自我报告的压力的准确分类框架从多会话功能性MRI数据的创伤后压力退伍军人
Rahul Goel1, Teresa Tse1, Lia J Smith2,3
1Department of Neuroscience, Baylor College of Medicine, Houston, TX, USA.
Chronic stress (Thousand Oaks, Calif.)
|October 2, 2023
概括
机器学习准确地预测了战斗退伍军人.
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.
- 计算机科学 计算机科学
背景情况:
- 创伤后应激障碍 (PTSD) 对战斗退伍军人产生重大影响.
- 现有的PTSD治疗方法需要提高有效性.
- 功能性磁共振成像 (fMRI) 神经反和虚拟现实 (VR) 显示为PTSD治疗的前景.
研究的目的:
- 开发一种方法来分类VR暴露期间患有PTSD的退伍军人的内脑压力水平.
- 为了促进实时fMRI神经反用于PTSD治疗.
主要方法:
- 收集了8名男性战斗退伍军人在2次会议期间出现PTSD症状的fMRI数据.
- 退伍军人自我报告的压力水平每15秒.
- 应用机器学习 (ML) 算法对预处理的fMRI数据进行预测应激反应.
主要成果:
- 精确地分类了8个类别的自我报告的应激反应.
- 在使用最佳ML方法的退伍军人中达到0.6 (±0.1) 的平均根平均平方误差.
结论:
- 机器学习算法可以从全脑皮质fMRI数据中预测大脑内部的状态.
- 开发的框架允许个性化,实时fMRI神经反用于PTSD暴露治疗.


