精神分裂症中自发大脑活动的异常模式:休息状态fMRI研究和分类分析分析

科学领域:

• 神经成像是一种神经成像.
• 精神病学是一个精神病学.
• 机器学习 机器学习

背景情况:

• 精神分裂症是一种常见的精神障碍,导致严重的残疾.
• 目前缺乏用于诊断的客观生物标志物.
• 这项研究研究了精神分裂症中异常自发的大脑活动.

研究的目的:

• 探索精神分裂症患者异常自发大脑活动.
• 评估异常大脑指数作为诊断生物标志物的潜力.
• 采用机器学习方法进行诊断分类.

主要方法:

• 来自61名精神分裂症患者和70名健康对照者的rs-fMRI数据.
• 分析静态指数 (ALFF,fALFF,ReHo,DC) 和动态时间活动.
• 机器学习分类使用识别的异常大脑活动指数.

主要成果:

• 精神分裂症患者在特定的大脑区域显示出改变的ALFF,fALFF和ReHo.
• 在整个皮质区域观察到动态指数的声音智能一致性减少.
• 机器学习实现了81.28%的准确性和0.87 AUC用于精神分裂症诊断.

结论:

• 静态和动态的rs-fMRI指数显示出作为神经成像生物标志物的潜力.
• 异常的大脑活动模式可以帮助诊断精神分裂症.
• 机器学习有效地利用这些指数进行分类.