边界色调:形态特征可以预测边界性格特征,但不能预测表情特征

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.
• 机器学习 机器学习

背景情况:

• 边界性人格障碍 (BPD) 是一个常见的诊断,边界性人格特征 (BPT) 也在一般人群中普遍存在.
• 之前的研究已经探索了BPD的神经基础,但在亚临床个体中没有BPT.
• 了解BPT的神经相关性可能会为人格的维度模型提供见解,并有助于差异诊断.

研究的目的:

• 通过使用Kernel Ridge回归 (KRR) 在亚临床人群中研究BPT的神经相关物.
• 为了确定与BPD相关的大脑区域是否也可以预测亚临床BPT.
• 评估默认模式网络 (DMN) 在亚临床BPT中是否起作用,以及BPT预测模型是否可以扩展到人格特征.

主要方法:

• 将KRR应用于135个人的结构大脑图像,以预测BPT.
• 利用全脑分析,先前识别的与BPD相关的大脑电路,以及五个宏观网络进行预测.
• 测试了BPT电路对历史性人格特征的预测能力.

主要成果:

• 额头和头顶区域,Heschl的区域,thalamus, cingulum 和 insula 在整个大脑水平上预测了BPT.
• 在使用BPD研究中确定的特定大脑电路时,BPT的预测准确性增加,这表明神经重叠.
• 默认模式网络 (DMN) 是唯一成功预测BPT的宏观网络,与之前的BPD研究一致.
• 由BPT相关的大脑电路无法预测人格特征.

结论:

• 额头,头顶和皮下区域的结构性大脑差异与亚临床边界人格特征有关.
• 在亚临床BPT和诊断的BPD之间,神经相关性存在显著的重叠.
• 默认模式网络是参与BPD和亚临床BPT的关键网络,支持其在人格维度理解中的作用.