通过整体图学习方法揭示了耳鸣的共享与个体静息状态脑磁图（MEG）网络特征

《IEEE Transactions on Energy Markets, Policy and Regulation》：Shared and Individual Resting-State MEG Network Signatures of Tinnitus Revealed by Holistic Graph Learning

　　

摘要：

耳鸣症是指在没有外部声源的情况下感知到声音的现象，许多人都受到影响，但其对大脑功能连接组的影响仍尚未得到充分研究。传统的功能连接性（FC）方法，如皮尔逊相关性、相位滞后指数和一致性，依赖于对宏观尺度脑区活动之间的成对比较，这限制了对大脑整体功能的描述。我们采用了一种新的方法，通过同时分析所有时间序列来估计整个连接结构，该方法即使在数据记录较短的情况下也具有很强的鲁棒性，并适用于实时应用。利用耳鸣患者和对照组的静息状态脑磁图（MEG）数据，基于学习的连接组在识别个体差异方面优于基于相关性的方法。群体分析显示，在多个频率带中功能连接性发生了改变，影响了默认模式网络、听觉网络、视觉网络和显著性网络，表明大脑存在大规模的重组。耳鸣患者表现出高度个体化的整个大脑功能连接性特征，这突显了个体差异的重要性，并为开发针对患者个体特征的干预措施奠定了基础。