图论分析方法gretna_基于磁共振的多模态分析对血管性认知障碍患者脑网络的研究...

摘要:目的:1.通过对血管性认知障碍(VCI)患者的结构相及静息态磁共振数据进行采集和分析,运用图论的分析方法来研究VCI患者与正常者之间的脑网络差异,并将脑网络拓扑属性与临床认知评分进行相关性分析,探讨VCI患者认知功能改变的神经机制。2.根据VCI患者不同证候进行中医分型,通过分析不同证型VCI患者脑网络节点灵活度与正常者之间的差异,并将肝肾阴虚组与肾精亏损组脑网络拓扑属性进行对比分析,探索分析VCI脑网络拓扑属性与中医证候的关系。方法:1.纳入28名VCI患者作为病例组(男:16例,女:12例),纳入30名认知功能正常者(男:13例,女:17例)作为对照组。全部入选者均构建磁共振的结构相及静息态脑网络,计算全脑网络拓扑属性及局部拓扑属性。运用GRETNA软件包,以性别、年龄、受教育程度等作为协变量,采用两独立样本t检验对比两组被试者整体与局部拓扑属性指标的差异。在控制性别、年龄、受教育程度的情况下,采用Pearson偏相关分析方法对VCI组存在组间差异的网络拓扑属性指标分别与MoCA评分作相关性分析。2.根据临床及影像学资料综合评估诊断为VCI患者共36例(男:20例,女:16例),另外选取30名认知功能正常者(男:13例,女:17例)作为对照。在中医辨证标准的基础上将患者主要分为气虚血瘀、肾精亏虚、肝肾阴虚、痰浊阻窍等四型。运用GRETNA软件包,以性别、年龄、受教育程度等作为协变量,采用两独立样本t检验对比分析不同证型VCI患者静息态磁共振网络节点灵活度与正常者之间的脑区差异,采用两独立样本t检验分析肝肾阴虚组与肾精亏虚组脑网络拓扑属性差异。结果:1.VCI组与对照组T1脑结构整体拓扑属性结果:基于灰质体积的形态学脑网络分析中,在稀疏度为0.0507~0.3907,步长0.02的范围内,VCI组与对照组经标准化后的聚类系数都远大于1,最短路径长度约等于1,均符合“小世界属性”。以性别、年龄、受教育程度作为协变量,分析VCI组与正常组形态学脑网络全局属性,显示两者之间未见显著差异(聚类系数t=1.267 P=0.211,最短路径长度t=-1.561 P=0.125,全局效率t=1.485 P=0.144,模块化 t=-0.

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Gretna网络分析是一种用于研究网络连接性的方法,通过分析不同的结果文件,我们可以了解不同的网络特征和功能区域间的连接。下面是几个常见的结果文件及其意义: 1. 网络参数文件(Network Parameters File):该文件包含了网络的基本参数,如节点(白质或灰质区域)数量、边(连接线)数量、平均度量等。通过分析这些参数,我们可以了解网络整体的复杂性、连通性和结构特征。 2. 中心性文件(Centrality File):中心性是描述网络节点在整个网络中的重要程度的指标。该文件记录了每个节点的中心性指标,如度中心性、介数中心性、接近中心性等。通过分析中心性文件,我们可以了解节点的重要性,找到网络中的关键节点或枢纽节点。 3. 模块度文件(Modularity File):模块度是用于描述网络中聚类结构的指标。该文件记录了网络中不同的模块(组)及其内部的节点。通过分析模块度文件,我们可以了解网络中的子网络结构,以及功能相关的区域间的连接。 4. 置信区间文件(Confidence Interval File):该文件记录了网络参数或中心性指标的统计置信区间。通过分析置信区间文件,我们可以确定网络参数或中心性指标的可靠性,并进行统计推断。 综上所述,通过分析Gretna网络分析产生的结果文件,我们可以深入了解网络的连接特征、关键节点以及功能区域间的连接模式,从而为研究网络的结构和功能提供有价值的信息。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值