%0 Journal Article %A Ghasemi, Mahdieh %A Foroutannia, Ali %T Disruption of the Brain Resting State Networks in Parkinsonism %J The Neuroscience Journal of Shefaye Khatam %V 7 %N 1 %U http://shefayekhatam.ir/article-1-1860-fa.html %R 10.29252/shefa.7.1.23 %D 2019 %K Magnetic Resonance Imaging, Neurodegenerative Diseases, Diagnostic Imaging, Brain, %X مقدمه:‌ در سال‌های اخیر تحقیقات تصویربرداری عصبی بر روی تصویربرداری تشدید مغناطیسی عملکردی در بسیاری از شرایط پاتولوژی و روانی استفاده شده است. تجزیه و تحلیل تغییرات در شبکه‌های حالت استراحت یک روش مهم برای درک عمیق تغییرات عملکردی و ارتباطی از بیماری به‌منظور ارائه روش‌های جدید تشخیصی و درمانی است. در این مقاله تعاملات عملکردی و اختلالات ارتباطی بین شبکه‌های حالت استراحت در بیماری پارکینسون بر روی داده‌های تصویربرداری تشدید مغناطیسی عملکردی در حالت استراحت مورد مطالعه قرار گرفته است. مواد و روش‌ها: تمامی داده‌های Rs-fMRIر10 فرد پارکینسونی و 10 فرد سالم در سیستم MRI سه تسلا مورد بررسی قرار گرفت. برای استخراج شبکه‌های حالت استراحت، از تجزیه و تحلیل مؤلفه‌های مستقل احتمالی استفاده شده است. RSNها با استفاده از همبستگی مکانی با الگوی شبکه مرجع حالت استراحت شناسایی شده‌اند. تفاوت‌های فردی بین گروه‌ها، با رگرسیون دوگانه و تکنیک تصادفی‌سازی محاسبه شده است. یافته‌ها: نقشه‌های مؤلفه‌های گروه که به طور معنی‌داری با شبکه مرجع همپوشانی داشتند، منجر به شناسایی برخی خوشه‌های اصلی RSNها از جمله قشر بینایی، شبکه حالت پیش فرض عقبی و قشر موتوری پشتیبان شدند. تفاوت‌های فردی بین نقشه‌های RSN شبکه‌های گیجگاهی، پیش فرض عقبی و برجسته به‌عنوان خوشه‌های اصلی مشخص شده است. نتیجه‌گیری: اغلب مطالعات قبلی تغییرات ارتباطات عملکردی در بیماران پارکینسونی با استفاده از تجزیه و تحلیل مبتنی بر همبستگی سری زمانی ناحیه خاص با نواحی دیگر مغز را مورد بررسی قرار دادند. در اینجا ما رویکرد داده محور بر اساس گروه PICA برای استخراج و ارزیابی تغییرات RSN در تمام شبکه‌های عصبی مرتبط را به کار گرفتیم. یافته‌های ما نشان می‌دهد که تغییرات ارتباطی عملکردی RSNها با بیماری پارکینسون مرتبط است. %> http://shefayekhatam.ir/article-1-1860-fa.pdf %P 23-33 %& 23 %! %9 Research --- Open Access, CC-BY-NC %L A-10-24-1346 %+ Department of Electrical Engineering, University of Neyshabur, Neyshabur, Iran %G eng %@ 2322-1887 %[ 2019