在情感面部识别过程中严重抑郁症患者的功能性脑网络的破坏性属性:通过图形理论分析进行EEG研究

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:

• 大型抑郁症 (MDD) 与情绪处理缺陷有关.
• 以前的研究表明,MDD中大脑网络异常,但特定情绪面部识别阶段的网络动态仍然不清楚.
• 了解这些网络变化对于阐明MDD潜在的病理生理学至关重要.

研究的目的:

• 在MDD患者在情感面部识别的不同阶段调查功能性脑网络的拓性质.
• 通过视觉感知,面部识别和情绪决策阶段,比较MDD患者和健康对照者的大脑网络组织.
• 识别导致MDD情绪功能障碍的特定阶段的网络变化.

主要方法:

• 脑电图 (EEG) 数据是从MDD患者和健康对照组在情绪面部识别任务中收集的.
• 全球场功率 (GFP) 用于划分与事件相关的潜在阶段:视觉感知,面部识别和情感决策.
• 阶段转移 (PTE) 和图形理论被应用来构建和分析每个阶段的功能大脑网络拓.

主要成果:

• 与对照人群相比,MDD患者表现出负面面孔的视觉感知路径长度降低,积极面孔的情绪决策路径长度正常化.
• 虽然两组都显示了小世界网络特性,但MDD网络倾向于随机化.
• 在面部表情识别过程中,中心-体区域似乎在MDD中失去了其枢纽地位.

结论:

• 在情感面部识别阶段改变功能性大脑网络拓与MDD有关.
• 这些发现突出了大脑网络的组织原则的破坏,这些网络是抑郁症情绪处理缺陷的基础.
• 这项研究提供了关于主要抑郁症中情绪功能障碍的神经生理学的基础的见解.