♻️روشی جدید برای #طبقه_بندی بیماران مبتلا به #آلزایمر

A #comprehensive #analysis of #resting #state #fMRI measures to #classify individual #patients with #Alzheimer's disease

پژوهشگران نوروساینس دانشگاه لایدن 🇱🇺 و دانشگاه گراتز 🇦🇹 در پژوهشی که به تازگی منتشر شده است، شیوه ای نوین برای طبقه بندی بیماران دارای آلزایمر ابداع نموده اند.
🔬در این روش #fMRI وضعیت #استراحت #مغزی 77 فرد مبتلا به آلزایمر با 173 نفر داوطلب سالم کنترل مقایسه شد. برای بررسی و طبقه بندی از الگوهای #ارتباط #کارکردی (FC) و پویش های ارتباط کارکردی (FCD) استفاده شد.
تحلیل ها نشانگر 10 شاخص برای طبقه بندی بیماران بودند. بر این اساس 31 طبقه مختلف از #کارکردمغزی در حالت #استراحت برای #آلزایمر بدست آمد؛ نتایج تفصیلی در لینک منبع ارائه شده اند.

Abstract
#Alzheimer's disease (#AD) patients show altered patterns of #functional #connectivity (#FC) on #resting #state #functional #magnetic #resonance #imaging (#RSfMRI) scans. It is yet unclear which RSfMRI measures are most informative for the individual classification of AD patients. We investigated this using RSfMRI scans from 77 AD patients (MMSE = 20.4 ± 4.5) and 173 controls (MMSE = 27.5 ± 1.8). We calculated i) FC matrices between resting state components as obtained with #independent #component #analysis (#ICA), ii) the dynamics of these FC matrices using a sliding window approach, iii) the graph properties (e.g., connection degree, and clustering coefficient) of the FC matrices, and iv) we distinguished five FC states and administered how long each subject resided in each of these five states. Furthermore, for each voxel we calculated v) FC with 10 resting state networks using #dual #regression, vi) FC with the #hippocampus, vii) #eigenvector centrality, and viii) the #amplitude of #low #frequency #fluctuations (#ALFF). These eight measures were used separately as predictors in an #elastic #net #logistic #regression, and combined in a #group #lasso #logistic #regression model. We calculated the area under the receiver operating characteristic curve plots (#AUC) to determine classification performance. The AUC values ranged between 0.51 and 0.84 and the highest were found for the FC matrices (0.82), FC dynamics (0.84) and ALFF (0.82). The combination of all measures resulted in an AUC of 0.85. We show that it is possible to obtain moderate to good AD classification using RSfMRI scans. FC matrices, FC dynamics and ALFF are most discriminative and the combination of all the resting state measures improves classification accuracy slightly.

لینک منبع 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuroimage.2017.11.025

✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).


📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani

♻️بهبود #نوروفیدبک #EEG #آنلاین برای #توانبخشی #عصبی مشکلات #حرکتی

#Online detection of #amplitude modulation of #motor-related #EEG #desynchronization using a #lock-in amplifier: Comparison with a fast #Fourier #transform, a continuous #wavelet transform, and an #autoregressive #algorithm

پژوهشگران دانشگاه کیو 🇯🇵 و انجمن ترویج علوم ژاپن 🇯🇵 در پژوهشی که گزارش آن به تازگی منتشر شده است، روشی جدید برای اصلاح آنلاین نوروفیدبک مبتنی بر #نوارمغزی ابداع نمودند.

🔬در این روش، نوروفیدبک #ERD مبتنی بر EEG که در درمان #کرتکس #حسی-حرکتی بعد از #سکته #مغزی بکار می رود، مورد اصلاح قرار گرفت. 20 نفر داوطلب سالم در این پژوهش شرکت کردند. هدف، کاهش تاخیر در محاسبات پردازش EEG و در نتیجه سرعت و دقت بیشتر نوروفیدبک بود.

📚نتایج نشان دادند کاربرد #الگوریتم #آمپلی‌فایر قفل درونی (#LIA) و ضریب همبستگی حداکثری (#MCC) می تواند منجر به کاهش معنادار تاخیر در نوروفیدبک برای توانبخشی عصبی افراد دارای نقایص حرکتی شود.

Highlights
🔑We applied a #lock-in #amplifier (#LIA) algorithm for #online #electroencephalogram (#EEG) analyses.
🔑The LIA detected EEG motor-imagery-related amplitude modulation.
🔑We evaluated the #detection #delay, #accuracy, and #stability of the LIA.
🔑The LIA improved all three indices compared with an existing online algorithm.

لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.jneumeth.2017.10.015


✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).

📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://t.me/DrAmirMohammadShahsavarani

♻️آیا اصلاح امواج #بتای مغز با #نوروفیدبک برای بهبود #عملکرد و #توجه در افراد سالم امکان پذیر است؟

#EEG-neurofeedback #training of #beta band (12–22 Hz) affects alpha and beta frequencies – A controlled study of a #healthy population

پژوهشگران آکادمی علوم لهستان🇵🇱 و دانشگاه تربیت بدنی ورشو 🇵🇱در پژوهشی که نتایج آن به تازگی منتشر شده است به بررسی تاثیر اصلاح امواج بتا توسط #نوروفیدبک #EEG پرداختند.

🔬در این پژوهش آزمایشی کنترل شده، 32 داوطلب که هیچ گونه سابقه اختلالات #روانی و #عصبی نداشتند شرکت نمودند. 16 جلسه آموزشی در بازه زمانی دو ماهه برای شرکت کنندگان برگزار شد. داده های EEG نیز توسط دستگاه نوروفیدبک در نقاط #F3 و #F4 و #P3 و #P4 و #Pz بدست آمد. آزمون‌های عملکرد رفتاری و نیز توجه بعنوان پیش‌آزمون و پس‌آزمون بعمل آمد.

📊نتایج نشان دادند:
1️⃣افزایش نیرومندی بتا منجر به تقویت نیرومندی باندهای #آلفا و بتا شد.

2️⃣تغییرات حاصله ناشی از نوروفیدبک، بیش از باند بتا، بر باند آلفا تاثیر گذاشت.

3️⃣تغییرات تقویتی مستقل از آموزش، در امواج بتا و آلفا حین تمرین و حین استراحت مشاهده شد.

4️⃣تغییرات رفتاری و توجهی حسب آموزش نوروفیدبک مشاهده «نشد».

5️⃣بنظر می رسد امواج آلفا قابلیت تغییر بیشتری بر اثر آموزش نوروفیدبک EEG دارند و تغییرات حاصل از نوروفیدبک EEG مستقل از هدف خاص آموزشی هستند. همچنین، لازم است از روش‌های دقیقتر EEG (تعداد کانال های بیشتر) برای ارزیابی استفاده نمود.

Highlights
🔑#Protocol for beta band #up-regulation resulted in #alpha and #beta increases.
🔑The #normalised #amplitude increment was greater for the alpha band than beta band.
🔑Protocol-independent increases occurred during #training and the #resting state.
🔑Measures of #attention were not changed by #neurofeedback #training.

لینک منبع پیشنهادی برای مطالعه بیشتر 👇🏻(further reading)👇🏻
https://doi.org/10.1016/j.neuropsychologia.2017.11.021

✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).

📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
https://t.me/DrAmirMohammadShahsavarani