多功能融合方法结合大脑功能连接和图形理论用于精神分裂症分类和神经成像标志物查
Chang Wang1, Yaning Ren1, Rui Zhang1
1Henan Collaborative Innovation Center of Prevention and treatment of mental disorder, The Second Affiliated Hospital of Xinxiang Medical University, Xinxiang, China; School of Medical Engineering, Xinxiang Medical University, Xinxiang, China; Henan Key Laboratory of Biological Psychiatry, Xinxiang, China; Engineering Technology Research Center of Neurosense and Control of Henan Province, Xinxiang, China; Xinxiang Engineering Technology Research Center of Intelligent Medical Imaging Diagnosis, Xinxiang, China.
Journal of psychiatric research
|February 26, 2025
概括
这项研究引入了一种新的多功能融合方法,将功能连接和图形拓结合起来,以改进精神分裂症分类. 该方法有效地将精神分裂症患者与健康对照区分开来,为该疾病的神经成像标记提供了新的见解.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 精神分裂症 (SZ) 与大脑功能连接 (FC) 和图形拓 (GT) 的不明确异常有关.
- 之前的研究探讨了机器学习,单独使用FC或GT进行SZ分类.
- 在SZ分类和选神经成像标记器使用结合FC和GT特征融合方面存在差距.
研究的目的:
- 开发和验证结合FC和GT用于SZ分类的多功能聚变方法.
- 使用这种融合特征方法,识别可靠的神经成像标记物SZ.
- 增强对精神分裂症中大脑连接和拓学变化的理解.
主要方法:
- 从中国队列中获取并预处理静止状态fMRI数据.
- 计算的FC矩阵和GT特征.
- 采用双样本t测试和LASSO进行特征选择.
- 利用机器学习 (SVM) 进行分类和标记选.
主要成果:
- 集成FC和GT的SVM模型实现了高分类性能 (ACC=0.935,SEN=0.920,SPE=0.950).
- 在FC和GT的关键差异被确定在默认,注意力和皮层下网络.
- 在SZ患者中观察到FC和GT特征强度的总体下降,与 thalamus 聚类系数和某些FC指标的具体增加.
结论:
- FC和GT的多特征融合显著改善了SZ和健康个体之间的区别.
- 这种方法为SZ诊断和查提供了有价值的神经成像标记.
- 这些发现为精神分裂症背后的神经病理机制提供了新的见解.
