آناليز توام اتصالات كاركردي و ساختاري مغز در بيماران اسكيزوفرني با رويكرد شبكه‌اي

Fusion Analysis of Brain Functional and Structural Connectivity to Discriminate Schizophrenia in Network Level

مغز به عنوان پيچيده‌ترين عضو بدن انسان، از جنبه‌هاي مختلفي مورد مطالعه قرار مي‌گيرد. بيش‌ترين منشا اين پيچيدگي از آن‌جا ناشي مي‌شود كه با وجود ثبات معماري ساختاري (اتصالات فيزيكي)، اتصالات كاركردي ديناميك و مختلفي در مغز وجود دارد. در بيماري‌هاي مغزي، معمولا هر دو اتصال ساختاري و كاركردي مغز و هم‌چنين ارتباط ميان آن‌ها دچار تغيير شده و علايم رفتاري متفاوتي را ناشي مي‌شود. مطالعه‌ي تغييرات اتصالات مغزي در اين‌گونه بيماري‌ها، به شناخت بهتر ارتباط ميان ساختار و كاركرد مغز كمك مي‌كند. يكي از اختلالات رواني رايج، بيماري اسكيزوفرني است كه از ساير بيماري‌هاي روان‌شناختي، وخيم‌تر بوده و هر دو بخش ساختار و كاركرد مغز را به طور گسترده‌اي درگير مي‌كند. در ميان روش‌هايي كه تا كنون براي بررسي ارتباط ميان داده‌هاي مغز پيشنهاد شده، رويكرد آناليز توام، به دليل توانايي استخراج اطلاعات متناظر در چند مداليته، مورد توجه بسياري از پژوهش‌گران قرار گرفته است. با وجود يافته‌هاي ارزشمند اين روش‌ها، از آن‌جا كه آناليز آن‌ها تا كنون محدود به واكسل‌هاي تصوير بوده، اطلاعاتي از ارتباط ميان اتصالات مغزي با استفاده از اين روش‌ها فراهم نشده است. در اين پژوهش از الگوريتم پيوندي آناليز مولفه‌هاي مستقل به منظور تحليل ارتباط ميان تغييرات اتصالات كاركردي و ساختاري مغز بيماران اسكيزوفرني در مقايسه با افراد سالم استفاده شده است. نتايج اين مطالعه تاييد مي‌كند كه ارتباط ميان اتصالات مغزي الزاما به صورت يك به يك نمي‌باشد. هم‌چنين يافته‌هاي اين پژوهش نشان داده كه تغييرات اتصالات ساختاري مانند فاسيكولوس طولي فوقاني و فاسيكولوس طولي تحتاني با تغييرات كاركردي در نواحي مختلف مغزي مانند لوب‌هاي گيج‌گاهي و پيشاني مرتبط است. با مقايسه‌ي قدرت گره و طول كوتاه‌ترين مسير در زيرشبكه‌هاي به دست آمده، كاهش بازدهي در انتقال موازي اطلاعات كاركردي در بيماران اسكيزوفرني مشاهده گرديد. با توجه به اين يافته‌ها مي‌توان نتيجه گرفت كه آناليز توام در سطح اتصالات مغزي مي‌تواند به درك بهتر ارتباط ميان تغييرات به وجود آمده در اتصالات ساختاري و كاركردي مغز كمك كند.

Brain as the most complex organ in the human body has been investigated from various aspects. The greatest origin of this complexity is due to the fact that, despite the fixed architecture of brain structure (physical connections), the functional connectivity is in a constantly changing state, resulting to different behaviors. In many mental diseases, both brain structural and functional connectivities and their relationship are changed and cause different symptoms. Investigation of brain connectivity variations in the disease may help to better understanding of the relationship between brain structure and function. One of the most severe and debilitating brain disorders is Schizophrenia in which both brain structure and function are involved. Among all available methods, multimodal analysis of data has been recently gained great interest to provide the capability of extracting association between separate neuroimaging data. However, due to their voxel based viewpoint, relationship between brain connectivities cannot be inferred. In this study, the joint independent component analysis (jICA) has been proposed to investigate the relationship between brain functional and structural connectivity. We applied the suggested approach to combine functional and structural connectivity, in order to assess abnormalities underlying schizophrenic patients relative to healthy people. The findings suggest that the correspondence between brain function and structure is not necessarily one-to-one. The results also indicated that variations in several structural fibers, such as superior longitudinal fasciculus and inferior longitudinal fasciculus, are associated with functional changes in the temporal and frontal lobes. Besides, analyzing the nodal strength and shortest path length in the obtained subnetworks demonstrates that the functional subnetworks efficiency in parallel information transfer in schizophrenic patients is reduced. Overall, the outcomes point out the capability of the proposed method to better understanding of brain functional and structural connectivity association and its variations in brain disorders.