基于多图注意力网络的精神分裂症工作记忆的大脑网络分析
Ping Lin1, Geng Zhu2, Xinyi Xu1
1College of Medical Instruments, Shanghai University of Medicine & Health Sciences, Shanghai 201318, China; College of Health Science and Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China.
Brain research
|February 22, 2024
概括
精神分裂症 (SZ) 患者在工作记忆任务中表现出大脑活动的改变,包括减少P3波幅和明显的神经振荡. 一个新的注意力网络模型精确地根据这些大脑连接差异对SZ进行了分类.
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.
- 计算神经科学是一种神经科学.
背景情况:
- 认知障碍,特别是工作记忆,是精神分裂症 (SZ) 的核心特征.
- 在认知任务中了解这些缺陷的神经支对于诊断和治疗至关重要.
- 事件相关潜力 (ERP) 和大脑功能连接提供了对神经处理的洞察力.
研究的目的:
- 用ERP和功能连接分析来研究在工作记忆任务期间精神分裂症患者的大脑变化.
- 根据神经生理学数据开发和验证用于分类精神分裂症的机器学习模型.
主要方法:
- 在SZ患者和健康对照 (HC) 的0-back任务中,对事件相关潜力 (ERP) 的时间域和时间频率分析.
- 阶段滞后指数 (PLI) 用于评估不同大脑区域之间的大脑功能连接.
- 为SZ分类提出了一个具有自适应初始残余 (AIR) 的多图表注意力网络模型.
主要成果:
- 与HC相比,SZ患者的P3波幅明显较低 (p <0.05).
- 在刺激后的SZ和HC组中观察到神经振荡 (θ,α,β波段) 的明显模式.
- 在SZ和HC组之间发现了额叶和前叶之间功能连接的显著差异 (p <0.05).
- 拟议的多图表注意力网络实现了高分类准确性 (90.90%在开放数据集上,78.57%在0-back数据集上).
结论:
- 精神分裂症与工作记忆任务期间与事件相关的潜力和大脑功能连接的特定变化有关.
- 开发的注意力图网络模型显示了基于神经生理学标记的精神分裂症客观分类的巨大潜力.
- 这些发现有助于更好地了解精神分裂症认知缺陷的神经基础.
