卷度综合分类指数:一种基于voxel的综合形态学和机器学习的可解释生物标志物,用于创伤后应激障碍

科学领域:

• 神经成像是一种神经成像.
• 机器学习 机器学习
• 遗传学 遗传学 是一个

背景情况:

• 创伤后应激障碍 (PTSD) 是一种复杂的心理健康状况,对生活质量产生重大影响.
• 尽管进行了广泛的研究,但对PTSD的精确神经生物学标记仍然难以确定.

研究的目的:

• 用VBM分析和机器学习研究PTSD患者的结构性大脑变化.
• 探索机器学习模型和一种新的可解释性工具 (VICI) 的诊断潜力.
• 为了检查PTSD风险基因和神经成像发现之间的关联.

主要方法:

• 基于Voxel的形态测量 (VBM) 分析来自PTSD患者和健康对照者的脑MRI数据.
• 机器学习算法 (SVM,RF,LR) 的应用用于PTSD分类.
• 开发和应用VICI与SHAP分析用于模型解释性和基因表达分析.

主要成果:

• 随机森林 (RF) 在对创伤后应激障碍患者的分类中表现出高准确度.
• 在PTSD患者的前额区域观察到显著的结构性脑部异常.
• VICI显示了与RF相似的分类效果,并确定了与PTSD风险基因的关联.

结论:

• VBM分析和机器学习对PTSD诊断和预后有很大的前景.
• VICI提供了一个潜在的简化诊断工具,并提高了模型的解释性.
• 研究结果表明,PTSD病理生理学中的突触完整性和神经发育.