在使用fMRI的第一个情节严重抑郁症中异常的voxel-mirrored同位素连接:一种机器学习方法

科学领域:

• 神经成像是一种神经成像.
• 精神病学是一个精神病学.
• 机器学习 机器学习

背景情况:

• 重度抑郁症 (MDD) 是一种普遍存在的精神健康状况,具有复杂的神经生物学基础.
• 了解半球间的功能连接对于阐明MDD病理生理学至关重要.
• 伏克尔镜同位素连接 (VMHC) 提供了一种评估大脑对称性和功能整合的方法.

研究的目的:

• 在使用VMHC的MDD患者中研究半球间信息协同作用.
• 探索VMHC指标作为MDD临床诊断工具的潜力.
• 应用机器学习来根据VMHC变化对MDD进行分类.

主要方法:

• 招募了52名健康对照和48名首发MDD患者.
• 进行休息状态fMRI和神经心理测试.
• 计算全脑VMHC,比较组,分析与临床变量的相关性,并使用支持矢量机 (SVM) 进行分类.

主要成果:

• 患有MDD的患者表现出双边中额头,状,中间上额头和前中心的VMHC降低.
• 在状回环中减少的VMHC与HAMD分数正相关.
• 在SVM分类中,AUC值为0.87,准确度为86.17%,灵敏度为76.74%,特异性为94.12%.

结论:

• MDD与特定大脑区域的半球间功能连接性降低有关.
• 这些VMHC异常可能作为MDD诊断的潜在成像生物标志物.
• 与机器学习相结合的VMHC显示出区分MDD患者与健康对照患者的前景.