تشخيص ساختار وابستگي شبكه حركتي مغز در دادگان fMRI حالت استراحت بيماري پاركينسون با استفاده از توابع مفصل

Detecting Dependency Structure of the Brain Motor Network in Resting State fMRI data of Parkinson Disease using Copulas

تغییرات عملكردی شبكه¬ي حركتی مغز در بیماری پاركینسون نقش اساسی در بروز علائم بالینی بر عهده دارد. بررسی فعّالیّت مغز انسان با استفاده¬از دادگان تصویربرداری تشدید مغناطیسی عملكردی (fMRI) نشان مي¬دهد كه در حالت استراحت شبكه¬ای، ارتباط¬ها و فعّالیّت نوسان¬هاي خودبه¬خودی در نواحی مختلف مغز وجود دارد كه در بیماری¬های مختلف تحت تأثیر قرار می¬گیرند. درین تحقيق، تغییرات وابستگی عملكردی بین نواحی آناتومیكی حركتی در بیماری پاركینسون با استفاده¬از تئوری تابع مفصل در دادگان حالت استراحت fMRI بررسی شد. پارامتر مفصل در پنج تابع مختلف از خانواده¬ي مفصل با استفاده¬از فرایند ماكزیمم شباهت تخمین زده شد. میزان شباهت بین مفصل تخمین زده شده و مفصل تجربی با روش¬های جذر میانگین مجموع مربع¬هاي خطا و فاصله¬ي kulback-leibler محاسبه شد. مقایسه¬ي پارامترهای تخمین زده شده بین افراد سالم و بیماران پاركینسونی با آزمون¬های آماری پارامتریك و ناپارامتریك نشان داد كه هم¬بستگی عملكردی بین مخچه و هسته¬های قاعده¬ای در گروه بیماران، قوی¬تر از افراد سالم است. درین مقاله برای نخستین بار پیشنهاد شده كه توزیع مشترك سری زمانی فعّالیّت نواحی مختلف مغز می¬تواند به عنوان روشی برای آنالیز ارتباطات عملكردی در دادگان fMRI ، حاوی ویژگی¬های متمایز كننده بین بیماران و افراد سالم باشد.

Functional changes in the brain motor network are responsible for the major clinical features of Parkinson’s disease (PD). Recent studies on investigation of the brain function show that there are spontaneous fluctuations between regions at rest as resting state network affected in various disorders. In this paper, we examine changes of functional dependency between brain regions of interest associated with known anatomical pathology in Parkinson Disease (PD) using copula theory on resting state fMRI. Five types of copulas were tested: Gaussian and t (Euclidean), Clayton, Gumbel and Frank (Archimedean). We used an efficient maximum likelihood procedure for estimating copula parameters. Goodness of fits was tested using root mean square error (RMSE) and kulback-leibler divergence between each copula function and joint empirical cumulative distribution. Control vs PD group comparison was also done on dependency parameter using parametric and nonparametric tests. The results show that functional dependency between cerebellum and basal ganglia is much stronger in PD than in control. In this paper, we proposed for the first time that joint distribution characteristics could potentially provide information on discriminative features for functional connectivity analysis between healthy and patients.