作为休息状态FMRI生物标志物的大脑状态融合和分歧:对连续,重叠,时间解析状态的大规模研究区分了四种精神疾病

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.
• 生物标志物发现发现

背景情况:

• 生物标志物对于理解大脑疾病至关重要.
• 动态功能网络连接 (dFNC) 提供了对大脑网络合的动态视图.
• 传统的单变量方法正在被多变量预测模型所取代.

研究的目的:

• 引入一种创新的方法,即动态双功能独立原始函数 (ddFIP),用于估计动态连接模式.
• 开发新的动态指标:振幅收,振幅分歧和动态状态密度.
• 确定基于ddFIP的精神分裂症,自闭症谱系障碍,严重抑郁症和双相情感障碍的生物标志物.

主要方法:

• 应用空间约束的独立组件分析 (ICA) 来推导内在连接网络 (ICN).
• 将第二个ICA应用于dFNC矩阵以估计ddFIP状态.
• 计算了振幅收,分歧和动态状态密度,用于描述状态.
• 分析了来自四种疾病的5805名参与者的七个静止状态fMRI数据集.

主要成果:

• 在动态连接测量中发现了疾病特异性模式.
• 精神分裂症 (SCZ) 显示出广泛的干扰,高可变性和增加的分歧.
• 自闭症谱系障碍 (ASD) 显示分歧减少和趋同增加,表明异常稳定性.
• 双极性障碍 (BPD) 在情绪调节网络中表现出较高的变化.
• 大型抑郁症 (MDD) 在自我参考处理网络中表现出中度的干扰.
• ASD国家趋同的增加与SCZ国家分歧的增加是不同的.

结论:

• 使用ddFIP进行持续的dFNC分析,可以作为捕获疾病特定连接特征的生物标志物.
• 分析动态状态的融合和分歧,可以全面了解大脑连接.
• 这些新的生物标志物反映了大脑在不同精神疾病中的适应性和弹性.