Mostrar el registro sencillo del ítem
dc.contributor.author
Moguilner, Sebastian Gabriel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
García, Adolfo Martín
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Sanz Perl Hernandez, Yonatan
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Tagliazucchi, Enzo Rodolfo
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Piguet, Olivier
dc.contributor.author
Kumfor, Fiona
dc.contributor.author
Reyes, Pablo
dc.contributor.author
Matallana, Diana
dc.contributor.author
Sedeño, Lucas
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Ibañez, Agustin Mariano
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2022-08-22T19:38:49Z
dc.date.issued
2021-01
dc.identifier.citation
Moguilner, Sebastian Gabriel; García, Adolfo Martín; Sanz Perl Hernandez, Yonatan; Tagliazucchi, Enzo Rodolfo; Piguet, Olivier; et al.; Dynamic brain fluctuations outperform connectivity measures and mirror pathophysiological profiles across dementia subtypes: a multicenter study; Elsevier; Journal Neuroimag; 225; 1-2021; 1-12
dc.identifier.issn
1053-8119
dc.identifier.uri
http://hdl.handle.net/11336/166278
dc.description.abstract
From molecular mechanisms to global brain networks, atypical fluctuations are the hallmark of neurodegeneration. Yet, traditional fMRI research on resting-state networks (RSNs) has favored static and average connectivity methods, which by overlooking the fluctuation dynamics triggered by neurodegeneration, have yielded inconsistent results. The present multicenter study introduces a data-driven machine learning pipeline based on dynamic connectivity fluctuation analysis (DCFA) on RS-fMRI data from 300 participants belonging to three groups: behavioral variant frontotemporal dementia (bvFTD) patients, Alzheimer's disease (AD) patients, and healthy controls. We considered non-linear oscillatory patterns across combined and individual resting-state networks (RSNs), namely: the salience network (SN), mostly affected in bvFTD; the default mode network (DMN), mostly affected in AD; the executive network (EN), partially compromised in both conditions; the motor network (MN); and the visual network (VN). These RSNs were entered as features for dementia classification using a recent robust machine learning approach (a Bayesian hyperparameter tuned Gradient Boosting Machines (GBM) algorithm), across four independent datasets with different MR scanners and recording parameters. The machine learning classification accuracy analysis revealed a systematic and unique tailored architecture of RSN disruption. The classification accuracy ranking showed that the most affected networks for bvFTD were the SN + EN network pair (mean accuracy = 86.43%, AUC = 0.91, sensitivity = 86.45%, specificity = 87.54%); for AD, the DMN + EN network pair (mean accuracy = 86.63%, AUC = 0.89, sensitivity = 88.37%, specificity = 84.62%); and for the bvFTD vs. AD classification, the DMN + SN network pair (mean accuracy = 82.67%, AUC = 0.86, sensitivity = 81.27%, specificity = 83.01%). Moreover, the DFCA classification systematically outperformed canonical connectivity approaches (including both static and linear dynamic connectivity). Our findings suggest that non-linear dynamical fluctuations surpass two traditional seed-based functional connectivity approaches and provide a pathophysiological characterization of global brain networks in neurodegenerative conditions (AD and bvFTD) across multicenter data.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Elsevier
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/openAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.subject
AD
dc.subject
BVFTD
dc.subject
COPULA-BASED DEPENDENCE MEASURE
dc.subject
DYNAMIC FUNCTIONAL CONNECTIVITY
dc.subject
FMRI RESTING-STATE CONNECTIVITY
dc.subject.classification
Psicología
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Psicología
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS SOCIALES
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
Dynamic brain fluctuations outperform connectivity measures and mirror pathophysiological profiles across dementia subtypes: a multicenter study
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2022-08-19T16:21:17Z
dc.journal.volume
225
dc.journal.pagination
1-12
dc.journal.pais
Países Bajos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Amsterdam
dc.description.fil
Fil: Moguilner, Sebastian Gabriel. University of California; Estados Unidos. Trinity College; Irlanda. Fundación Escuela de Medicina Nuclear; Argentina. Comisión Nacional de Energía Atómica; Argentina
dc.description.fil
Fil: García, Adolfo Martín. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. University of California; Estados Unidos. Trinity College; Irlanda. Universidad de San Andrés; Argentina. Universidad Catolica de Cuyo. Facultad de Educacion.; Argentina
dc.description.fil
Fil: Sanz Perl Hernandez, Yonatan. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de San Andrés; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Física; Argentina
dc.description.fil
Fil: Tagliazucchi, Enzo Rodolfo. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Física; Argentina
dc.description.fil
Fil: Piguet, Olivier. The University Of Sydney; Australia
dc.description.fil
Fil: Kumfor, Fiona. The University Of Sydney; Australia
dc.description.fil
Fil: Reyes, Pablo. Pontificia Universidad Javeriana; Colombia. Hospital Universitario Fundación Santa Fe; Colombia. Hospital Universitario San Ignacio; Colombia
dc.description.fil
Fil: Matallana, Diana. Pontificia Universidad Javeriana; Colombia. Hospital Universitario Fundación Santa Fe; Colombia. Hospital Universitario San Ignacio; Colombia
dc.description.fil
Fil: Sedeño, Lucas. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Houssay. Instituto de Neurociencias Cognitivas y Traslacional; Argentina
dc.description.fil
Fil: Ibañez, Agustin Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. University of California; Estados Unidos. Trinity College; Irlanda. Universidad de San Andrés; Argentina. Universidad Autónoma del Caribe; Colombia. Universidad Adolfo Ibañez; Chile
dc.journal.title
Journal Neuroimag
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S1053811920310077
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.neuroimage.2020.117522
Archivos asociados