АНАЛИЗ ФУНКЦИОНАЛЬНЫХ МОЗГОВЫХ СЕТЕЙ У ЛЮДЕЙ С РАССТРОЙСТВОМ АУТИСТИЧЕСКОГО СПЕКТРА С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ BERGM

Кобзев Иван Сергеевич

Данное исследование посвящено анализу структуры функциональных мозговых сетей у пациентов с расстройством аутистического спектра (РАС) с использованием байесовской экспоненциальной модели случайных графов (BERGM). Для достижения цели исследования использовались данные функциональной магнитно-резонансной томографии (фМРТ) из датасета ABIDE и атлас MSDL. Анализ структурных особенностей мозговых сетей позволил выявить значительные различия между пациентами с РАС и контрольной группой. В ходе исследования также был проведен статистический анализ, включающий тест Колмогорова-Смирнова, который выявил значимые различия в распределениях параметров между указанными группами, особенно в отношении статистики gwnsp. Предложены дальнейшие направления исследований, включая анализ динамики мозговых сетей во времени, сравнение различных моделей мозговых сетей и изучение взаимосвязи между структурой и функцией мозга. Полученные результаты могут способствовать глубокому пониманию механизмов, лежащих в основе РАС, и разработке новых методов диагностики и терапии данного расстройства.

Ключевые слова:This study focuses on analyzing the structure of functional brain networks in patients with Autism Spectrum Disorder (ASD) using the Bayesian Exponential Random Graph Model (BERGM). Functional Magnetic Resonance Imaging (fMRI) data from the ABIDE dataset and the MSDL atlas were utilized for this analysis. The examination of the structural features of brain networks revealed significant differences between ASD patients and the control group. Additionally, a statistical analysis, including the Kolmogorov-Smirnov test, identified significant differences in parameter distributions between these groups, particularly concerning the gwnsp statistic. Proposed future research directions include analyzing the dynamics of brain networks over time, comparing different brain network models, and exploring the relationship between brain structure and function. The findings of this study may contribute to a deeper understanding of the mechanisms underlying ASD and the development of new diagnostic and therapeutic approaches, as well as improving the prognosis of the disorder.