阿爾茨海默癥(AD)是以進行性認知功能障礙為主要特征的神經系統變性疾病,如何識別其大腦認知障礙的早期改變并干預治療,對延緩癡呆的發生具有重要意義。已有研究表明AD與腦連接的異常變化有關。本文選取AD組和正常對照組各15名志愿者,采集清醒閉目狀態的16導聯腦電圖(EEG)數據,分別對全頻段和alpha頻段(8~13 Hz)EEG進行同步似然分析,選擇合適閾值構建腦網絡并計算網絡的全局效率和聚類系數。結果表明,當閾值0.05≤T≤0.07時,AD組和正常對照組全頻段腦網絡的聚類系數無顯著差異,閾值為0.06和0.07時AD組全頻段網絡全局效率比正常對照組小(P＜0.05);閾值范圍(0.05≤T≤0.07)內,alpha網絡AD組聚類系數和全局效率均低于正常對照組(P＜0.05)。AD患者靜息態腦電alpha網絡可能存在功能連接減弱現象,為從腦網絡角度定量評估AD患者腦功能狀態提供支持。
麻醉意識狀態監測是神經科學基礎研究及臨床應用中的重要問題，受到廣泛關注。本研究為尋找臨床麻醉意識狀態監測指標，共采集 14 位全麻手術患者在三種意識狀態（清醒、中度麻醉、深度麻醉）下各 5 min 靜息態腦電數據，對比采用稀疏偏最小二乘（SPLS）和傳統的同步似然（SL）方法計算腦功能連接，通過連接特征來區分麻醉前后三種意識狀態。通過全腦網絡分析，本文 SPLS 方法與傳統 SL 方法得到的不同意識狀態下的網絡參數變化趨勢一致，并且采用 SPLS 方法所得結果的差異具有統計學意義（P<0.05）。對 SPLS 方法得到的連接特征運用支持向量機進行分類，分類準確率為 87.93%，較使用 SL 方法得到的連接特征分類準確率高出 7.69%。本文研究結果顯示，基于 SPLS 方法進行功能連接分析在區分三種意識狀態方面有更好的性能，或可為臨床麻醉監測提供一種新思路。