机器学习应用于fMRI模式的脑激活响应伤图片预测PTSD症状
Liana Catarina Lima Portugal1,2, Taiane Coelho Ramos2,3, Orlando Fernandes2
1Neurophysiology Laboratory, Department of Physiological Sciences, Roberto Alcantara Gomes Biology Institute, Biomedical Center, Universidade do Estado do Rio de Janeiro, Boulevard 28 de Setembro, 87 - Vila Isabel, Rio de Janeiro, RJ, 20551-030, Brazil.
BMC psychiatry
|October 5, 2023
概括
机器学习准确地预测了创伤后应激障碍 (PTSD) 在厌恶的背景下来自大脑活动的症状. 斜腰-双肩区域显示为PTSD生物标志物的潜力,特别是在更令人痛苦的场景中.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 精神病学是一个精神病学.
背景情况:
- 创伤后应激障碍 (PTSD) 是一种使人虚弱的疾病.
- 了解PTSD的神经相关性对于诊断和治疗至关重要.
研究的目的:
- 将机器学习应用于功能磁共振成像 (fMRI) 数据.
- 使用大脑激活模式来预测PTSD症状.
- 调查环境 (安全线索) 对预测准确性的影响.
主要方法:
- 使用高斯过程回归 (GPR) 进行多变量模式识别.
- 在呈现中性图像和残伤图像时收集的fMRI数据.
- 两个背景:"安全" (虚构的图像) 和"真实" (现实生活场景).
主要成果:
- 在"真实"的背景下,GPR模型预测了脑部对肢解图像的反应引起的PTSD症状,但不是"安全"的背景.
- 尖端-状区域 (上/下状,上边) 是关键预测因素.
- 模型准确地预测了PTSD症状集群 (入侵,回避,认知).
结论:
- 在厌恶情境中的fMRI数据上的机器学习可以预测PTSD症状和症状集群.
- 这种方法确定了潜在的PTSD的尾-尾生物标志物.
- 这些发现强调了背景在神经对创伤相关刺激的反应中的重要性.
