在精神分裂症中解开整合分离不平衡,通过拓学高阶功能连接
Qiang Li1, Wei Huang2,3, Chen Qiao4
1Tri-Institutional Center for Translational Research in Neuroimaging and Data Science (TReNDS), Georgia State, Georgia Tech, Emory, 30303, Atlanta, GA, USA. qli27@gsu.edu.
Neuroinformatics
|February 22, 2025
概括
高级大脑网络分析揭示了精神分裂症的独特模式,显示了对潜在的早期诊断和治疗策略至关重要的改变整合和隔离.
科学领域:
- 神经科学是一个神经科学.
- 计算精神病学是一种计算精神病学.
- 网络科学 网络科学
背景情况:
- 大脑连接学功能障碍与神经系统疾病有关.
- 关于精神病中高阶网络集成/隔离的研究有限.
- 大脑功能中的信息失衡与精神病有关,但人们对其了解甚少.
研究的目的:
- 研究大脑网络专业化的高阶拓变异.
- 将健康和精神分裂症患者之间的网络整合和隔离进行比较.
- 使用图形理论划分系统级连接差异.
主要方法:
- 采用图形理论的大脑网络分析.
- 系统地检查信息的整合和分离.
- 专注于拓高阶网络变化.
主要成果:
- 高阶功能连接学揭示了健康对照组和精神分裂症患者之间的显著差异.
- 精神分裂症患者表现出增加的环膜-眼膜和突出网络相互作用,皮质下/默认模式和背部注意力/感官运动相互作用的减少.
- 在健康对照组与精神分裂症患者之间,大脑系统分离减少,这表明网络平衡受损.
结论:
- 拓性高阶功能连接比低阶连接更深入地了解大脑网络相互作用.
- 在精神分裂症患者中观察到特定大脑区域的变化和网络集成/分离.
- 精神分裂症中网络平衡的破坏表明潜在的治疗目标和早期诊断指标.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
10.1K
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K
