طبقه‌بندی بیماری پارکینسون بر مبنای شاخص‌های درون‌ناحیه‌ای و بین ناحیه‌ای شبکه حرکتی مغز با استفاده از دادگان fMRI حالت استراحت

بیماری پارکینسون یک اختلال عصبی پیش رونده است که با علایم بالینی ترمور، سفتی عضلات و کندی حرکت مشخص می شود. تحقیقات اخیر در بررسی فعالیت مغز انسان با استفاده از دادگان تصویربرداری تشدید مغناطیسی عملکردی(fmri) نشان می دهد که در حالت استراحت شبکه ای از ارتباطات و فعالیت به‌صورت نوسانات خود به خودی در نواحی مختلف مغز وجود دارد که در بیماری‌های مختلف تحت تاثیر قرار می گیرند. در این مقاله روش‌های دامنه نوسانات فرکانس پایین (alff) و آنالیز همگنی ناحیه ای (reho) جهت استخراج شاخص‌های درون‌ناحیه ای و آنالیز همبستگی متقابل (cca) جهت استخراج شاخص های بین ناحیه ای در نواحی آناتومیکی حرکتی مورد استفاده قرار می گیرند. با توجه به نتایج روش cca، مدلی از شبکه ارتباطات عملکردی در افراد سالم و بیماران پارکینسونی ارایه شده است. نتایج مقایسه دو شبکه نشان می دهد که در بیماران پارکینسونی ارتباطات منفی معناداری بین مخچه و هسته های قاعده ای برقرار است، درحالی‌که این ارتباطات در افراد سالم ضعیف و غیرمعنادار است. همچنین میانگین مقادیر alff و reho به‌عنوان شاخص های درون‌ناحیه ای به‌همراه شاخص های بین ناحیه ای به‌عنوان ورودی طبقه بندی‌کننده استفاده شده اند. نتایج خوشه بندی بر مبنای متمایزکننده-ترین ویژگی‌ها دقت 85%، مشخصه امتیاز 89% و مشخصه جکارد 75% را نشان می دهد. ما همچنین دریافتیم که در بیماران پارکینسونی شاخص های بین ناحیه ای مغز بیشتر از شاخص های درون‌ناحیه ای تحت تاثیر قرار می گیرند و متمایزکننده ترین ویژگی بین افراد سالم و پارکینسونیسم همبستگی بین مخچه و پوتامن در نیمکره چپ است.