一个新的PNDA-MMNet模型,用于评估神经反训练期间PTSD患者大脑状态的动态变化

科学领域:

• 神经科学是一个神经科学.
• 计算精神病学是一种计算精神病学.
• 医疗技术 医疗技术 医学技术

背景情况:

• 在神经反训练 (NFT) 中监测创伤后应激障碍 (PTSD) 的动态大脑状态与传统方法具有挑战性.
• 现有的技术难以准确评估PTSD治疗期间实时的大脑状态的变化.

研究的目的:

• 引入一种新的过程噪声动态适应-半尺度半网网络 (PNDA-MMNet) 模型,用于在NFT期间加强大脑状态监测.
• 提高在经过NFT的PTSD患者中大脑状态转变的准确性和定量评估.

主要方法:

• 开发了NFT过程的离散线性动态模型.
• 采用一个中等层次的网络架构来生成大脑状态观测和过渡矩阵.
• 利用动态自适应噪声处理的模糊规则,以最大限度地实现NFT和静止状态之间的分离性.

主要成果:

• PNDA-MMNet模型实现了高大脑状态识别精度 (0.7428 ± 0.12,AUC = 0.84),表现优于传统算法.
• 分析显示,NFT诱导的运动皮质功能连接性减少,特别是在右半球.
• 观察到脑后皮层活动下降和稳定的运动-脑后皮层连接,与PTSD神经生理学和治疗机制一致.

结论:

• PNDA-MMNet模型提供了一种更有效的方法,用于在NFT期间实时监测PTSD患者的大脑状态.
• 这种定量方法有助于评估治疗疗效,并指导PTSD的治疗干预.