基于多式结构神经成像的机器学习管道,以有效地区分双相情感障碍和严重抑郁症
Federico Calesella1,2, Federica Colombo1,2, Beatrice Bravi1,2
1Psychiatry and Clinical Psychobiology Unit, Division of Neuroscience, IRCCS San Raffaele Scientific Institute, Milano, Italy.
Neuroscience applied
|July 14, 2025
概括
区分双相情感障碍 (BD) 和主要抑郁障碍 (MDD) 是具有挑战性的,因为类似的症状. 这项研究使用神经成像和机器学习来识别生物标志物,在区分BD和MDD患者方面实现了高准确性.
科学领域:
- 神经成像是一种神经成像.
- 机器学习 机器学习
- 精神病学是一个精神病学.
背景情况:
- 大型抑郁症 (MDD) 和双相情感障碍 (BD) 分享重叠的抑郁症状,导致频繁的误诊.
- 大约60%的双相情感障碍患者最初被误诊为MDD.
- 需要可靠的生物标志物来支持这些疾病的准确诊断和治疗.
研究的目的:
- 优化机器学习管道,以区分患有双相情感障碍 (BD) 和严重抑郁症 (MDD) 的抑郁患者.
- 研究多式结构神经成像特征作为生物标志物的实用性,以区分BD与MDD.
主要方法:
- 获得的扩散张力成像 (DTI) 和T1加权的MRI数据来自282名患者 (180名BD,102名MDD).
- 预处理图像以提取DTI指标 (AD,RD,MD,FA) 和基于Voxel的形态测量 (VBM) 数据.
- 使用5倍嵌套交叉验证管道与混回归,标准化,PCA和弹性网回归进行分类.
主要成果:
- 基于DTI的模型实现了75-78%的分类准确度,远高于偶然.
- VBM模型显示分类准确率为61%.
- 广泛的结构差异,包括白质微观结构 (BD中较高的AD,FA) 和灰质体积,推动了分类.
结论:
- 结构神经成像特征,特别是白质完整性和灰质量,可以有效地区分MDD和BD患者.
- 开发的机器学习管道证明了区分这些疾病的良好预测准确性.
- 神经成像生物标志物有望提高双相情感障碍和严重抑郁症的诊断准确度.
更多相关视频
10:43Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity
Published on: July 1, 2014
15.3K
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.8K
