用区域间形态连接来预测患有自闭症谱系障碍的患者个体自闭症症状
Xun-Heng Wang1, Peng Wu1, Lihua Li1
1Institute of Biomedical Engineering and Instrumentation, Hangzhou Dianzi University, Hangzhou, 310018, China.
Psychiatry research. Neuroimaging
|April 28, 2024
概括
机器学习模型使用来自神经成像数据的大脑连接模式准确预测自闭症症状. 这些发现表明,区域间的形态联系可能作为自闭症谱系障碍 (ASD) 的生物标志物.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 精神病学是一个精神病学.
背景情况:
- 自闭症谱系障碍 (ASD) 诊断和干预受益于精确的预测模型.
- 神经成像数据集有可能识别与ASD症状相关的生物标志物.
研究的目的:
- 使用神经成像数据调查自闭症症状的预测模型.
- 发现与自闭症相关行为相关的大脑连接模式.
主要方法:
- 利用了ABIDE项目对ASD患者的解剖MRI数据.
- 使用Freesurfer提取区域形态特征的预处理MRI数据.
- 构建了区域间形态网络,并应用了支持向量回归 (SVR) 与特征选择用于症状预测.
主要成果:
- 预测的自闭症症状 (ADOS社会和行为得分) 与原始措施有显著的相关性.
- 确定双边状区域为ADOS社会评分最具预测性.
- 发现极和舌环区域对ADOS行为评分最具预测性.
结论:
- 自闭症症状可以使用区域间形态连接和机器学习来预测.
- 区域间的形态连接显示出作为自闭症症状的生物标志物的潜力.
- 这种方法有助于理解ASD行为的神经生物学基础.
更多相关视频
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K
11:14A Novel Experimental and Analytical Approach to the Multimodal Neural Decoding of Intent During Social Interaction in Freely-behaving Human Infants
Published on: October 4, 2015
10.9K
