使用热图和可变相互作用来表征主要抑郁症和物质使用障碍:操作行为的实用性和大脑结构关系

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.
• 心理健康诊断 心理健康诊断

背景情况:

• 抑郁症和成率的上升凸显了对更好的诊断工具的需求.
• 大型抑郁症 (MDD) 和可卡因依赖 (CD) 涉及改变的奖励/厌恶行为和大脑结构.
• 目前的诊断方法缺乏复杂精神疾病的整合技术.

研究的目的:

• 为了调查计算行为和大脑结构之间的统计相互作用是否可以从数量上分离MDD和CD.
• 探索控制,MDD和CD组之间的结构-行为关联的差异.

主要方法:

• 对111名参与者 (40对照组,25MDD,46CD) 进行了结构性脑部MRI和操作键盘按键任务.
• 线性回归分析了结构-行为关联的群体差异.
• 热图可视化了关联模式,k-最近邻居机器学习用于群体歧视.

主要成果:

• 对照组,MDD和CD组在大脑结构和行为之间表现出明显的线性关系,重叠程度很小 (7.8%).
• 在各组之间观察到斜率的统计学上显著差异和协会的明显的定性模式.
• 机器学习成功地区分了控制器和CD,但没有区分控制器和MDD.

结论:

• 计算行为和大脑结构模式之间的相互作用有效地将MDD和CD分开.
• 这表明,分析操作任务和神经成像之间的相互作用可能有助于对心理健康状况的客观分类.