Användningen av simulerad systemdynamik och grafteori för att jämföra hjärnnätverk hos MCI patienter och friska kontrollpersoner.

In recent years, several different methods have been proposed to compare brain networks with the joint use of graph theory and graph metrics. Another relatively unexplored comparison method is comparing the brain’s response to various input signals by simulating the brain’s dynamics. The brain activity signals are dependent on the physical connectivity patterns of the brain, therefore brain activity signals can be studied in addition to the study of connectivity patterns of brain graphs. Thus, in this study we use both static graph metrics and the dynamics of the brain to compare the brain networks of healthy test subjects and of patients with mild cognitive impairment (MCI). This was done by measuring and comparing the characteristic path length, clustering coefficient, small worldness and average degree distribution of each subject, as well as the Fourier transform amplitude at the frequency of the induced input signal. The result showed that the static graph metrics small worldness and clustering coefficient showed a small difference between the two groups. Differences between the two groups could also be observed with regards to the metric measured on the dynamics, however only between individual brain regions of the brain networks and only at certain input frequencies. The lack of consistency in these results hinders us from drawing deductions about this metric’s ability to differentiate the two groups. However, the study showed compelling enough results to argue for further research in comparing brain network with the use of simulated dynamics. På senare år har flera olika metoder för att jämföra hjärnans nätverk framställts med hjälp av grafteori och olika statiska graf mätetal. En relativt outforskad jämförelsemetod är att jämföra påverkan som stimulanssignaler har på hjärnan med hjälp av att simulera hjärnans systemdynamik med stimulanssignaler av olika frekvenser som indata in i hjärnnätverket. Eftersom hjärnaktivitetssignaler är beroende av hjärnans struktur, kan man studera hjärnaktivitetssignaler tillsammans med hjärnans struktur. Följaktligen, ämnar denna studie att jämföra hjärnnätverken av patienter med mild kognitiv nedsättning (MCI) och av friska kontrolldeltagare genom att jämföra statiska graf mätetal och den påverkan som simulerade stimulanssignaler av varierande frekvenser har på hjärnan. Detta gjordes genom att jämföra graf mätetalen characteristic path length, clustering koefficient, small worldness och den genomsnittliga grad distributionen, samt att jämföra Fourier transform amplituden vid frekvensen av stimulanssignalen av varje deltagares hjärnnätverk vid sex olika tidpunkter. Studiens resultat visade på att de statiska graf mätetalen small worldness och clustering- koefficient kunde måttligen skilja grupperna. Skillnader mellan de två deltagargrupperna kunde även observeras vid vissa individuella hjärnregioner som utgör hjärnnätverken när Fourier transform amplituden vid stimulanssignalens frekvens användes som mätetal. Eftersom mätetalets resultater inte var homogena över hela datamängden, kan inte vi dra slutsatser om mätetalets förmåga att urskilja MCI patienter från friska kontrolldeltagare. Dock har studiens resultat visat tillräckligt övertalande tecken på att simuleringen av hjärnans systemdynamik med stimulanssignaler skulle kunne urskilja hjärnnätverk för att uppmana till vidare forskning kring denna jämförelsemetod