基于磁共振成像和脑电的精神分裂症症状的预测模型研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:kindmercy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
精神分裂症(Schizophrenia,SCZ)是一种发病原因还未明了且会对日常生活造成不利影响的一种疾病,世界上大约有1%的人受其困扰。对于SCZ的诊断是依赖临床医生根据病人的病程以及精神状态作出评估,这样的诊断结果一定程度上会受到医生主观认识的影响。目前有越来越多的研究致力于探寻区分SCZ患者的有效生物标记物,但是还没有形成统一的定论,这其中的部分原因是人类对SCZ患者大脑的认识还不明确,而且不同研究的被试来源存在着一定的差异。随着神经影像学的发展,人们利用影像学数据可以提高对SCZ的认识,已经有很多结果表明SCZ患者的大脑和健康人相比存在着结构和功能上的差异,这种差异可以利用磁共振(Magnetic Resonance Imaging,MRI)技术检测到。同时另外一种非入侵式的大脑研究技术—脑电(Electroen-cephalography,EEG),也表明在某些大脑皮层的特定频段下,SCZ患者的脑电波存在差异。因此本研究致力于将磁共振技术和脑电技术结合起来,基于数据驱动寻找可靠的神经标志物,此外也对SCZ患者的精神状态做出预测。本研究主要包括下面两部分内容:1.本研究纳入45名正常人,49名SCZ患者,对这两组人进行分类模型的构建。采集的数据包括静息态功能MRI(Resting-state f MRI,rs-f MRI),T1加权数据,弥散张量成像(Diffusion Tensor Imaging,DTI)数据以及EEG数据。基于rsf MRI本研究计算了低频波振幅度、区域一致性和度中心度三种指标,基于T1加权数据本研究计算了白质体积、灰质体积和皮层厚度,基于DTI数据本研究计算了各向异性分数、平均弥散度和结构连接矩阵,基于EEG数据本研究计算了五种不同频段下的功率谱。基于上述十种指标分别采用逻辑回归(Logistic Regression,LR)分类和支持向量分类(Support Vector Classification,SVC)分别进行进行单模态分类模型构建,两种模型测试集分类效果大部分都达到了80%,并且SVC效果要普遍比LR分类高2~5个百分点。于是本研究以SVC分类模型为基学习器,采用Bagging算法进行下一步多模态融合,通过集成学习的算法来提高模型的分类准确率后达到了95%,同时提高了模型的泛化能力。2.针对SCZ组,本研究继续探究不同特征空间对阳性和阴性症状量表(Positive and Negative Syndrome Scale,PANSS)的预测能力。同样采用和单模态分类一样的十种特征空间,分别采用线性回归、岭回归、支持向量回归(Support Vector Regression,SVR)、贝叶斯岭回归四种回归算法构建回归模型,对PANSS量表中的阳性症状量表评分、阴性症状量表评分、一般精神病理量表评分以及量表总评分分别作出了预测,结果发现在这四种量表评分预测模型中,SVR模型平均绝对误差最小,普遍比其他回归模型的平均绝对误差(Mean Absolute Error,MAE)小0~2。因此本研究选用SVR算法作为我们Bagging集成算法的基学习器构建多模态回归预测模型,结果发现在对阳性症状量表以及量表总评分的预测中MAE均降低了。综上所述,本文在构建分类模型和回归模型过程中发现,多种模态数据融合以后的效果要比单模态的效果更好,在模型构建过程中的重要特征可以作为有效的神经标记物,这些标记物可以为临床上对SCZ患者的诊断和预测提供辅助手段。
其他文献
帕金森疾病是一种大脑神经退行性疾病,表现为典型的运动症状,如静止性震颤、强直和运动迟缓,以及一些非运动症状,如认知功能障碍、嗅觉障碍等。根据主要的运动症状,帕金森疾病可分为运动迟缓、强直主导亚型(AR)和震颤主导亚型(TD)。临床证据表明,帕金森疾病的不同亚型有不同的病程和预后。事实上,相对于TD亚型,AR亚型的临床进展更快,患痴呆症和其他精神疾病(如抑郁症)的风险更高,这表明帕金森亚型之间的神经
已有研究表明多种认知加工过程和其大脑机制存在性别差异,然而较少研究关注反应抑制的性别差异。反应抑制指在变化的环境中抑制不符合当前需要或者不恰当的占优势行为反应的能力,能够帮助人们对变化的环境做出灵活的、目标指向的行为。本文研究采用结构磁共振和静息态功能磁共振成像方法,采集结构和静息态磁共振成像(magnetic resonance imaging,MRI)数据,采用基于个体差异的方法,研究健康男性
视听多通道语音信息的整合是人类进行语言交流的关键。近年来,视听整合已成为科研工作者们的研究热点。然而,人们对视听多通道语音感知整合中的神经机制尚不完全清楚。随着神经成像技术的发展,特别是磁共振成像技术的广泛应用,为视听多通道语音感知整合机制的研究提供了可靠手段。本文将行为学实验与磁共振成像技术相结合,从任务态到静息态,从功能到结构,多角度对视听多通道语音感知整合机制进行探究。首先,本文基于任务态功
交通场景中的视觉注意预测是帮助理解人类视觉认知过程和设计智能辅助驾驶系统的重要途径。这在自动驾驶、目标搜索等任务中具有重要作用。然而对于夜间交通场景来说,更复杂的光照问题让视觉注意预测面临巨大的挑战。即使对于日间交通场景表现优秀的深度学习类方法,不同光照情况下的鲁棒性也尚未解决,如白天场景到夜间场景。高效的注意分配对于人类视觉系统来说似乎毫不费力,但对计算机来说却如此困难。对此,视觉神经科学领域已
重度抑郁症(Major depressive disorder,MDD)是最常见的情绪障碍之一,在临床上表现为持续的快感不足,情绪低落,认知障碍。虽然已有研究利用磁共振技术对抑郁症大脑结构和功能异常进行探索,并报道了抑郁症在低频振幅(Amplitude of low frequency fluctuation,ALFF)、局部一致性(Regional homogeneity,Reho)等表现出了频
颞叶癫痫(temporal lobe epilepsy,TLE)是一类常见的局灶性癫痫,它是指发作起源于颞叶的癫痫类型,常见于成年人和青少年。在TLE患者中,突发性的意识丧失显著恶化了患者的生活质量,增加了死亡风险。尽管先前的研究已经开始在不同尺度上对癫痫的病理机制进行了研究,但癫痫的发病机制仍然没有得到较好的理解,特别是其脑机制仍不明确。近年来随着神经成像技术和脑网络分析方法的发展,特别是静息态
近年来,卷积神经网络和生成式对抗网络的兴起使得人类在对图像的处理更加具有想象力,对图像编辑、人脸识别、安全验证等领域都发挥了重要作用。图像编辑技术一直是一个热门的话题,传统的图像编辑软件例如Photo Shop等一直受到广泛使用,但是由于一些传统算法的局限性,不能有效地处理残缺的图像。近来,一大批基于深度学习算法的图像修复技术应运而生,极大地克服了传统算法的局限性。然而已有的深度学习算法在应对缺失
智力代表人类的一个决定性特征,关系到我们学业、工作、经济、健康、寿命等生活的各个方面,了解个体智力差异的神经机制可以优化我们的认知发展。当前人们对预测个体水平的个性化认知或健康结果的成像生物标记物的兴趣日益增加,然而对于个体智力的预测因素和神经机制研究存在大量争议,源于大多研究忽略了个体智力的异质性,仅寻找与智力相关的单一神经生物学特征,或者使用单一的神经成像模态,难以推广到新个体。另外,人脑结构
物体表面发射或者反射出来的特定波长的非相干光会携带有物体自身的信息,而偏振光探测技术可以提供物体表面特征、形状、阴影和粗糙度等常规光谱以及强度图像所不能提供的信息,因此偏振探测技术在光学探测等领域有着不可估量的潜力。而二维钙钛矿由于本身是由无机骨架以及有机阳离子组成的天然量子阱结构,具有高度各向异性的物理性质,除此之外,二维钙钛矿还具有优越的光电性能,这为二维钙钛矿在偏振光探测领域的应用提供了可能
当前研究认为弱视并不是一种单纯的眼部异常疾病,其临床症状表现与大脑视觉神经系统的异常是密切相关的,且弱视的神经病理基础尚未完全阐明。因此,本研究招募两种单眼弱视类型(斜视性弱视和屈光参差性弱视)的儿童患者和年龄匹配的视力发育正常的儿童(4-12岁,共55例筛选后为30例,其中男性17例)志愿参与研究,采集所有受试者高分辨率结构图像、静息态功能磁共振影像和自然刺激功能磁共振影像来探索单眼弱视儿童的神