fa طبقه‌بندی بیماری پارکینسون بر مبنای شاخص‌های درون-ناحیه‌ای و بین-ناحیه‌ای شبکه حرکتی مغز با استفاده از دادگان fMRI حالت استراحت مقالات پردازش تصویر Paper پژوهشي Research <a name="up">بیماری پارکینسون یک اختلال عصبی پیش‌رونده است که با علائم بالینی ترمور، سفتی عضلات و کندی حرکت مشخص می‌شود. تحقیقات اخیر در بررسی فعالیت مغز انسان با استفاده از دادگان تصویربرداری تشدید مغناطیسی عملکردی(fMRI) نشان می‌دهد که در حالت استراحت شبکه‌ای از ارتباطات و فعالیت به صورت نوسانات خود به خودی در نواحی مختلف مغز وجود دارد که در بیماریهای مختلف تحت تأثیر قرار می‌گیرند. در این مقاله روشهای دامنه نوسانات فرکانس پایین(ALFF) و آنالیز همگنی ناحیه‌ای(ReHo) جهت استخراج شاخص-های درون-ناحیه‌ای و آنالیز همبستگی متقابل (CCA) جهت استخراج شاخص‌های بین-ناحیه‌ای در نواحی آناتومیکی حرکتی مورد استفاده قرار می‌گیرند. با توجه به نتایج روش CCA، مدلی از شبکه ارتباطات عملکردی در افراد سالم و بیماران پارکینسونی ارائه شده است . نتایج مقایسه دو شبکه نشان می‌دهد که در بیماران پارکینسونی ارتباطات منفی معناداری بین مخچه و هسته‌های قاعده‌ای برقرار است، درحالیکه این ارتباطات در افراد سالم ضعیف و غیرمعنادار است. همچنین میانگین مقادیر ALFF و ReHo بعنوان شاخص‌های درون-ناحیه‌ای بهمراه شاخص‌های بین-ناحیه‌ای بعنوان ورودی طبقه‌بندی کننده استفاده شده‌اند. نتایج خوشه‌بندی بر مبنای متمایزکننده‌ترین ویژگیها دقت 85%، مشخصه امتیاز 89% و مشخصه جکارد 75% را نشان می‌دهد. ما همچنین دریافتیم که در بیماران پارکینسونی شاخص‌های بین-ناحیه‌ای مغز بیشتر از شاخص‌های درون-ناحیه‌ای تحت تأثیر قرار می‌گیرند و متمایزکننده‌ترین ویژگی بین افراد سالم و پارکینسونیسم همبستگی بین مخچه و پوتامن در نیمکره چپ است <br></a> Parkinson’s disease (PD) is a progressive neurological disorder characterized by tremor, rigidity, and slowness of movement. Recent studies on investigation of the brain function show that there are spontaneous fluctuations between regions at rest as resting state network affected in various disorders. In this paper, we used amplitude of low frequency fluctuation (ALFF) for the study of intra-regional characteristics and cross-correlation analysis for the relationship between anatomical regions. According to the results of CCA, we presented functional connectivity network in healthy and PD. Comparing two networks showed that, firstly the activity of cerebellum and basal ganglia areas had a significant negative correlation in PD patients, while this relationship is weak and non-significant in healthy. We also used mean values of ALFF and ReHo as intra-region biomarkers in addition with inter-region characteristics in discriminative analysis to classify PD from healthy. This showed 85% accuracy in clustering. In addition, the score index is 89% and Jaccard coefficient of this clustering is 75%. We found that inter-regional feature (CCA) was more significant compared to the intra-regional feature (ALFF) and functional connectivity between left cerebellum and left putamen was the best discriminator between PD and control تصویربرداری تشدید مغناطیسی عملکردی, حالت استراحت, بیماری پارکینسون, دامنه نوسانات فرکانس پایین, شباهت ناحیه‌ای, آنالیز همبستگی متقابل functional Magnetic Resonance Imaging (fMRI), Functional connectivity, Resting State, Parkinson Disease, Amplitude of Low Frequency Fluctuations(ALFF), Regional Homogeneity(ReHo), Cross Correlation Analysis(CCA) 15 29 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-316-1&slc_lang=fa&sid=1 مهدیه قاسمی m.ghasemi@modares.ac.ir 10031947532846001484 10031947532846001484 Yes ali mahloojifar علی محلوجی فر mahloojimodares.ac.ir 10031947532846001485 10031947532846001485 No