使用动态最小跨越树中的多层模块化来对双相情感障碍进行分类,从静态fMRI到静态fMRI
Huan Wang1,2, Rongxin Zhu3, Shui Tian1,2
1School of Biological Sciences & Medical Engineering, Southeast University, No.2 Sipailou, Nanjing, 210096 Jiangsu Province China.
Cognitive neurodynamics
|November 17, 2023
概括
研究人员开发了一种使用动态脑网络分析来诊断双相情感障碍 (BD) 的新方法. 这种方法在识别患者方面实现了83.70%的准确性,提供了潜在的新诊断工具.
科学领域:
- 神经科学是一个神经科学.
- 计算精神病学是一种计算精神病学.
- 网络科学 网络科学
背景情况:
- 双极性障碍 (BD) 诊断严重依赖于临床观察,往往限制了准确性.
- 需要BD的客观诊断工具来改善早期和准确的检测.
- 功能性大脑连接模式可能为BD病理生理学提供见解.
研究的目的:
- 开发一种新的双相情感障碍 (BD) 诊断框架,使用动态最小跨度树 (MST) 中的多层模块化.
- 评估该框架在区分BD患者和健康对照人群 (HC) 中的准确性.
- 确定参与BD分类的关键大脑网络.
主要方法:
- 利用休息状态功能磁共振成像 (fMRI) 来自45名无药BD患者和47名HC患者的数据.
- 使用移动窗口方法构建动态MST.
- 应用多层模块化分析,用于分类器培训的模块忠诚度,并探索了FC估计器和MST尺度的变化.
主要成果:
- 动态MST中的多层模块化是一种非随机的大脑过程.
- 开发的模型在识别BD患者时实现了83.70%的准确性.
- 默认模式网络,亚皮层网络 (SubC) 和注意力网络对于分类至关重要.
结论:
- 动态MST中的多层模块化有效地区分了BD患者和HC患者.
- 这种方法为双相情感障碍提供了一个有前途的新型诊断工具.
- 大脑网络动态,特别是涉及默认模式,皮质下和注意力网络,是BD诊断的关键.
更多相关视频
12:09Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy
Published on: August 5, 2014
18.1K
08:36Dynamic Inter-subject Functional Connectivity Reveals Moment-to-Moment Brain Network Configurations Driven by Continuous or Communication Paradigms
Published on: March 21, 2019
7.3K
