基于功能连接的搜索灯多变量模式分析,用于区分精神分裂症患者和预测临床变量
Yayuan Chen1,2, Sijia Wang1, Xi Zhang2
1Department of Radiology, Tianjin Key Laboratory of Functional Imaging and Tianjin Institute of Radiology, Tianjin Medical University General Hospital, Tianjin, China.
Schizophrenia bulletin
|May 31, 2024
概括
基于功能连接 (FC) 的搜索灯多变量模式分析 (CBS-MVPA) 有效地将精神分裂症患者与健康个体区分开来. 这种方法还可以预测临床变量,为精神分裂症提供了洞察力.
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.
- 医疗成像医学成像
背景情况:
- 精神分裂症是一种复杂的疾病,其特征是功能性失联.
- 识别大脑网络异常对于理解精神分裂症至关重要.
- 现有的方法在临床实践中面临挑战.
研究的目的:
- 研究基于功能连接 (FC) 的搜索灯多变量模式分析 (CBS-MVPA) 在区分精神分裂症患者与健康对照者的有效性.
- 探索CBS-MVPA在预测精神分裂症临床变量方面的潜力.
- 为了确定与精神分裂症相关的特定脑子网络.
主要方法:
- 招募了112名精神分裂症患者和119名健康对照.
- 获取的静止状态功能磁共振成像 (fMRI) 数据.
- 构建了全脑FC子网络,并应用了CBS-MVPA.
主要成果:
- 在各组之间,CBS-MVPA确定了63个分网,分类准确度高 (62.2%-75.6%).
- 五个特定的子网络显示出对临床变量的预测能力.
- 这些子网络涉及诸如背侧上上额回环和海马等区域.
结论:
- CBS-MVPA 是一种有价值的工具,可以在脑网络中定位与精神分裂症相关的信息.
- 该方法捕捉了网络异常和临床变量之间的关系.
- 这加深了对精神分裂症神经机制的理解.
