HBP：机器学习使用高阶功能连接可以区伴有或不伴有认知障碍的2型糖尿病与身心健康人群

2M-糖尿病(T2DM)与感知障碍之外，并意味著进展为痴呆。然而，对T2DM之外性痴呆的人脑机制机制仍大不相同。国际上的静息状态机制性磁总共振成像机制连结性(FC)研究者得出结论其在T2DM新设感知机制损害(T2DM-CI)研究者之前的潜在实用性。然而，由于一般来说较低，他们主要采用单因素所图表，不不利于洞察T2DM-CI之前FC“Mode”的发生变化。

近期，Human Brain Mapping 周报发文提议运用值得注意FC来洞察T2DM-CI之前的持续性连结Mode，并采用多元的、基于人工神经网络的思路。

为了更快地了解T2DM引发的感知机制损害，该研究者对23由此可知T2DM-CI和27由此可知T2DM-noCI高血压以及50由此可知健康解读(HCs)进行了研究者，研究者了T2DM-CI和T2DM无感知机制损害(T2DM-noCI)彼此间的这种Mode是不是有所不同。首先基于多个大人脑皮层对彼此间的动态FC短时间数列的短时间实时建立大规模值得注意人脑因特网，然后运用这些的资讯从意味着的HC之前基于支持矩阵机分类法T2DM-CI（以及T2DM-noCI)。

基于物理的值得注意机制连结（dHOFC）因特网构建方法论及2M-糖尿病友感知机制障碍（T2DM-CI）与健康解读组（HC）的因特网分类法。

T2DM-CI与HC以及T2DM-noCI与HC的分辨表现

左方面板揭示了根据并不需要频率（95.83%）从2M-糖尿病友感知机制障碍（T2DM-CI）和健康解读（HC）彼此间的分类法之前并不需要的前两个基于分辨物理的值得注意机制连结（dHOFC）链表。

基于物理的值得注意机制连结性(dHOFC)特征的散点图[(a)和(b)分别表示dHOFC链表1和链表2的发散聚类常数，与2M-糖尿病新设感知损害(T2DM-CI)组蒙特利尔感知分析报告(MoCA)得分相对来说较。

左方面板揭示从无感知障碍的2M-糖尿病(T2DM-noCI)和健康解读(HC)的分类法之前，根据并不需要频率(90.38%)并不需要的第1个分辨性动态值得注意机制连结(dHOFC)链表。

该研究者模M-在T2DM-CI与HC的鉴别诊断之前赢得了79.17%的准确率，但在T2DM-noCI与HC的分类法诊断之前仅赢得了59.62%的准确率。T2DM-CI与HC相对来说依赖于持续性的值得注意FCMode，这与T2DM-NOCI有所不同。

该研究者是首次基于人脑机制因特网对T2DM-CI和HC以及T2DM-noCI和HC进行分类法研究者。采用人脑dHOFC因特网来提高检验疾病引发的人脑机制变化的准确度。结果声称，跨大规模人肾上腺素因特网的dFC依赖于鉴别实时性，可以将T2DM-CI（和T2DM-noCI)与HC分辨开去。通过构建dHOFC因特网，并利用人工神经网络进行基于因特网的分类法，首次洞察了与T2DM常因感知损害之外的几种总共生物体dFC,其之前一些dFC与MoCA和AVLT-IR分析报告的高血压感知能力非常大之外。基于dHOFC的T2DM-noCI与HC的分类法不如T2DM-CI与HC的分类法，且dHOFC特征有所不同，提示T2DM-CI涉及严重的人脑机制障碍，意味著有所不同于T2DM-noCI。该研究者发放了有实用性的的资讯，意味著有助于理解T2DM之外的之前枢神经系统的发生变化。

该研究者声称，T2DM引发的感知机制损害意味著依赖于普遍的机制连结发生变化。这一结果有助于更快地理解T2DM引发的之前枢神经系统的变化。

原文出处

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