基于海马和杏仁体的形态测量来检测精神分裂症
IEEE journal of biomedical and health informatics
|March 3, 2025
概括
多变体形态测量统计 (MMS) 显示了精神分裂症中海马和杏仁体的显著差异. 这些大脑形态变化显示出作为诊断精神分裂症的可靠生物标志物的潜力.
科学领域:
- 神经成像是一种神经成像.
- 精神病学是一个精神病学.
- 机器学习 机器学习
背景情况:
- 精神分裂症 (SZ) 是一种严重的精神障碍,与大脑异常有关,特别是在海马和杏仁体.
- 之前的研究集中在体积上,但基于表面的形态测量提供了更细致的变形细节,但其与SZ病理和生物标志物潜力的关系仍然不清楚.
研究的目的:
- 用多变量形态测量统计 (MMS) 来研究精神分裂症患者和健康对照者之间的海马体和杏仁体的形态差异.
- 评估MMS衍生特征作为精神分裂症诊断生物标志物的潜力.
主要方法:
- 从MRI图像中提取了海马体和杏仁体的个别MMS.
- 应用字典学习和最大限度的聚合来减少特征,其次是机器学习来进行分类.
- 使用随机森林分类器来评估诊断准确度.
主要成果:
- 显著的双边海马缩,在精神分裂症患者中对称.
- 在桃体内,缩和扩张的子区域都存在,右桃体的变形更大.
- 高分类准确度:94.52% (海马体),94.57% (杏仁体) 和96.57% (组合特征).
结论:
- 在精神分裂症患者和对照者之间,MMS有效地识别了海马和杏仁体的形态差异.
- 这些发现凸显了MMS作为精神分裂症诊断的可靠生物标志物的潜力.
