使用fNIRS对精神分裂症和严重抑郁症的歧视性分析
Yunheng Diao1, Huiying Wang2, Xinyu Wang3
1School of Biomedical Sciences and Engineering, South China University of Technology, Guangzhou International Campus, Guangzhou 511442, PR China; The Second Affiliated Hospital of Xinxiang Medical University, Xinxiang, Henan 453002, PR China.
Journal of affective disorders
|June 11, 2024
概括
新的功能近红外光谱 (fNIRS) 分析揭示了精神分裂症 (SCZ) 和严重抑郁症 (MDD) 中明显的脑功能障碍模式. 使用新型fNIRS功能的先进机器学习模型显著提高了这些疾病的差异诊断准确性.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 精神病学是一个精神病学.
背景情况:
- 精神分裂症 (SCZ) 和严重抑郁症 (MDD) 呈现重叠的,但却截然不同的大脑功能障碍.
- 功能近红外光谱学 (fNIRS) 有潜力研究这些大脑异常并改进诊断方法.
研究的目的:
- 使用fNIRS探索SCZ和MDD中共享和独特的大脑功能障碍.
- 开发和评估SCZ,MDD和健康对照 (HCs) 的差异诊断模型,使用先进的fNIRS分析和机器学习.
主要方法:
- 从131名SCZ患者,132名MDD患者和130名HC患者中收集了任务状态fNIRS数据.
- 采用77种时间频率分析方法来提取新的fNIRS特征.
- 五个机器学习算法被用来构建差异诊断模型,根据传统的fNIRS特征和专家精神病学评估进行验证.
主要成果:
- 与HC相比,SCZ和MDD组在布罗卡区域,背侧前额皮质和中回环中的激活减少.
- 与MDD相比,SCZ组在上旋和下中心旋中表现出进一步减少的激活.
- 使用新型fNIRS特征的模型达到85.90%的准确性 (AUC=0.95),显著超过传统fNIRS模型 (52.56%的准确性,AUC=0.66) 和精神病学家 (42.00%和38.00%的准确性).
结论:
- 该研究强调了SCZ和MDD中共同和独特的神经生物学异常.
- 新型fNIRS特征提取和机器学习为提高SCZ和MDD的诊断准确性提供了有希望的方法.
