Onderzoek naar de classificatieaccuratesse van Alzheimer is belangrijk om de ziekte in de toekomst beter te kunnen behandelen. In deze scriptie werden twee structurele MRI-maten geëvalueerd: grijze...Show moreOnderzoek naar de classificatieaccuratesse van Alzheimer is belangrijk om de ziekte in de toekomst beter te kunnen behandelen. In deze scriptie werden twee structurele MRI-maten geëvalueerd: grijze stofdichtheid (48 predictoren) en subcorticale volumes (14 predictoren). Deze scriptie onderzocht wat de toegevoegde waarde van subcorticale volumes bovenop grijze stofdichtheid is. Hierbij werd verwacht dat I) grijze stofdichtheid accurater was voor de classificatie van Alzheimer dan subcorticale volumes, maar dat II) subcorticale volumes nog wel iets zouden toevoegen aan grijze stofdichtheid. Om dit te onderzoeken, is data gebruikt van 249 participanten afkomstig uit twee verschillende studies. 76 participanten hadden de diagnose Alzheimer en de overige 173 participanten waren cognitief gezonde ouderen. Er zijn drie modellen gebruikt: een model van grijze stofdichtheid (48 predictoren), een model van subcorticale volumes (14 predictoren) en een combinatiemodel van grijze stofdichtheid en subcorticale volumes (62 predictoren). Voor alle modellen is een logistische regressieanalyse met geneste kruisvalidatie uitgevoerd. Het model van grijze stofdichtheid had een AUC-waarde van 0.897 en een MGA-waarde van 0.822. Het model van subcorticale volumes had een AUC-waarde van 0.807 en een MGA-waarde van 0.769. Het gecombineerde model had een AUCwaarde van 0.897 en een MGA-waarde van 0.841. De eerste hypothese werd bevestigd, aangezien grijze stofdichtheid belangrijker was voor de classificatieaccuratesse dan subcorticale volumes. De tweede hypothese kon niet worden bevestigd, aangezien subcorticale volumes weinig tot niets lijken toe te voegen aan grijze stofdichtheid voor de classificatieaccuratesse van Alzheimer. Deze kennis kan gebruikt worden om toekomstige classificatiemodellen van Alzheimer te verbeteren.Show less
Achtergrond: Anatomische MRI blijkt een goede voorspeller te zijn van Alzheimer, het is echter nog niet heel duidelijk wat de rol van functionele MRI (fMRI) in Alzheimer classificatie is en of dit...Show moreAchtergrond: Anatomische MRI blijkt een goede voorspeller te zijn van Alzheimer, het is echter nog niet heel duidelijk wat de rol van functionele MRI (fMRI) in Alzheimer classificatie is en of dit een toevoeging op anatomische MRI kan zijn. Doel: In dit onderzoek wordt onderzocht of fMRI van toegevoegde waarde is op anatomische MRI in het classificeren van Alzheimer. Methode: Om dit te kunnen onderzoeken worden er 3 classificatiemodellen met elkaar vergeleken, namelijk een model met alleen anatomische MRI-predictoren bestaande uit de grijze stofdichtheid en subcorticale volumes en een model met alleen fMRI-predictoren bestaande uit de functionele connectiviteit tussen 20 hersengebieden; en ten slotte een multimodaal model met zowel de anatomische als fMRI-predictoren. Om de meest relevante predictoren in de modellen te selecteren wordt er een LASSO algoritme toegepast. Daarnaast wordt er kruisvalidatie toegepast om de modellen te kunnen generaliseren. Om de prestatie van de modellen te evalueren worden de AUC-waardes van de modellen vergeleken. Resultaten: Het model dat alleen gebruikmaakt van anatomische MRI-predictoren kan Alzheimer accuraat classificeren met een AUC-waarde van 0.92. Het model dat alleen fMRIpredictoren gebruikt kan Alzheimer redelijk goed classificeren, maar niet beter dan model 1, met een AUC-waarde van 0.74. Het multimodale model classificeert Alzheimer het beste met een AUC-waarde van 0.93. Conclusie: Een multimodaal classificatiemodel bestaande uit anatomische MRI en fMRI presteert beter dan een model met alleen één van deze modaliteiten. Dit is echter een kleine verbetering ten opzichte van de anatomische MRI alleen, en het is niet duidelijk of dit klinisch relevant kan zijn.Show less
Uit onderzoek is gebleken dat de functionele-connectiviteitafwijkingen, aantoonbaar met FMRI-scans, mogelijk eerder zichtbaar zijn dan hersenatrofie en cognitieve achteruitgang bij mensen lijdend...Show moreUit onderzoek is gebleken dat de functionele-connectiviteitafwijkingen, aantoonbaar met FMRI-scans, mogelijk eerder zichtbaar zijn dan hersenatrofie en cognitieve achteruitgang bij mensen lijdend aan de Ziekte van Alzheimer (ZVA). FMRI-scans zouden een toevoeging kunnen zijn op het gebruik van structurele MRI-scans bij het classificeren van de ZVA, specifiek in een vroeg stadium van de ziekte. We hebben dit onderzocht door gebruik te maken van structurele en functionele MRI-scans van 77 mensen met ZVA (MMSE= 20,4 ± 4,5) en 173 cognitief normale ouderen (MMSE= 27,5 ± 1,8). De groep met de ZVA is door middel van een mediaansplit op de MMSE-score gesplitst: participanten met een MMSE-score > 21 zijn geclassificeerd als ZVA-patiënten in een vroeg stadium en participanten met een MMSE-score < 21 zijn geclassificeerd als ZVA-patiënten in een later stadium. De volgende structurele MRI-predicatoren zijn gebruikt: subcorticale volumes, corticale dikte, en grijze-stofdichtheid. De functionele MRI-predicatoren waren: functionele-connectiviteitmatrices en de dynamiek van de functionele-connectiviteitmatrices. De structurele en functionele MRI-predicatoren zijn gescheiden van elkaar en gecombineerd gebruikt in een logistische regressie met een LASSO-penalty. Uiteindelijk werden er verschillende modellen ontwikkeld: een model uitsluitend gebaseerd op structurele MRI-maten, een model gebaseerd op enkel FMRI-maten en een gecombineerd model. Deze modellen zijn vervolgens gebruikt om de waarschijnlijkheid te berekenen dat de deelnemers tot één van de volgende groepen behoorden: ZVA, ZVA in een vroeg stadium, ZVA in een laat stadium, of de controlegroep. Er zijn Receiver Operating Curve plots (ROC) gemaakt en de Area Under the Curve (AUC) zijn berekend om de classificatieprestaties van de modellen te evalueren. Uiteindelijk presteerde het model gebaseerd op structurele MRI-maten het best met een AUC variërend van 0,91 tot 0,98. Het gecombineerde model bestaande uit zowel structurele als functionele MRI-maten behaalde aanzienlijk lagere AUC-waardes variërend van 0,88 tot 0,93. De conclusie van dit onderzoek is dat het toevoegen van functionele MRI-maten aan structurele MRI-maten geen verbetering oplevert in de classificatie van de ZVA in zowel een vroeg als laat stadium van de ziekte.Show less
Alzheimer’s dementia (AD) is a neurodegenerative brain disorder that impacts females substantially more than men. However, not much research has been conducted on the classification possibilities...Show moreAlzheimer’s dementia (AD) is a neurodegenerative brain disorder that impacts females substantially more than men. However, not much research has been conducted on the classification possibilities of functional MRI (fMRI) on the basis of sex, although fMRI may be a better classifier of AD in women as functional connectivity (FC) research has shown that women with mild cognitive impairment (MCI) show weaker connectivity in the hippocampal area as compared to males. This research investigated if 1) functional connectivity is a better classifier of AD for females compared to males and 2) the addition of functional connectivity to grey matter density for AD classification improves accuracy more for females than for males. The measures grey matter density (GMD), functional connectivity between brain regions (FC) and a combined model of the two measures predicted the classification of AD or control, analyzed separately for males (AD = 30, controls = 74) and females (AD = 46, controls = 99). This was done with a logistic regression analysis with LASSO penalty. The results found that, unlike expected, males increased their AUC value (AUC = 0.941) when the FC measure was combined with the GMD measure (AUC = 0.959). The females however showed a decrease in their AUC value (AUC = 0.876) when the FC measure was combined with the GMD measure (AUC = 0.860). The FC measure also had a higher AUC value on its own in males (AUC = 0.723) versus females (AUC = 0.626). This shows that the FC measure used in this research increases accuracy of AD classification in males and implies that fMRI is not a better classifier of Alzheimer in females and does not improve diagnosis when compared to solely using structural MRI (sMRI).Show less
Het is voor behandeling en medicijnonderzoek van belang om goede biomarkers te vinden voor de ziekte van Alzheimer. Atrofie op structurele MRI scans is zo een biomarker. Functionele connectiviteit ...Show moreHet is voor behandeling en medicijnonderzoek van belang om goede biomarkers te vinden voor de ziekte van Alzheimer. Atrofie op structurele MRI scans is zo een biomarker. Functionele connectiviteit (FC) van het Default Mode Network (DMN) via functionele MRI scans kan echter een vroeger waarneembare biomarker zijn. Deze studie heeft dit onderzocht met als hypothesen dat fMRI beter alzheimer kan classificeren dan sMRI in een vroeg stadium, en dat sMRI beter kan classificeren dan fMRI in een laat stadium van alzheimer. Hiervoor is een classificatieanalyse gedaan met als maten voor de structurele MRI: subcorticale volumes, corticale dikte en grijze stof dichtheid (130 predictoren); voor de functionele MRI: functionele connectiviteit van het DMN met 19 andere resting state netwerken, gedefinieerd aan de hand van een Independent Components Analysis (19 predictoren). De classificatieanalyse is gedaan voor zes modellen, waarvan drie voor vroeg stadium en drie voor laat stadium alzheimer. Voor beide stadia zitten in het eerste model de sMRI maten, in het tweede de fMRI maten en in het derde allebei de MRI maten gecombineerd. De steekproef bevatte 249 participanten, waarvan 173 controles en 76 alzheimerpatiënten. De alzheimerpatiënten zijn opgedeeld in vroeg en laat stadium op basis van alzheimerduur en MMSE score en bestond respectievelijk uit 39 en 37 participanten. Uit de resultaten blijkt dat functionele MRI op zichzelf voor zowel vroeg als laat stadium (AUC resp. = 0.46 en 0.71) slechter classificeert dan structurele MRI (AUC resp. = 0.84 en 0.89). Hiermee is de eerste hypothese verworpen en de tweede bevestigd. Opvallend was wel dat het model met zowel structurele als functionele MRI maten beter classificeerde dan structurele MRI op zichzelf voor vroeg stadium data (AUC resp. = 0.86 en 0.84). Hoewel het een kleine verbetering is, suggereert dit wellicht dat FC iets toe kan voegen aan een gecombineerd classificatiemodel voor vroeg stadium alzheimer.Show less
Een structurele MRI-scan kan gebruikt worden voor de diagnose van Alzheimer. Drie markers die met een structurele MRI-scan kunnen worden berekend zijn: grijze stof dichtheid, corticale dikte en...Show moreEen structurele MRI-scan kan gebruikt worden voor de diagnose van Alzheimer. Drie markers die met een structurele MRI-scan kunnen worden berekend zijn: grijze stof dichtheid, corticale dikte en subcorticale volumes. Deze maten zijn al vaak separaat in onderzoeken gebruikt om Alzheimer te classificeren en in dit onderzoek is onderzocht of deze elkaar kunnen complementeren. De combinatie van de structurele MRI-maten is vergeleken met de maten apart op de classificatieaccuratesse voor de ziekte van Alzheimer. In totaal doen er N=249 participanten mee aan het onderzoek waarvan 173 gezonde ouderen en 76 Alzheimerpatiënten. Voor de analyse zal gebruik worden gemaakt van een logistische regressie met een LASSO-penalty om overfitting tegen te gaan in combinatie met kruisvalidatie. Uit de resultaten is gebleken dat het gecombineerde model de hoogste AUC-waarde had met een waarde van 0,93. Hierna volgde het model van de corticale dikte met een AUC-waarde van 0,92. De verschillen tussen de AUC-waardes van de modellen bleken erg klein. Verder had in het gecombineerde model de corticale dikte de grootste bijdrage. Uiteindelijk heeft de combinatie van de MRI-maten gezorgd voor een hogere accuratesse in het classificeren van Alzheimer en dit zou voor klinische diagnoses ook van belang kunnen zijn.Show less
Deze bachelor scriptie onderzocht of het mogelijk was om een model met een kleiner aantal voorspellers te maken voor het classificeren van Alzheimer aan de hand van atrofiematen berekend met behulp...Show moreDeze bachelor scriptie onderzocht of het mogelijk was om een model met een kleiner aantal voorspellers te maken voor het classificeren van Alzheimer aan de hand van atrofiematen berekend met behulp van MRI-scans. Er is gebruikgemaakt van voorspellers uit drie datasets en er werd gekeken naar welke voorspellers daarvan in het model zouden komen. De gestelde hypothesen waren als volgt: 1) het is mogelijk om een simpeler model te maken met dezelfde of zelfs hogere accuratesse en 2) de hippocampus is een van de voorspellers in beide modellen. Er werd gewerkt met een LASSO logistische regressie met een strengere en een minder strenge penalty. Door de penalty’s werden minder relevante voorspellers buiten het model gehouden. Uit de resultaten bleek dat het model met 21 voorspellers een accuratesse had van AUC=0.92. Het simpelere model met slechts 8 voorspellers had een accuratesse van AUC=0.91. Hiermee kon de eerste hypothese niet bevestigd worden. De tweede hypothese werd wel bevestigd, aangezien bij beide modellen de hippocampus deel uitmaakte van de voorspellers. Ondanks dat het simpelere model minder accuraat bleek te zijn dan het complexere model, was het verschil tussen beide accuratessewaardes erg klein. Daarbij telde het simpelere model slechts 8 voorspellers in tegenstelling tot 21. Dit simpelere model zou voordelig kunnen zijn voor verder onderzoek naar classificatie van Alzheimer, omdat er hiermee minder atrofiematen berekend hoeven worden. Dit is gunstig omdat de diagnose van Alzheimer sneller kan worden gesteld, de benodigde hulp sneller kan worden verleend en overbodige kosten zo worden vermeden.Show less
Vascular damage, like cerebral amyloid angiopathy (CAA), is a comorbidity in the majority of Alzheimer’s disease (AD) patients. Vascular reactivity has been introduced as a novel marker for...Show moreVascular damage, like cerebral amyloid angiopathy (CAA), is a comorbidity in the majority of Alzheimer’s disease (AD) patients. Vascular reactivity has been introduced as a novel marker for vascular damage in CAA. It is measured as the blood oxygen level dependent (BOLD) response in the visual cortex after visual stimulation. It may detect underlying vascular factors early in the disease, like in patients with subjective (SCI) or mild cognitive impairment (MCI). In these stages, SCI patients start to experience subjective cognitive complaints, whereas these can be objectified in MCI patients. The aim of this study is to measure and compare vascular reactivity in memory clinic patients and controls, and explore its association with cognition. We performed 3T MRI in 43 controls, 17 SCI, 20 MCI, and 12 AD patients and obtained 3D T1-weighted images, FLAIR, and visually stimulated BOLD fMRI scans. The main independent variable was patient group. Dependent variables were three vascular reactivity parameters time-to-peak, time-to-baseline, and amplitude of the BOLD response. Univariate linear models were performed to comparedifferences in vascular reactivity between memory clinic patients and controls, and separate patient groups and controls. Linear regression analyses were performed to explore the association between vascular reactivity and cognition. All analyses were corrected for age, gender, gray matter volume, white matter hyperintensities, and CAA. BOLD amplitudes were smaller in dementia and MCI (ps < .001), but not SCI patients (p = .77).Time-to-peak and time-to-baseline showed no differences between groups (ps > .07). Lower amplitude of the BOLD response was associated with poorer performance of global cognitive, memory, executive, and language functioning (ps < .04). Our findings demonstrate that dementia and MCI are associated with lower vascular reactivity, reflected as amplitude of the BOLD response. In our sample, lower vascular reactivity is also associated with poorer cognitive functioning. These results indicate that impaired vascular reactivity plays a key role early in dementia and is an independent contributor to cognitive decline. Potentially, vascular reactivity could be used as a marker for amyloid-beta and as an alternative way to quantify vascular damage. Ultimately, it could aid in the development of interventions focused on amyloid-beta removal and could serve as a marker for disease progression.Show less
Although it is one of the most common diseases among the elder, we still know quite little about Alzheimer. Recent investigations suggested that the toxic agents in neurodegenerative diseases are...Show moreAlthough it is one of the most common diseases among the elder, we still know quite little about Alzheimer. Recent investigations suggested that the toxic agents in neurodegenerative diseases are oligomers, instead of fibrils. Therefore, in this project we first study the aggregation process of amyloid peptides. We use Circular Dichroism to characterize the components of the peptides samples during the aggregation process and Electron Paramagnetic Resonance to determine the amount of aggregates. On the other hand, the dipolar interaction of electron spins is the most reliable indicator of distances in biological systems. However, EPR measurements are usually done with frozen samples instead of ones in physiological environment. Hence, here we also determine the impact of the dipolar interaction on the EPR spectra at room temperature using a model biradical molecule.Show less
