基于大规模休息状态数据集中ADHD诊断的大脑区域激活的种子相关性分析
Tsung-Hao Hsieh1, Fu-Zen Shaw2, Chun-Chia Kung2
1Department of Computer Science, Tunghai University, Taichung City, Taiwan.
Frontiers in human neuroscience
|September 28, 2023
概括
这项研究使用休息状态的功能性MRI来确定患有注意力缺陷/多动障碍 (ADHD) 的儿童的大脑连接模式. 一种数据驱动的方法在诊断ADHD时实现了83.24%的准确性,提供了一个潜在的生物标志物.
科学领域:
- 神经成像是一种神经成像.
- 神经科学是一个神经科学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 注意缺陷/多动障碍 (ADHD) 是一种神经发育障碍,通常与大脑功能连接障碍有关.
- 休息状态功能性MRI (rs-fMRI) 显示为ADHD的诊断生物标志物具有前途.
- 研究休息状态大脑网络中的功能连接对于理解ADHD至关重要.
研究的目的:
- 开发一种有效的种子相关性分析程序,用于识别ADHD生物标志物.
- 研究休息状态大脑网络中的潜在生物标志物,以诊断ADHD.
- 改进种子选择,以改善ADHD研究中的大脑互连分析.
主要方法:
- 对149名被诊断患有多动症的儿童的rs-fMRI数据的分析.
- 实施两步层次分析以提取功能连接特征.
- 使用线性分类器进行评估和随机抽样验证.
主要成果:
- 一种数据驱动方法 (ReHo) 确定了用于种子相关性分析的四个关键大脑区域.
- 提出的方法在识别ADHD患者方面取得了83.24%的成功率.
- 这种方法超过了传统的种子选择方法.
结论:
- 这项研究证明了使用rs-fMRI数据分析诊断ADHD的可行性.
- 数据驱动型号为种子识别提供了精确可靠的方法.
- 将模型定制为特定数据集可能会比通用模型提供更好的诊断性能.


