Brain Network Analysis in Parkinson's Disease Patients Based on Graph Theory - 27/08/24

Doi : 10.1016/j.neuri.2024.100173 
Shirin Akbari a, Mohammad Reza Deevband a, Amin Asgharzadeh Alvar a, Emadodin Fatemi Zadeh a, Hashem Rafie Tabar a, Patrick Kelley b, Meysam Tavakoli c
a Department of Medical Physics and Biomedical engineering, Faculty of Medicine, Shahid Beheshti University of Medical Sciences and Health Services, Tehran, Iran 
b Physics Department, Purdue University, Indianapolis, IN, USA 
c Department of Radiation Oncology, Emory University School of Medicine, Atlanta, GA, USA 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Sous presse. Manuscrit accepté. Disponible en ligne depuis le Tuesday 27 August 2024
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Abstract

Development of Parkinson's disease causes functional impairment in the brain network of Parkinson's patients. The aim of this study is to analyze brain networks of people with Parkinson's disease based on higher resolution parcellations and newer graphical features. The topological features of brain networks were investigated in Parkinson's patients (19 individuals) compared to healthy individuals (17 individuals) using graph theory. In addition, four different methods were used in graph formation to detect linear and nonlinear relationships between functional magnetic resonance imaging (fMRI) signals. The functional connectivity between the left precuneus and the left amygdala, as well as between the vermis 1-2 and the left temporal lobe was evaluated for the healthy and the patient groups. The difference between the healthy and patient groups was evaluated by parametric t-test and nonparametric U-test. Based on the results, Parkinson's patients exhibited a noteworthy reduction in centrality criterion compared to healthy subjects. Moreover, alterations in the regional features of the brain network were evident. Applying centrality criteria and correlation coefficients revealed significant distinctions between healthy subjects and Parkinson's patients across various brain areas. The results obtained for topological features indicate changes in the functional brain network of Parkinson's patients. Finally, similar areas obtained by all three methods of graph formation in the evaluation of connectivity between paired regions in the brain network of Parkinson's patients increased the reliability of the results.

Le texte complet de cet article est disponible en PDF.

Highlights

Analyze brain networks of people with Parkinson's disease (PD) based on higher resolution parcellations and graphical features.
Topological features of brain networks were investigated in PD compared to healthy individuals using graph theory.
Different methods were used in graph formation to detect linear and nonlinear relationships between fMRI signals.
The difference between the healthy and patient groups was evaluated by non-parametric statistical models.

Le texte complet de cet article est disponible en PDF.

Keywords : Graph theory, Brain network, Parkinson's patient, fMRI


Plan


© 2024  The Author(s). Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.