Network based statistics per il confronto di multipli gruppi di grafi di connettività cerebrale

Abstract

Nel campo del neuroimaging, la modellizzazione del cervello come grafo ha assunto un ruolo di rilievo, consentendo di descrivere le relazioni tra elementi neurali e le loro connessioni strutturali o funzionali. In questo studio, tali connessioni vengono definite attraverso misure di connettività funzionale cerebrale, stimate a partire dai segnali EEG. L’elettroencefalografia, grazie alla sua elevata risoluzione temporale, permette di analizzare le interazioni dinamiche tra le regioni corticali tramite metodi matematici e statistici, come la coerenza immaginaria e la correlazione. Tra le tecniche di analisi dei grafi di connettività, particolare attenzione è rivolta alla Network-Based Statistic (NBS), uno strumento ampiamente utilizzato per individuare differenze di connettività tra gruppi di pazienti, distinguendo tra individui sani e soggetti affetti da patologie neurologiche o psichiatriche. L'NBS si rivela fondamentale per l’identificazione di alterazioni della connettività cerebrale e per il monitoraggio della progressione delle malattie. L'obiettivo principale di questo studio è estendere l’applicazione della metodologia NBS all’analisi di tre o più gruppi di individui, introducendo nuovi test per migliorare l’identificazione delle differenze significative tra i gruppi. Il lavoro si articola in una revisione degli elementi matematici di base, un approfondimento della metodologia NBS e una descrizione delle misure di connettività EEG/MEG. La validazione dell’approccio proposto avviene inizialmente su dati simulati e successivamente su dati reali di pazienti affetti da demenza a corpi di Lewy (DLB), con l’obiettivo di valutare l’affidabilità e le potenzialità cliniche della tecnica.

In the field of neuroimaging, modeling the brain as a graph has gained significant relevance, allowing for the description of relationships between neural elements and their structural or functional connections. In this study, these connections are defined through measures of brain functional connectivity, estimated from EEG signals. Electroencephalography, with its high temporal resolution, enables the analysis of dynamic interactions between cortical regions using mathematical and statistical methods such as imaginary coherence and correlation. Among the techniques for analyzing connectivity graphs, particular attention is given to Network-Based Statistic (NBS), a widely used tool for identifying connectivity differences between patient groups, distinguishing healthy individuals from those affected by neurological or psychiatric disorders. NBS is essential for detecting alterations in brain connectivity and monitoring disease progression. The primary objective of this study is to extend the application of the NBS methodology to the analysis of three or more groups of individuals, introducing new tests to enhance the identification of significant differences between groups. The study is structured as follows: a review of the fundamental mathematical concepts, an in-depth examination of the NBS methodology, and a description of EEG/MEG connectivity measures. The proposed approach is validated first on simulated data and then on real data from patients with dementia with Lewy bodies (DLB) to assess the reliability and clinical potential of the technique.