HBP：机器学习使用高阶动态连接可以区伴有或不伴有认知障碍的2型糖尿病与健康人群

2标准型肾病(T2DM)与概念化障碍之外，并或许重大突破为痴呆。然而，对T2DM之外性痴呆的大脑动态机制仍相吻合。近年来的稳态状态动态性磁共振成像动态联接性(FC)分析证明了其在T2DM合并概念化动态危及(T2DM-CI)分析里面的潜在价值。然而，由于敏感性较低，他们主要使用单因素数据分析，不适于揭示T2DM-CI里面FC“Mode”的改变。

近期，Human Brain Mapping 杂志发表文章提出利用低级FC来揭示T2DM-CI里面的极度联接Mode，并使用多元的、基于数据挖掘的策略。

为了更好地了解T2DM导致的概念化动态危及，该分析对23例T2DM-CI和27例T2DM-noCI患者以及50例健康对照(HCs)来进行了分析，分析了T2DM-CI和T2DM无概念化动态危及(T2DM-noCI)中间的这种Mode是否不同。首先基于多个大脑区对中间的建模FC小时序列的小时同步建立大规模低级大脑的网络，然后利用这些资讯从匹配的HC里面基于支持向量机归类T2DM-CI（以及T2DM-noCI)。

基于凝聚态的低级动态联接（dHOFC）的网络借助于软件系统及2标准型肾病相伴概念化动态障碍（T2DM-CI）与健康对照组（HC）的的网络归类。

T2DM-CI与HC以及T2DM-noCI与HC的区分开展现出

右边LCD显示了根据同样频率（95.83%）从2标准型肾病相伴概念化动态障碍（T2DM-CI）和健康对照（HC）中间的归类里面同样的前两个基于区分开凝聚态的低级动态联接（dHOFC）节点。

基于凝聚态的低级动态联接性(dHOFC)特征的散点图[(a)和(b)分别表示dHOFC节点1和节点2的局部聚类系数，与2标准型肾病合并概念化危及(T2DM-CI)组温哥华概念化评估(MoCA)罚球相比较。

右边LCD显示从无概念化障碍的2标准型肾病(T2DM-noCI)和健康对照(HC)的归类里面，根据同样频率(90.38%)同样的第1个区分开性建模低级动态联接(dHOFC)节点。

该分析模标准型在T2DM-CI与HC的鉴别病症里面得到了79.17%的权重，但在T2DM-noCI与HC的归类病症里面仅得到了59.62%的权重。T2DM-CI与HC相比实际上极度的低级FCMode，这与T2DM-NOCI不同。

该分析是首次基于大脑动态的网络对T2DM-CI和HC以及T2DM-noCI和HC来进行归类分析。使用大脑dHOFC的网络来更高检测哮喘导致的大脑动态变化的灵敏度。结果指出，跨大规模大脑内的网络的dFC实际上鉴别同步性，可以将T2DM-CI（和T2DM-noCI)与HC区分开开来。通过借助于dHOFC的网络，并借助数据挖掘来进行基于的网络的归类，首次揭示了与T2DM所致概念化危及之外的几种共变异dFC,其里面一些dFC与MoCA和AVLT-IR评估的患者概念化能力显着之外。基于dHOFC的T2DM-noCI与HC的归类不如T2DM-CI与HC的归类，且dHOFC特征不同，提示T2DM-CI涉及严重的大脑动态障碍，或许不同于T2DM-noCI。该分析提供了有用的资讯，或许并能了解T2DM之外的里面枢神经的改变。

该分析指出，T2DM导致的概念化动态危及或许实际上广泛的动态联接改变。这一结果并能更好地了解T2DM导致的里面枢神经的变化。

原文来历

Classification of type 2 diabetes mellitus with or without cognitive impairment from healthy controls using high-order functional connectivity.