基于EEG功能连接和图形理论的MDD脑网络分析

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.
• 大脑网络分析 脑网络分析

背景情况:

• 大型抑郁症 (MDD) 与异常的大脑网络拓学有关.
• 对于MDD来说,可靠地构建大脑网络仍然是一个挑战.

研究的目的:

• 提出一种可靠的方法来构建MDD中的大脑网络.
• 引入一个改进的自适应值 (AT) 二元化方法,以克服传统方法的局限性.
• 分析大脑网络指标的群体间差异.

主要方法:

• 利用七种连接方法从EEG数据计算功能连接矩阵.
• 采用了四种二元化方法,包括一种新的自适应值 (AT) 方法,以生成EEG大脑网络.
• 提取的网络指标 (集群系数,全球效率,本地效率,程度,路径长度) 用于分析.
• 应用统计分析和F-score来比较方法性能.

主要成果:

• 在MDD大脑网络中,theta,alpha和总频段的聚类系数,全球效率,局部效率和度数都降低了.
• 在这些频段中,MDD脑网络的路径长度会增加.
• 适应值 (AT) 方法的性能优于现有的二进制化技术.
• 阶段锁定值 (PLV) 和AT的组合为MDD脑网络构建提供了卓越的可靠性.

结论:

• 拟议的AT方法提高了MDD脑网络构建的可靠性.
• 大脑疾病的特征是大脑功能障碍,特别是影响额叶和叶.
• 基于PLV和AT的方法为研究MDD脑网络提供了更可靠的方法.