15、基于连接组和机器学习的神经元网络架构与颞叶癫痫研究

基于连接组和机器学习的神经元网络架构与颞叶癫痫研究

1. 引言

随着计算神经影像学分析技术的进步，如今能够对全脑的结构连接图谱进行评估。通过将T1加权磁共振成像（MRI）的灰质组织分割数据与扩散张量成像（DTI）MRI的白质纤维束成像相结合，就可以描绘出整个大脑白质连接的组织结构，即结构性大脑连接组。大脑连接组为神经元网络架构的组织提供了前所未有的信息，无论是在区域层面还是整个大脑网络层面。

癫痫是一种与大脑网络组织病理变化直接相关的神经系统疾病。尽管大多数癫痫形式被认为源于局部脑区的致痫活动，但越来越多的证据表明，局灶性癫痫实际上是局部网络过度兴奋的结果，而非孤立的皮质区域。癫痫现在被认为是一种源于异常神经元系统而非孤立脑区的疾病，这一概念在最新的癫痫和癫痫发作分类中也有突出体现。

目前，关于广泛的网络异常对癫痫发作控制的临床相关性尚未完全明确。有理由认为，分布更异常的网络可能导致癫痫发作控制方面不同的临床表型。虽然基于连接组的研究相对较新，但初步研究不仅显示了颞叶内外连接异常的一致模式，还发现了可能与预后直接相关的个体化网络异常模式。

本文进行了两项不同的临床研究，运用机器学习技术创建计算模型，以识别利用DTI数据中的白质纤维束重建的结构性大脑连接组中的异常网络连接。

2. 颞叶癫痫患者治疗结果预测

2.1 参与者

本研究纳入了70例难治性颞叶癫痫（TLE）患者（伴有海马硬化或药物难治性病变性TLE）和48例健康对照（HCs）。TLE的诊断依据国际抗癫痫联盟（ILAE）1989年定义的标准，包括全面的神经系统评估、发作期脑电图（EEG）记录、诊断性MRI以及必要时的核医学检查。所有TLE患