在产后抑郁症中大脑连接受损:休息状态fMRI和机器学习的见解
Can Liu1, Tong Zhu2, Mingke Liu3
1Department of Radiology, The Affiliated Yongchuan Hospital of Chongqing Medical University, Chongqing 402160, China; College of Artificial Intelligence Medicine, Chongqing Medical University, Chongqing 400016, China.
Psychiatry research. Neuroimaging
|January 8, 2026
概括
产后抑郁症 (PPD) 改变了大脑网络拓,特别是在突出网络中. 这些变化涉及诸如岛屿等区域,可以使用功能性MRI和机器学习高精度地检测,帮助早期诊断.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 医疗成像医学成像
背景情况:
- 产后抑郁症 (PPD) 是一个普遍存在的女性健康问题.
- 以前的研究发现了PPD中区域性脑部异常.
- 在PPD的全球功能拓变化需要进一步调查.
研究的目的:
- 在PPD患者中调查大脑功能拓性质的变化.
- 描述与PPD相关的全球功能连接体变化.
- 使用神经成像来区分PPD与健康对照.
主要方法:
- 来自PPD患者,健康孕妇 (HPW) 和健康对照组 (HC) 的休息状态功能性MRI (rs-fMRI) 数据.
- 使用Pearson的相关性,构建和图形理论分析功能性大脑网络.
- 机器学习应用于功能连接组数据进行分类.
主要成果:
- 与HC和HPW相比,PPD患者表现出更规范的功能大脑网络拓.
- 在突出网络 (SN) 和皮下区域 (如insula,杏仁体) 中,PPD显示出变化的拓特性.
- 基于功能连接,机器学习准确地预测了PPD,准确度为88%.
结论:
- 怀孕会影响默认模式网络 (DMN),而PPD会破坏突出网络 (SN).
- 胰岛和前皮是区分PPD和健康个体的关键区域.
- 功能连接组的改变对于早期发现PPD具有临床意义.


