基于形态学脑网络连接模型预测脑小血管病患者的认知功能
韦存胜1
陈媛1
何珍珍2
曹萌1
余玉盛2
陈雪梅1
1.211100 南京医科大学附属江宁医院神经内科2.211100 南京医科大学附属江宁医院影像科
摘要：目的 构建脑小血管病(cerebral small vessel disease,CSVD)患者形态学脑网络并预测其认知功能.方法 回顾性选择2020年1月至2024年2月南京医科大学附属江宁医院神经内科住院的老年CSVD患者64例.完善临床资料收集、认知功能评估、多模态磁共振成像扫描等.认知功能评估包括简易智能状态检查量表(mini-mental state examination,MMSE)评分和蒙特利尔认知评估量表(Montreal cognitive assessment,MoCA)评分.利用 3D T1加权成像基于Kullback-Leibler散度的相似性方法构建个体形态学脑网络,并结合连接组预测模型方法构建认知预测模型.结果 与MMSE评分和MoCA评分呈显著正相关的网络主要位于默认网络内,且利用显著正相关的形态学脑网络可有效预测个体 MMSE评分和 MoCA评分(r=0.795,P=4.436 ×10-15;r=0.794,P=4.974 × 10-15,P＜0.01).与MMSE评分和MoCA评分呈显著负相关的连接主要位于凸显/腹侧注意网络与其他网络之间,也可有效地预测个体 MMSE 评分和 MoCA 评分(r=0.766,P=1.679 ×10-13;r=0.850,P=6.915 × 10-19,P＜0.01).联合正相关与负相关连接网络,模型预测能力进一步提升(r=0.849,P=7.603 × 10-19;r=0.888,P=1.445 ×10-22,P＜0.01).结论 基于个体形态学脑网络可有效预测CSVD患者认知功能评分,可以作为早期预警CSVD相关认知障碍的一种便捷工具.
关键词：大脑小血管疾病认知形态学脑网络连接模型
资助基金：江苏省卫生健康委科研项目(M2022009)南京市卫生科技发展专项资金项目(ZKX23061)南京市卫生科技发展专项资金项目(YKK22216)
论文发表日期：2024-11-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1320-1324 )
英文信息