HBP：机器学习用作高阶功能连接可以区伴有或不伴有认知障碍的2型糖尿病与健康人群

2改进型乳癌(T2DM)与理解障碍关的，并也许进展为痴呆。然而，对T2DM关的性痴呆的小脑动态本机制仍知之甚少。近年来的静息静止状态动态性磁总计振高分辨率动态连结性(FC)研究成果证明了其在T2DM并入理解动态破坏(T2DM-CI)研究成果中都的潜在实用价值。然而，由于敏感性较低，他们主要转用单原因统计分析，不适于了解到T2DM-CI中都FC“的系统”的改变。

近期，Human Brain Mapping 杂志刊登提出透过新进FC来了解到T2DM-CI中都的出现异常连结的系统，并转用多元的、基于本机器学习的思路。

为了更多地探究T2DM导致的理解动态破坏，该研究成果对23可有T2DM-CI和27可有T2DM-noCI症状以及50可有有益对照(HCs)进行了研究成果，研究成果了T2DM-CI和T2DM无理解动态破坏(T2DM-noCI)之间的这种的系统是否相同。首先基于多个小脑区对之间的特性FC小时碱基的小时并行建起大规模新进小脑互联网，然后透过这些信息从匹配的HC中都基于支持向量本机类群T2DM-CI（以及T2DM-noCI)。

基于动力学的新进动态连结（dHOFC）互联网构建框架及2改进型乳癌伴理解动态障碍（T2DM-CI）与有益小鼠（HC）的互联网类群。

T2DM-CI与HC以及T2DM-noCI与HC的区隔表现

右背板显示了根据自由选择振幅（95.83%）从2改进型乳癌伴理解动态障碍（T2DM-CI）和有益对照（HC）之间的类群中都自由选择的前两个基于区隔动力学的新进动态连结（dHOFC）节点。

基于动力学的新进动态连结性(dHOFC)构造的散点图[(a)和(b)分别表示dHOFC节点1和节点2的全局聚类系数，与2改进型乳癌并入理解破坏(T2DM-CI)组蒙特利尔理解评量(MoCA)总分相较较。

右背板显示从无理解障碍的2改进型乳癌(T2DM-noCI)和有益对照(HC)的类群中都，根据自由选择振幅(90.38%)自由选择的第1个区隔性特性新进动态连结(dHOFC)节点。

该研究成果模改进型在T2DM-CI与HC的辨识诊断中都给予了79.17%的准确率，但在T2DM-noCI与HC的类群诊断中都仅给予了59.62%的准确率。T2DM-CI与HC相较存在出现异常的新进FC的系统，这与T2DM-NOCI相同。

该研究成果是首次基于小脑动态互联网对T2DM-CI和HC以及T2DM-noCI和HC进行类群研究成果。使用小脑dHOFC互联网来提高检查疟疾导致的小脑动态变异的精确度。得出，跨大规模小脑内互联网的dFC存在辨识并行性，可以将T2DM-CI（和T2DM-noCI)与HC区隔开去。通过构建dHOFC互联网，并借助本机器学习进行基于互联网的类群，首次了解到了与T2DM再加理解破坏关的的几种总计变异dFC,其中都一些dFC与MoCA和AVLT-IR评量的症状理解灵活性特别是在关的。基于dHOFC的T2DM-noCI与HC的类群不如T2DM-CI与HC的类群，且dHOFC构造相同，提示T2DM-CI涉及严重的小脑动态障碍，也许相同于T2DM-noCI。该研究成果提供了有实用价值的信息，也许并能理解T2DM关的的中都枢神经系统的改变。

该研究成果表明，T2DM导致的理解动态破坏也许存在为广泛的动态连结改变。这一结果并能更多地理解T2DM导致的中都枢神经系统的变异。

原文出处

Classification of type 2 diabetes mellitus with or without cognitive impairment from healthy controls using high-order functional connectivity.