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型糖尿病与肥胖症人群

2M-肾病(T2DM)与认知障碍之外，并可能会重大突破为痴呆。然而，对T2DM之外性痴呆的人脑机能机制仍知之甚少。近年来的静息状态机能性表征全像机能连结性(FC)研究成果归功于其在T2DM拆分认知机能受到影响(T2DM-CI)研究成果里面的潜在价值。然而，由于敏感性较低，他们主要采用单因素统计学，不不利于说明了T2DM-CI里面FC“种系统”的偏离。

全面性，Human Brain Mapping 刊物发表文章提出并用高级FC来说明了T2DM-CI里面的精神状态连结种系统，并采用多元的、基于机器学习的解决方案。

为了好处地了解T2DM引起的认知机能受到影响，该研究成果对23则有T2DM-CI和27则有T2DM-noCI症状以及50则有身心健康对应(HCs)完成了研究成果，研究成果了T2DM-CI和T2DM无认知机能受到影响(T2DM-noCI)之间的这种种系统是否各有不同。首先基于多个人人脑对之间的动态FC时间序列的时间不间断建立大规模高级人脑网络平台，然后并用这些数据从匹配的HC里面基于支持者乘积机归类T2DM-CI（以及T2DM-noCI)。

基于力学的高级机能连结（dHOFC）网络平台紧密结合框架及2M-肾病伴认知机能障碍（T2DM-CI）与身心健康对应四组（HC）的网络平台归类。

T2DM-CI与HC以及T2DM-noCI与HC的区分展现出

右下LCD标示出了根据自由选择高频率（95.83%）从2M-肾病伴认知机能障碍（T2DM-CI）和身心健康对应（HC）之间的归类里面自由选择的前两个基于区分力学的高级机能连结（dHOFC）数据流。

基于力学的高级机能连结性(dHOFC)特性的散点图[(a)和(b)分别表示dHOFC数据流1和数据流2的局部聚类系数，与2M-肾病拆分认知受到影响(T2DM-CI)四组蒙特利尔认知审计(MoCA)分数相比较。

右下LCD标示出从无认知障碍的2M-肾病(T2DM-noCI)和身心健康对应(HC)的归类里面，根据自由选择高频率(90.38%)自由选择的第1个区分性动态高级机能连结(dHOFC)数据流。

该研究成果假设在T2DM-CI与HC的鉴别诊断里面获取了79.17%的对应四组，但在T2DM-noCI与HC的归类诊断里面仅获取了59.62%的对应四组。T2DM-CI与HC相比长期存在精神状态的高级FC种系统，这与T2DM-NOCI各有不同。

该研究成果是首次基于人脑机能网络平台对T2DM-CI和HC以及T2DM-noCI和HC完成归类研究成果。用作人脑dHOFC网络平台来提高检测疾病引起的人脑机能变动的准确度。结果表明，跨大规模人激活网络平台的dFC长期存在鉴别不间断性，可以将T2DM-CI（和T2DM-noCI)与HC区分时间推移。通过紧密结合dHOFC网络平台，并借助于机器学习完成基于网络平台的归类，首次说明了了与T2DM所致认知受到影响之外的几种共变异dFC,其里面一些dFC与MoCA和AVLT-IR审计的症状认知能力显著之外。基于dHOFC的T2DM-noCI与HC的归类不如T2DM-CI与HC的归类，且dHOFC特性各有不同，预设T2DM-CI牵涉到导致的人脑机能障碍，可能会各有不同于T2DM-noCI。该研究成果提供了MVP的数据，可能会更进一步阐释T2DM之外的里面枢神经系统的偏离。

该研究成果表明，T2DM引起的认知机能受到影响可能会长期存在广泛的机能连结偏离。这一结果更进一步好处地阐释T2DM引起的里面枢神经系统的变动。

文里面出处

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