在帕金森病患者的Stroop测试中,大脑血液动力学和功能连接:一种机器学习方法对fNIRS的特点
Liping Qi1, Zi-Qian Shi2, Yan-Zhi Liu3
1School of Control Science and Engineering, Dalian University of Technology, Dalian, 116024, China.
Psychiatry research. Neuroimaging
|January 6, 2026
概括
帕金森病患者表现出认知缺陷,特别是在Stroop任务上. 功能近红外光谱学 (fNIRS) 揭示了不同的大脑活动模式,有助于开发帕金森病的客观诊断工具.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 认知科学 认知科学
背景情况:
- 认知障碍是帕金森病 (PD) 的关键非运动症状.
- 了解PD相关认知缺陷的神经机制对于临床翻译至关重要.
研究的目的:
- 为了评估帕金森病患者在色词Stroop任务上的表现.
- 使用功能近红外光谱学 (fNIRS) 描述与任务相关的神经活动.
- 使用fNIRS数据开发PD的诊断模型.
主要方法:
- 在Stroop任务中,61名参与者 (29名PD患者,32名健康对照) 接受了fNIRS.
- 进行了脑血液动力学和脑网络分析.
- 机器学习模型应用于fNIRS功能,用于PD诊断.
主要成果:
- 在Stroop任务中,PD患者的遗漏率更高.
- 在PD患者中观察到背侧前额皮质和前额眼球领域的增强激活.
- 在PD患者中发现了前额外半球间功能连接的增加.
- 后勤回归模型显示了高的诊断准确性.
结论:
- PD与特定的认知障碍和大脑活动的改变有关.
- 基于任务的fNIRS为开发帕金森病的非侵入性客观诊断工具提供了一个有希望的框架.
