一个可推广的规范性深度自编码器用于大脑形态异常检测:在外部验证框架中应用到双相情感障碍的多站点StratiBip数据集

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:

• 精神疾病表现出显著的异质性,使寻找特定的神经生物学标志物的搜索变得复杂.
• 目前的研究需要先进的疾病分层方法和理解大脑形态变异的方法.

研究的目的:

• 提出一个可概括的多变量规范建模框架,用于表征大脑形态.
• 应用这个框架来识别双相情感障碍 (BD) 中的神经生物学模式.
• 在精神病学中推进个性化临床决策支持系统.

主要方法:

• 在异常检测框架内利用深度自编码器进行大脑形态分析.
• 整合了一个消除混的步骤与培训和外部验证.
• 在人类结合体项目 (HCP) 的健康控制 (HC) 数据上训练了模型,并将其应用于多个站点的HC和BD数据.

主要成果:

• 与健康对照组 (HCs) 相比,双极性障碍 (BD) 患者表现出更大,更异质的脑偏差得分,极端值增加.
• 在大脑体积中观察到显著的偏差,特别是在基底,海马和相邻区域.
• 个别的大脑偏差图显示,BD中异常发生率较高,但空间重叠较低,而不是HC.

结论:

• 开发的框架成功地识别了主体和群体层面的规范偏离大脑模式.
• 这种方法是迈向个性化患者分层和精神病学临床决策支持的重要一步.
• 这些发现突出了规范建模的潜力,以了解像BD这样的复杂精神疾病.