22、脑网络子网络提取与预测方法研究

脑网络子网络提取与预测方法研究

在神经科学和医学研究中，准确识别与神经发育结果相关的脑网络子网络具有重要意义。本文将介绍两种不同的研究方法，一种是针对创伤性脑损伤（TBI）数据集的子网络提取与分类研究，另一种是针对早产儿脑白质连接组的预测性子网络提取方法。

TBI 数据集研究

数据集

研究使用了一个包含 34 名 TBI 患者和 32 名年龄匹配对照的 TBI 数据集。对照受试者仅扫描一次，而 TBI 患者在受伤后 3 个月、6 个月和 12 个月三个不同时间点进行扫描和评估。34 名 TBI 患者中，18 人有全部 3 个时间点的数据，9 人有 2 个时间点的数据，7 人只有 1 个时间点的数据。患者的功能结局使用格拉斯哥预后扩展量表（GOSE）和残疾评定量表（DRS）进行评估。数据集总共包含 111 次扫描，其中 32 次为对照扫描，79 次为 TBI 扫描，所有扫描都伴有 11 项用于评估受试者认知功能的临床评分。

结构连接（SC）的创建

为每个受试者获取 DTI 数据，使用西门子 3T TrioTim 设备，8 通道头部线圈，采用单激发自旋回波序列，TR/TE = 6500/84 ms，b = 1000 s/mm²，30 个梯度方向。从 Desikan 图谱中提取 86 个感兴趣区域（ROI）来表示结构网络的节点。对每个区域进行概率束成像，每个体素采样 100 条流线纤维，得到一个 86×86 的加权连接值矩阵，其中每个元素表示区域之间通路的条件概率，并通过种子 ROI 的活跃表面积进行归一化。最后，将每个受试者的 86×86 连接矩阵向量化为其 p = 3655 个下三角元素，得到表示 SC 的 x ∈ Rp⁺。