重度抑郁症的诊断基于个性化大脑的功能和结构连接
Yuting Guo1,2, Tongpeng Chu2,3,4, Qinghe Li1
1School of Medical Imaging, Binzhou Medical University, Yantai, China.
Journal of magnetic resonance imaging : JMRI
|September 25, 2024
概括
整合个性化的功能和结构性大脑连接性可以改善主要抑郁症 (MDD) 识别. 这种方法提高了诊断的准确性,并有助于评估抑郁症的严重程度.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 精神病学是一个精神病学.
背景情况:
- 传统的神经成像专注于群体层面的分析,忽视了个人的大脑连接差异.
- 了解大脑连接的个体变化对于破译主要抑郁症 (MDD) 机制至关重要.
- 对于临床应用的个体特定大脑连接有越来越多的兴趣.
研究的目的:
- 使用机器学习整合个性化的功能连接 (IFC) 和结构连接 (ISC).
- 开发一种能够区分MDD个体与健康对照 (HCs) 的模型.
- 探索多式联通融合对增强MDD分类的实用性.
主要方法:
- 一项前性研究涉及182名MDD患者和157名HC患者,并进行了验证队列.
- rs-fMRI和DTI数据被用来构建功能和结构性大脑网络.
- 通过使用多式联络法与联合独立组件分析 (mCCA+jICA) 来提取和融合个性化连接特征,然后通过支持矢量机 (SVM) 分类来进行分类.
主要成果:
- IFC和ISC的多序合并显著改善了MDD分类性能,从72.2%提高到90.3%.
- 开发的预测模型在评估MDD患者抑郁症严重程度方面表现出显著的力量 (r=0.544).
- 与传统方法相比,个性化连接方法显示出更高的性能.
结论:
- 通过多序融合整合IFC和ISC可以提高MDD的识别能力.
- 个性化方法在MDD研究和临床评估中提供了显著的优势.
- 这项研究强调了个性化神经成像在理解和诊断精神疾病方面的重要性.
