基于FNIRS的能源景观分析,以说明抑郁症患者的大脑活动动态
Yushan Wu1, Shi Qiao1, Jitao Zhong1
1Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University, Lanzhou, China.
CNS neuroscience & therapeutics
|December 2, 2024
概括
大型抑郁症 (MDD) 的大脑活动显示,与健康对照人群相比,能量格局发生了改变. 这些功能近红外光谱学 (fNIRS) 衍生特征可以以86.53%的准确度检测抑郁症.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算精神病学是一种计算精神病学.
背景情况:
- 重度抑郁症 (MDD) 是一种普遍存在的精神健康状况,发病率越来越高.
- 迫切需要对MDD进行客观表征和实时检测方法.
- 功能近红外光谱 (fNIRS) 是一种用于抑郁症研究的非侵入性神经成像技术,但其在理解刺激下大脑动态方面的应用尚不清楚.
研究的目的:
- 研究和比较MDD和健康对照 (HCs) 个体之间的大脑动态的能量景观 (EL) 特性.
- 评估来自fNIRS信号的EL特征的潜力,以客观地检测抑郁.
主要方法:
- 使用能量景观 (EL) 分析来描述任务条件下的大脑动态.
- 使用fNIRS数据,比较了60个MDD和60个HC之间的EL特征,包括局部最小值,能量差异,盆地大小和全球最低盆地的持续时间.
主要成果:
- 患有MDD的个体表现出明显的EL特征:更多的局部最小值,更小的能量差异,较小的盆地大小变化,与HC相比,全球最低盆地持续时间更长.
- 使用这四个EL特征的分类模型在区分MDD和HC时实现了86.53%的准确性.
- 两组之间主要大脑网络状态的持续时间也存在显著差异.
结论:
- 在MDD中,动态大脑网络显示出增加的约束和减少的自由度,可能与负面情绪偏见和反思等症状有关.
- 能源景观的特征显示了临床抑郁症检测和诊断的巨大潜力.
