大脑子网络对精神分裂症中功能连接的改变最敏感:以数据为导向的方法
Farzaneh Keyvanfard1, Alireza Rahimi Nasab2, Abbas Nasiraei-Moghaddam1,2
1School of Cognitive Sciences, Institute for Research in Fundamental Sciences (IPM), Tehran, Iran.
Frontiers in neuroinformatics
|June 5, 2023
概括
本研究使用数据驱动方法确定了在精神分裂症 (SZ) 中改变的特定大脑子网络. 这些发现提供了一种更敏感的方式来检测与SZ疾病相关的大脑变化.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 网络科学 网络科学
背景情况:
- 大脑功能连接 (FC) 变化在大脑疾病中很常见,但复杂而难以系统地理解.
- 基于假设的方法往往错过了微妙或广泛的连接变化.
- 数据驱动的方法可以识别模块化大脑变化.
研究的目的:
- 开发和应用数据驱动的方法来识别大脑子网络,区分精神分裂症 (SZ) 和健康对照 (HC).
- 评估这些子网络对与SZ相关的连接性改变的敏感性.
- 探索这些子网络在学科分类方面的潜力.
主要方法:
- 在静止状态功能磁共振成像 (rs-fMRI) 数据上应用了修改后的盲源分离方法 (独立组件分析).
- 分析了27名SZ患者和27名匹配的HC患者的功能连接 (FC) 矩阵.
- 利用图形理论指标来比较已识别的子网络的网络属性.
主要成果:
- 确定了三个不同的大脑子网络,显著区分SZ和HC,主要涉及视觉,腹部注意力和体运动区域.
- 这些子网络显示了SZ和HC之间的显著图形理论差异,与全脑网络不同.
- 基于两个子网络的分类器在ROC曲线下的面积达到77.5%,用于主题分类.
结论:
- 从模块化角度研究大脑变化可以提高对疾病特定变化的敏感性.
- 开发的方法系统地识别了精神分裂症中大脑网络的改变.
- 已识别的子网络有可能成为精神分裂症的敏感生物标志物.
