تشخیص افراد اسپرگر از سالم با به کارگیری نظریه گراف بر روی تصاویر عملکردی مغز به روش تشدید مغناطیسی

مقدمه: سندروم اسپرگر به عنوان یک اختلال عصب تحولی شناخته می ‌شود و دارای نشانه ‌هایی از قبیل عدم تعاملات اجتماعی، عدم ارتباط غیرکلامی، بازه محدود علایق، رفتارهای غیر عادی و تکراری می ‌باشد. افراد آسپرگر معمولا دارای قریحه ذاتی در یک زمینه مانند موسیقی، ریاضی یا غیره هستند. هر چند هنوز تفاوت های ساختاری و عملکردی مغز در افراد درگیر این اختلال با افراد سالم به طور کامل شناخته شده نمی ‌باشد. بنابراین این مطالعه با هدف شناسایی این تفاوت ها با استفاده از تحلیل تصاویر عملکردی مغز به روش تشدید مغناطیسی در حالت استراحت بر اساس نظریه گراف صورت پذیرفت.روش کار: این تحلیل بر اساس محاسبه ارتباط میزان ارتباط عملکردی نواحی مختلف مغز بر پایه شباهت عملکردی آنها صورت گرفت. میزان اختلاف این ارتباط ‌ها در سطح محلی و رفتار کلی مغز بین دو گروه اسپرگر و سالم که از لحاظ سن، جنسیت، راست/چپ دست بودن و میزان بهره هوشی همگن انتحاب شده بودند، مورد مطالعه قرار گرفت.یافته ‌ها: نتایج نشان داد که این تفاوت ها بیشتر به صورت محلی در نواحی گیجگاهی، آمیگدال، تالاموس و هلش قابل مشاهده بود. به علاوه استفاده از روش های دسته ‌بندی بر روی تفاوت های مشاهده شده در شبکه عملکردی مغز نشان داد که می توان افراد اسپرگر را با دقت 84 درصد از افراد سالم شناسایی نمود.نتیجه ‌گیری: این مطالعه نشان می دهد، مشخصه های محلی شبکه عملکردی مغز در حالت استراحت می تواند ابزار مناسبی برای نمایش تفاوت های موجود بین دو گروه اسپرگر و سالم باشد که می توان از آن در شناسایی خودکار این اختلال بهره برد.

Identification of Asperger's from healthy individuals: Using a graph theoretical approach on the task-free fMRI data

Introduction: Asperger rsquo;s syndrome is generally known as a neurodevelopmental disorder. The main features of this syndrome are the lack of social interaction, nonverbal communication, unusual repetitive behavior, restricted interests, and may have an inherent talent such as mathematics, music, etc. Nonetheless, their brain structural and functional variations as compared to healthy individuals require to be well understood.Methods: This study intends to identify differences of the taskfree fMRI data in Asperger rsquo;s syndrome as compared to healthy individuals using the graphtheoretical approach. In this approach, graph local and global measures are calculated from the functional network, which estimated through taking the correlation between activities in different parts of the brain. Subsequently, the differential pattern of local and global measures in Asperger rsquo;s syndrome as compared to healthy control group is investigated. Two groups of the subjects are matched in terms of age, gender, handedness, and IQ scores.Results: Results revealed the significant differences in local measures at temporal, amygdala, thalamus, and heschl regions. Classification of the tffMRI data based on the identified measures shows an accuracy of 84% to discriminate Asperger's individuals from the healthy group.Conclusion: Accordingly, local measures extracted from the graph of the taskfree functional connectivity network have a good potential for screening of Asperger's syndrome that can be used as an automaticallydiagnosed method of this disorder.