从EEG信号对精神分裂症中静止状态功能网络的分形维度分析
Juan Ruiz de Miras1, Antonio J Ibáñez-Molina2, María F Soriano3
1Software Engineering Department, Research Center for Information and Communication Technologies (CITIC-UGR), University of Granada, Granada, Spain.
Frontiers in human neuroscience
|October 6, 2023
概括
碎形维度指数 (FDI) 有效地测量静止状态EEG信号中的大脑复杂性. 这种方法在精神分裂症患者和健康对照人群之间的功能网络中发现了显著的差异,显示出诊断的潜力.
科学领域:
- 神经科学是一个神经科学.
- 大脑动力学分析 分析
- 电脑电图 (EEG) 信号处理
背景情况:
- 碎形维度 (FD) 是分析神经疾病中大脑动态的一个有价值的工具.
- 碎形维度指数 (FDI) 量化了来自EEG信号的时空复杂性,此前用于跨磁刺激.
- 精神分裂症与自发大脑网络中的信息流动动力学功能障碍有关.
研究的目的:
- 评估FDI对分析静止状态EEG信号的有用性.
- 描述精神分裂症影响的功能网络中的大脑动态变化.
- 评估FDI作为精神分裂症诊断生物标志物的潜力.
主要方法:
- 分析了来自20名健康对照组 (HC) 和11名精神分裂症患者 (SCZ) 的31个静止状态EEG记录 (每个150秒).
- 从EEG信号中建模了15002个来源,并应用了值来定义大脑激活.
- 在功能网络内计算的外国直接投资,使用静止状态EEG数据上的滑动窗口方法.
主要成果:
- 与健康对照组 (HC组) 相比,精神分裂症患者 (SCZ组) 在听觉,背部注意力和突出网络中显示出明显较低的FDI.
- 在大多数静止状态网络 (不包括视觉网络) 中,在精神病学评分和外国直接投资之间观察到强烈的负相关性.
- 接收器运行特征 (ROC) 分析显示,突出网络的外国直接投资实现了精神分裂症分类曲线下的面积 (AUC) 为0.83.
结论:
- 直接投资是从静止状态EEG信号评估大脑动态复杂性的有希望的方法.
- 直接投资有效地区分精神分裂症患者和健康受试者,基于自发的大脑网络动态.
- 外国直接投资与精神分裂症的临床变量相关,并显示出该疾病的潜在生物标志物.
