一个深度学习模型,用于表征改变的陀螺功能连接在禁酒的男性与甲基胺使用障碍和相关的情绪症状
Ping Jiang1,2,3, Zhenxiang Xiao4, Tao Geng4
1Department of Radiology, Huaxi MR Research Center (HMRRC), Institution of Radiology and Medical Imaging, West China Hospital of Sichuan University, No. 37, Guoxue Alley, Wuhou District, Chengdu, Sichuan Province, 610041, China.
Cerebral cortex (New York, N.Y. : 1991)
|March 22, 2025
概括
管理情绪退缩是防止甲基胺复发的关键. 这项研究使用深度学习来识别甲基胺使用障碍患者的大脑信号,将特定的大脑区域与情绪症状和复发风险联系起来.
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.
- 机器学习 机器学习
背景情况:
- 情绪性戒断症状显著增加了甲基胺使用障碍 (MUD) 的复发风险.
- 了解MUD的神经生物学基础和相关的情绪困扰对于有效的治疗开发至关重要.
- 在MUD精神病理学中,细度皮层折叠模式 (陀螺-状信号) 的特定作用仍未得到充分研究.
研究的目的:
- 在MUD患者中研究陀螺状信号传导的功能贡献.
- 将这些神经模式与情绪症状 (焦虑,抑郁) 联系起来.
- 增强对MUD和情绪退缩背后的神经机制的理解.
主要方法:
- 招募了48名男性禁酒MUD患者和48名匹配的健康对照.
- 获得的静止状态功能磁共振成像 (rs-fMRI) 数据.
- 利用一个深度学习模型 (时空图卷积网络) 在陀螺-形分区进行分类和分析.
主要成果:
- 深度学习模型在区分MUD患者与基于rs-fMRI数据的对照患者方面取得了很高的准确性.
- 关键的大脑区域有助于分类包括侧轨道前皮层和习惯性/执行控制网络.
- 情绪症状的严重程度与前带皮质,面和皮的特定功能连接模式负相关.
结论:
- 微小的陀螺状信号传输在MUD精神病理学中起着独特的作用.
- 特定的神经网络中断和功能连接模式与MUD中的情绪症状有关.
- 这些发现为MUD神经生物学提供了新的见解,可能为预防复发的临床干预提供信息.
更多相关视频
09:16A General Method for Evaluating Deep Brain Stimulation Effects on Intravenous Methamphetamine Self-Administration
Published on: January 22, 2016
15.1K
05:14Standardized Data Acquisition for Neuromelanin-Sensitive Magnetic Resonance Imaging of the Substantia Nigra
Published on: September 8, 2021
3.2K
