诊断上不同的静止状态fMRI能量分布:一个特定对象的最大模型研究
Nicholas Theis1, Jyotika Bahuguna2, Jonathan E Rubin3
1Department of Psychiatry, University of Pittsburgh School of Medicine, Pittsburgh, PA, USA.
bioRxiv : the preprint server for biology
|February 8, 2024
概括
这项研究引入了一种新的脑成像分析方法,最大模型 (MEM),以更好地了解精神疾病. 在精神分裂症,双相情感障碍和抑郁症中,MEM揭示了不同的大脑能量模式,提供了潜在的临床见解.
科学领域:
- 神经成像是一种神经成像.
- 精神病学是一个精神病学.
- 计算神经科学是一种神经科学.
背景情况:
- 传统的神经成像研究分析大脑激活 (第一阶段) 和功能连接 (第二阶段).
- 这些方法有局限性;通过最大建模 (MEM) 整合它们,可以更全面地查看fMRI数据.
- MEM为大脑活动模式提供了一个全系统的衡量标准,称为"能量".
研究的目的:
- 评估个人层面的MEM对于精神疾病的适用性.
- 在临床群体中确定与MEM参数相关的图像衍生模型系数.
- 探索MEM衍生的大脑能量测量如何区分精神疾病.
主要方法:
- 分析了来自英国生物库参与者 (n=264) 患有精神分裂症/精神分裂情绪障碍,双相情感障碍,严重抑郁症和健康对照者的休息状态fMRI数据.
- 配对最大模型 (MEM) 被安装到默认模式网络 (DMN) 的子集中.
- 模型参数与图像衍生系数相关.
主要成果:
- 在所有参与者中,MEM成功地解释了大脑能量状态的概率.
- 在所有组中,模型参数与图像衍生的系数有显著的相关性.
- 精神分裂症和严重抑郁症的平均能量水平较高,但与DMN中的对照相比,双相情感障碍的平均能量水平较低.
结论:
- 通过MEM识别的不同能量状态表明了不同的精神病诊断背后的独特时间动态.
- 特定于个体的MEM能够解释个体的变化,提供了大脑活动的生物学上有意义的相关性.
- 这种方法对理解和潜在地诊断精神疾病具有潜在的临床实用性.
更多相关视频
11:15Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy
Published on: June 27, 2013
33.7K
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
