Clasificación de perturbaciones focalizadas empleando conectividad funcional variante en el tiempo con rs-fmri

Abstract

RESUMEN : Las perturbaciones focales de la actividad cerebral moduladas por la estimulación magnética transcraneal (TMS), producen alteraciones en la conectividad cerebral a nivel global. Esos efectos se pueden estudiar utilizando conectividad funcional variable en el tiempo (TVFC) basada en imágenes de resonancia magnética funcional en reposo (rs-fMRI). Las características de estas alteraciones podrían modelarse utilizando algoritmos de aprendizaje automático para la clasificación de pacientes. Este estudio utilizó modelos ocultos de Markov (HMM) para evaluar las variaciones temporales en la conectividad funcional después de la estimulación de dos áreas cerebrales diferentes (pre-frontal y occipital). Se modeló la dinámica de 15 redes en estado de reposo en 12 estados, mediante el cálculo de la ocupación fraccional, la vida útil media, el tiempo de intervalo de cada estado y el número de visitas a cada estado. Posteriormente se compararon las diferencias entre las sesiones de fMRI, PRE y POST-estímulo, observando diferencias significativas para la estimulación pre-frontal. Finalmente, se entrenaron modelos generativos basados en HMM, para clasificar PRE-estímulo y estímulo Occipital con una precisión del 83%; PRE-estímulo y estímulo Pre-Frontal con una precisión del 85%, y estímulo Occipital y Pre-Frontal con una precisión del 65%. Este hallazgo podría extenderse a la caracterización de patologías donde las alteraciones locales tienen un impacto global en la conectividad funcional como la Epilepsia.

ABSTRACT : Focal disturbances in cerebral activity modulated by transcranial magnetic stimulation (TMS) produce alterations in brain connectivity at the global level. Those effects can be studied using time- varying functional connectivity (TVFC) based on functional magnetic resonance imaging at rest (rs-fMRI). The characteristics of these alterations could be modeled using machine learning algorithms for patient classification. This study used hidden Markov models (HMM) to evaluate temporal variations in functional connectivity after stimulation of two different brain areas (Prefrontal and Occipital). We modeled the dynamics of 15 resting-state networks in 12 states by calculating the fractional occupancy, mean lifetime, and interval time of each state. We then compared the difference between fMRI sessions, PRE, and POST- stimulus, observing significant differences for prefrontal stimulation. Finally, generative models based on HMM were trained, to classify PRE-stimulus and Occipital stimulus with an accuracy of 83%, PRE-stimulus and Prefrontal stimulus with an accuracy of 85%, and Occipital and Prefrontal stimulus with 65% accuracy. This finding could be extended to the characterization of pathologies where local disturbances have a global impact on functional connectivity such as Epilepsy.