیمار به دست آمده و با یکدیگر مقایسه شده‌اند. مقایسه‌ی گراف‌های دو گروه حاکی از آن است که متریک‌های ضریب کلاسترینگ (p-value= 0.0465) و همبستگی درجه (p-value= 0.0334) در افراد آلزایمری به شکل قابل توجهی کمتر از افراد سالم است. کاهش همبستگی درجه در بیماران آلزایمری حاکی از آن است که در گراف ارتباطات کارکردی این افراد، نظم موجود در درجه‌ی رأس‌های برخی از زیرگراف‌ها (شباهت درجه‌ی آن‌ها) از بین رفته و رأس‌های موجود در این زیرشبکه‌ها ارتباطات گسترده‌تری با رأس‌های قرار گرفته در زیرگروههای دیگر دارند و با به هم خوردن نظم اولیه به نوعی شبکه به سمت تصادفی شدن پیش می‌رود و پایداری آن نسبت به اعمال تغییرات در شبکه کاهش می‌یابد. کاهش ضریب کلاسترینگ نیز بیانگر کاهش ارتباطات موجود بین همسایه‌های تک تک رأس‌ها می باشد که توانایی پردازش اطلاعات در برخی از زیرگروههای شبکه را کاهش می‌دهد. این نتایج نشان می‌دهند که این دو متریک می‌توانند در تفکیک افراد آلزایمری از افراد سالم به کار روند. واژه‌های کلیدی: ارتباطات کارکردی حالت استراحت، اطلس‌های کارکردی، معیار وابستگی مبتنی بر کاپولا، متریک‌های شبکه‌ای، خوشه‌یابی طیفی.
- Abstract
- Over the last years, resting-state functional magnetic resonance imaging (rs-fMRI) has emerged as a non-invasive technique in different areas of neuroscience to investigate mechanisms in the brain. It is also used for detecting and analyzing neurological disorders. In this thesis, we used rs-fMRI data to study functional connectivity changes in patients with Alzheimer’s disease. Since measuring the actual correlation among brain regions’ time series is fundamental in connectivity studies, we used a new metric, which is based on copulas, to measure the correlations. Comparison between this measure and some typical measures used in this area such as cross-correlation indicates the higher robustness of the proposed measure against noise. Also, this metric has a higher sensitivity in measuring non-linear dependencies. Furthermore, according to recent studies, using anatomical atlases is not appropriate for defining the regions in functional connectivity studies. So, we produced a functional atlas based on our functional data and specified the regions according to this atlas. Comparison between network metrics of graphs constructed through functional atlases and corresponding metrics of graphs constructed through the AAL (Anatomical Automatic Labeling) atlas regions reveals the significant impact of employed atlases on network metrics. The AAL is an anatomical atlas which is used in many studies. Since comparing the network metrics among normal and patient subjects is the final goal of many studies, the influences of the atlases in network measures should be considered for a correct analysis and achievement of reliable results. At the end, graphs of functional connectivity of 15 normal and 15 patients (with Alzheimer’s disease) were derived and compared with each other. The comparison of graphs between two groups illustrates that clustering coefficient (p-value = 0.0465) and assortativity coefficient (p-value = 0.0334) in patients with Alzheimer’s disease are significantly less than corresponding metrics in healthy subjects. Reduced assortativity coefficient in subjects with Alzheimer’s disease shows that regularity of vertices’ degrees in some sub-graphs (similarity between their degrees) has changed, and these vertices tend to establish extensive connectivity with vertices from other sub-graphs. So, the initial order of the network is disturbed and it has a tendency toward randomness, which reduces its robustness against applying changes on the network. Reduced clustering coefficient illustrates the decreased connectivity among vertices’ neighbors. Therefore, the ability of local processing in sub-networks will be decreased. These results suggest that we can use clustering coefficient and assortativity coefficient to distinguish patients with Alzheimer’s disease and healthy controls better.
