使用机器学习对第一期药物无知MDD患者的fNIRS信号进行分类,无论是否有自杀念头

科学领域:

• 神经科学是一个神经科学.
• 医疗成像医学成像
• 精神病学是一个精神病学.

背景情况:

• 大型抑郁症 (MDD) 具有高自杀风险,目前对自杀念头 (SI) 的诊断方法是主观的.
• 功能近红外光谱 (fNIRS) 为识别客观生物标志物提供了一个便携式的,非侵入性的方法,但之前对MDD和SI的研究已经产生了不一致的结果.
• 深度学习方法,特别是一维卷积神经网络 (CNN),在这种情况下对分析fNIRS数据的探索仍然不足.

研究的目的:

• 调查前额叶皮质功能在第一集,药物原始的MDD患者和没有SI使用fNIRS.
• 评估fNIRS与深度学习相结合的潜力,作为MDD中SI的客观诊断工具.

主要方法:

• 91名第一期,未使用药物的MDD患者被分为SI (n=40) 和无SI (NSI,n=51) 组,以及39名健康对照组 (HC).
• fNIRS测量了前额叶皮质在口语流任务 (VFT) 中的血液动力学反应.
• 克鲁斯卡尔-瓦里斯试验分析了氧血球度变化,接收器运行特征 (ROC) 曲线评估了诊断性能.

主要成果:

• 与HC相比,NSI显示左背侧前额叶皮层 (lDLPFC),前极前额叶皮层 (FPC),轨道前额叶皮层 (OFC) 和腹侧前额叶皮层 (VLPFC) 的激活减少.
• 与NSI相比,SI患者在整个前额叶皮层的激活率下降,DLPFC,FPC和OFC的激活率明显降低.
• 左侧FPC (lFPC) 的最高三类分类精度为69.80%;右侧FPC (rFPC) 的SI和右侧DLPFC (rDLPFC) 的NSI的最高ROC曲线下的面积 (AUC) 为0.88;右侧DLPFC和右侧VLPFC (rVLPFC) 的HC为0.92.

结论:

• 脊侧前额叶皮层 (DLPFC),前极前额叶皮层 (FPC) 和轨道前额叶皮层 (OFC) 显示出潜在的生物标志物区域,用于识别第一个插曲,无药的MDD患者中的SI.
• fNIRS-VFT任务证明了作为精神障碍辅助诊断工具的临床实用性.
• fNIRS与深度学习相结合,为MDD的客观SI评估提供了一个有希望的途径.