小脑和前额部区域之间的有效连接正确地分类主要抑郁症:使用多站点数据集的fMRI研究
Peishan Dai1, Kaineng Huang1, Yun Shi1
1School of Computer Science and Engineering, Central South University, Changsha 410083, Hunan, PR China.
Journal of affective disorders
|July 3, 2025
概括
对静止状态fMRI数据的有效连接性 (EC) 分析成功识别了区分主要抑郁症 (MDD) 的大脑模式. 这种神经成像生物标记方法提供了一个有希望的,客观的方法来帮助诊断MDD.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 计算精神病学是一种计算精神病学.
背景情况:
- 目前的主要抑郁症 (MDD) 诊断依赖于主观评估.
- 休息状态功能磁共振成像 (rs-fMRI) 通过有效连接 (EC) 分析提供了潜在的客观生物标志物.
研究的目的:
- 为了研究来自rs-fMRI的EC特征对MDD的客观分类的有用性.
- 开发和验证用于使用EC生物标志物检测MDD的机器学习模型.
主要方法:
- 格兰杰因果关系分析应用于多地点rs-fMRI数据以提取EC特征.
- 用于校正位点效应和用于共变量控制的多变量线性回归的ComBat算法.
- 通过t测试和基于模型的选择识别的歧视性EC特征训练LightGBM分类器.
主要成果:
- 从小脑和前部区域的97个EC特征被确定为MDD的高度歧视性.
- 交叉验证的准确率为94.35%,灵敏度为93.52%,特异性为95.25%.
- 独立的数据集验证实现了94.74%的准确性,90.59%的敏感性和96.75%的特异性.
结论:
- 对rs-fMRI数据的EC分析可以有效地将MDD患者与健康对照进行区分.
- 这种神经成像方法显示了提高MDD诊断客观性的巨大潜力.
