Affichage des articles dont le libellé est analyse. Afficher tous les articles
Affichage des articles dont le libellé est analyse. Afficher tous les articles

19 avril 2017

Complexité du graphique pondéré: une nouvelle technique pour étudier la complexité structurelle des activités du cerveau avec des applications au vieillissement et à l'autisme

Aperçu: G.M.
Au cours des dernières années, la complexité de la structure du cerveau chez les sujets sains et avec troubles a été de plus en plus étudiée . Mais les chercheurs ont jusqu'à présent étudié la complexité structurelle uniquement dans le contexte de deux réseaux restreints connus sous le nom de réseaux Small-World (SWN) et Scale-free (SFN).
 
Dans cette étude, deux mesures générales de la complexité des graphiques, la complexité de l'indice des graphiques et la complexité offdiagonnelle sont proposées comme des mesures générales de la complexité, qui ne sont pas restreintes à SWN uniquement.
Deux applications sont utilisées pour évaluer l'efficacité des mesures de complexité: diagnostic de l'autisme et du vieillissement, tous deux basés sur l'EEG. Il a été découvert que la complexité de l'indice graphique de la bande gamma est discriminative pour distinguer les enfants autistes des enfants non-autistiques. En outre, la complexité de la bande de theta de la theta chez les sujets jeunes a été observée comme étant significativement différente des sujets âgés. Cette étude montre que les changements dans la structure de la connectivité fonctionnelle du cerveau dans les troubles et les différents états en bonne santé peuvent être révélés par des mesures non restreintes de la complexité du graphique. Bien que les applications présentées dans ce document soient basées sur EEG, l'approche est générale et peut être utilisée avec d'autres modalités telles que l'IRMF, le MEG, etc. De plus, elle peut être utilisée pour étudier tous les autres troubles neurologiques et psychiatriques.


Neurosci Lett. 2017 Apr 13. pii: S0304-3940(17)30300-2. doi: 10.1016/j.neulet.2017.04.009.

Complexity of Weighted Graph: A New Technique to Investigate Structural Complexity of Brain Activities with Applications to Aging and Autism

Author information

1
Netherlands Institute for Neuroscience, Meibergdreef 47, Amsterdam, Netherlands. Electronic address: mehranahmadlou@gmail.com
2
Departments of Biomedical Engineering, Biomedical Informatics, Civil and Environmental Engineering and Geodetic Science, Electrical and Computer Engineering, Neurology, and Neuroscience, 470 Hitchcock Hall, 2070 Neil Avenue, Ohio State University, Columbus, OH 43210, USA. Electronic address: adeli.1@osu.edu

Abstract

In recent years complexity of the brain structure in healthy and disordered subjects has been studied increasingly. But to the best of the authors' knowledge, researchers so far have investigated the structural complexity only in the context of two restricted networks known as Small-World and Scale-free networks; whereas other aspects of the structural complexity of brain activities may be affected by aging and neurodegenerative disorders such as the Alzheimer's disease and autism spectrum disorder. In this study, two general complexity metrics of graphs, Graph Index Complexity and Offdiagonal Complexity are proposed as general measures of complexity, not restricted to SWN only. They are adopted to measure the structural complexity of the weighted graphs instead of the common binary graphs. Fuzzy Synchronization Likelihood is applied to the EEGs and their sub-bands, as a functional connectivity metric of the brain, to construct the functional connectivity graphs. Two applications are used to evaluate the efficacy of the complexity measures: diagnosis of autism and aging, both based on EEG. It was discovered that the Graph Index Complexity of gamma band is discriminative in distinguishing autistic children from non-autistic children. Also, Offdiagonal Complexity of theta band in young subjects was observed to be significantly different than old subjects. This study shows that changes in the structure of functional connectivity of brain in disorders and different healthy states can be revealed by unrestricted metrics of graph complexity. While the applications presented in this paper are based on EEG, the approach is general and can be used with other modalities such as fMRI, MEG, etc. Further, it can be used to study every other neurological and psychiatric disorder.
PMID: 28414133
DOI: 10.1016/j.neulet.2017.04.009