使用深度学习方法对精神分裂症和双相情感障碍的功能近红外光谱 (fNIRS) 信号进行分类

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:

• 精神分裂症 (SCZ) 和双极性障碍 (BD) 是常见的心理健康状况.
• 前额叶皮层功能障碍与SCZ和BD有关.
• 区分SCZ和BD在临床上很重要,但具有挑战性.

研究的目的:

• 用功能近红外光谱学 (fNIRS) 调查SCZ和BD患者之间的前额叶皮层活动差异.
• 评估fNIRS在区分SCZ和BD方面的诊断潜力.
• 探索深度学习和可解释性方法在临床环境中分析fNIRS数据的实用性.

主要方法:

• 招募了50名SCZ患者,67名BD患者和52名健康对照 (HC).
• 使用fNIRS测量在口语流利任务 (VFT) 期间前额氧血球蛋白 (Oxy-Hb) 度变化.
• 应用Kruskal-Wallis测试和归因分析用于组比较和特征识别.

主要成果:

• 在VFT期间,SCZ和BD患者的前额叶皮质活动与HC相比降低.
• 在特定的前额区域 (rFPC,lFPC,lDLPFC,lOFC) 中,SCZ患者的激活率低于BD患者.
• 实现了高分类准确度 (0.933) 和AUC (0.988) 来区分三个组,其中17通道是SCZ-BD区分的关键.

结论:

• 左轨道前皮层 (lOFC) 被确定为区分SCZ和BD的关键神经成像生物标志物.
• fNIRS证明了作为精神障碍的辅助诊断工具的价值.
• 将fNIRS与深度学习相结合,可以提高心理健康状况的诊断效率和临床适用性.