Abstract
De incidentie van beroertes neemt toe en bijgevolg ook het aantal overlevenden met motorische beperkingen. Terwijl wordt aangenomen dat revalidatiestrategieën op maat van de patiënt het herstel aanzienlijk verbeteren, ontbreekt momenteel een betrouwbare biomarker voor het voorspellen van de gangresultaten die dergelijke revalidatie op maat van de patiënt mogelijk maakt. Daarom wil dit project onderzoeken of structurele connectiviteit in de hersenen tussen gebieden die verantwoordelijk zijn voor het stappen, kan worden gebruikt als een biomarker voor het voorspellen van herstel van de gang. Dit zal worden gedaan door de hersenconnectiviteit tijdens de eerste 6 maanden na een beroerte te karakteriseren met behulp van diffusie magnetische resonantie beeldvorming (dMRI) en deze bevindingen te correleren met gangherstel zoals gemeten door een uitgebreide ganganalyse. De hersenconnectiviteit zal worden beoordeeld op basis van 12 hersengebieden en 18 "white matter pathways" daartussen. Ganganalyse omvat gegevens over kinetiek, kinematica en spieractiviteit. Alle resultaten zullen worden gebruikt voor een machine learning-protocol dat is samengesteld uit netwerk-gerelateerde statistieken en deep learning. Als er dus een correlatie kan worden vastgesteld, kan de dMRI-beoordeling van connectiviteit dienen als een biomarker om rehabilitatiestrategieën te ondersteunen, vroeg in de loop van het herstel , zodat het effect van de revalidatie kan worden verbeterd.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)