Identification of Alzheimer’s Disease Progression Stages Using Topological Measures of Resting-State Functional Connectivity Networks: A Comparative Study
Notice bibliographique
Résumé
Resting-state functional magnetic resonance imaging (rs-fMRI) has been widely employed to examine brain functional connectivity (FC) alterations in various neurological disorders. At present, various computational methods have been proposed to estimate connectivity strength between different brain regions, as the edge weight of FC networks. However, little is known about which model is more sensitive to Alzheimer's disease (AD) progression. This study comparatively characterized topological properties of rs-FC networks constructed with Pearson correlation (PC), dynamic time warping (DTW), and group information guided independent component analysis (GIG-ICA), aimed at investigating the sensitivity and effectivity of these methods in differentiating AD stages. A total of 54 subjects from Alzheimer's Disease Neuroimaging Initiative (ANDI) database, divided into healthy control (HC), mild cognition impairment (MCI), and AD groups, were included in this study. Network-level (global efficiency and characteristic path length) and nodal (clustering coefficient) metrics were used to capture groupwise difference across HC, MCI, and AD groups. The results showed that almost no significant differences were found according to global efficiency and characteristic path length. However, in terms of clustering coefficient, 52 brain parcels sensitive to AD progression were identified in rs-FC networks built with GIG-ICA, much more than PC (6 parcels) and DTW (3 parcels). This indicates that GIG-ICA is more sensitive to AD progression than PC and DTW. The findings also confirmed that the AD-linked FC alterations mostly appeared in temporal, cingulate, and angular areas, which might contribute to clinical diagnosis of AD. Overall, this study provides insights into the topological properties of rs-FC networks over AD progression, suggesting that FC strength estimation of FC networks cannot be neglected in AD-related graph analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».