探索注意力缺陷/多动性障碍中的功能连接:使用机器学习分析的功能近红外光谱研究

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像

背景情况:

• 注意缺陷/多动障碍 (ADHD) 与认知挑战和大脑活动的改变有关.
• 对成年人ADHD的研究,特别是在任务条件下,不如儿童那么广泛.
• 功能连接性调查提供了关于ADHD神经特征的见解.

研究的目的:

• 在任务状态条件下,与健康对照组相比,研究成年ADHD患者的功能连接性.
• 探索功能连接指标作为ADHD生物标志物的潜力.

主要方法:

• 利用功能近红外光谱 (fNIRS) 数据集,对75名健康对照组和75名曾经服用过药物的ADHD成年人进行了分析.
• 在口语流利任务中比较网络特征 (密度,全球聚类系数,效率,中间中心性).
• 采用机器学习分类器,包括线性支向量机器,以评估诊断潜力.

主要成果:

• 在ADHD患者和对照人群之间观察到功能连接密度的显著差异 (p<0.001).
• 机器学习模型,特别是线性SVM,表现出高分类性能 (准确度~0.80).
• 在ADHD的成年人中发现了明显的功能连接模式.

结论:

• fNIRS衍生的功能连接指标显示,作为成人多动症的客观生物标志物具有前途.
• 任务状态fNIRS分析可以区分患有或没有ADHD的成年人.
• 进一步的研究可以验证fNIRS用于ADHD诊断.