超分析信息功能连接组代表性用于抑郁症识别
Xinyi Wang1,2,3, Li Xue2,3, Zhongpeng Dai2,3
1School of Psychology, Nanjing Normal University, Nanjing, China.
Journal of magnetic resonance imaging : JMRI
|April 22, 2025
概括
一种新的功能连接体表示 (FCR) 能够有效地使用神经成像数据识别抑郁症. 该方法显示出强大的诊断性能和对临床应用的稳定性.
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:
- 神经成像中的元分析越来越受欢迎,但缺乏明确的临床实用性.
- 沃克塞尔智能分析面临着维度的诅咒,限制了诊断准确度.
- 在元分析中,收面具往往是小的和焦点的.
研究的目的:
- 通过整合元分析神经成像数据来开发功能连接体表示 (FCR).
- 评估FCR在识别抑郁症方面的表现.
主要方法:
- 一项使用休息状态功能性MRI数据的回顾性研究.
- 使用社区检测和主要组件分析开发FCR.
- 在主要和外部数据集上使用准确度,特异性和灵敏度评估模型性能.
主要成果:
- FRC模型的准确性很高:主要数据集的准确性为89.42%,外部数据集的准确性为83.35%.
- 对于FCR组件的效应大小 (科恩的d) 从-0.22到0.84不等,表明患者和对照组之间的显著差异.
- 变换测试证实模型的准确性明显高于偶然性,其稳定性通过准确性和噪声之间的负相关性来证明.
结论:
- 功能连接组表示 (FCR) 能够有效地区分患有抑郁症的个体和健康的对照.
- FCR表现出强大的诊断性能,概括性和稳定性.
- 这种方法在临床识别抑郁症方面具有潜在的实用性.
