Multivariate Prediction Using Structural and Connectivity MRI for Neurological and Psychiatric Symptoms
연구 내용
multivoxel pattern analysis와 connectome 기반 predictive modeling으로 개인 뇌영상 특징을 학습해 장기 COVID 두통, 조현병 연결성 변화, 뇌졸중 연하장애를 예측·해석하는 연구
신경·정신 증상의 임상 양상을 구조적 특징과 연결성 특징으로 설명하기 위해 다변량 학습 기반 예측 프레임워크를 구축합니다. 장기 COVID 두통에서는 structural MRI의 multivoxel pattern analysis와 structural covariance network를 결합해 개인별 병인 구분 단서를 도출하고, 조현병에서는 resting-state functional connectivity를 다변량 분류로 분석하여 증가·감소 변화 방향을 데이터 기반으로 다루는 접근을 수행합니다. 뇌졸중 연하장애에서는 acute diffusion-weighted images 기반 lesion에서 structural disconnectome를 추정하고, disconnection edge의 위상 정보로 예측 정확도를 개선하며 해석 가능성을 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
분석 초기에는 구조 MRI 특징을 이용해 장기 COVID 두통을 primary headache와 구분하는 분류 문제로 다변량 예측을 적용했습니다. 이후 연구 범위를 resting-state functional MRI의 연결성 변화 방향까지 확장하여 조현병에서 증가·감소 패턴의 분포를 데이터 기반으로 정리하고, 학습된 특징이 어떤 네트워크에 집중되는지 확인하는 방향으로 심화했습니다. 최근에는 병변 기반 구조적 연결 단절 정보를 structural disconnectome로 정의하고, 연하장애처럼 기능 결손의 원인 네트워크를 위상학적으로 설명하면서 임상 예측 성능과 해석성을 함께 확보하는 흐름으로 진행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Multivariate prediction of long COVID headache in adolescents using gray matter structural MRI features
Bidirectional connectivity alterations in schizophrenia: a multivariate, machine-learning approach
Disconnection-Based Prediction of Poststroke Dysphagia