基于能源景观机器学习技术的功能连接生物标记提取精神分裂症
Janerra D Allen1, Sravani Varanasi1, Fei Han2
1Department of Computer Science and Electrical Engineering, University of Maryland, Baltimore County, Baltimore, MD 21250, USA.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
精神分裂症患者表现出大脑连接模式的改变,特别是在特定的大脑区域. 能源景观分析揭示了这些复杂的异常,为这种疾病提供了潜在的生物标志物.
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:
- 大脑连接对于理解大脑功能和神经精神疾病至关重要.
- 精神分裂症与功能连接受损有关,但其复杂的模式难以表征.
研究的目的:
- 通过能源景观分析,研究精神分裂症中的异常功能连接模式.
- 通过分析大脑连接来识别精神分裂症的潜在神经成像生物标志物.
主要方法:
- 休息状态功能磁共振成像 (fMRI) 数据来自55名精神分裂症患者和63名健康对照.
- 使用能源景观 (EL) 分析,对246个感兴趣地区 (ROI) 的功能连接性进行分析.
- 临床和人口统计数据的比较,包括BPRS,APTS,VPTS,工作记忆和处理速度得分.
主要成果:
- 患者和对照组之间临床测量 (BPRS,APTS,VPTS,工作记忆,处理速度) 的显著差异.
- 在精神分裂症患者中发现的异常能量景观模式位于右侧和左侧面舌环之间.
- 在12/47 ROI中观察到左侧和轨道区域之间的异常连接模式.
结论:
- 能源景观分析有效地捕捉了精神分裂症患者的功能性大脑复杂性.
- 该研究强调了精神分裂症的潜在连接生物标志物,与特定的临床特征相关.
- 拟议的成像分析工作流显示了在精神分裂症研究中识别新生物标志物的前景.
