基于fMRI动态功能连接的抑郁症患者分类研究

针对当前抑郁症诊断正确率偏低、误诊率偏高的问题,利用f MRI动态功能连接研究了抑郁症辅助诊断问题。采用滑动时间窗技术研究功能连接及其网络拓扑特性的动态变化,然后基于这些动态特征应用多元模式分析方法对22名抑郁症患者和27名健康被试者进行分类。采用动态分析方法能够增加样本数量,从而更加有利于一些分类算法的应用。实验结果表明以动态功能连接和网络拓扑特性为特征的分类正确率均为93.88%,明显优于对应非动态特征81.63%和85.71%的结果。分析表明,具有高辨别力的特征所对应的脑区主要分布在默认网络、情感网络、视觉皮层区等,动态功能连接可能为抑郁症的辅助诊断提供新的手段。...

Full description

Saved in:
Bibliographic Details
Published in计算机应用研究 Vol. 34; no. 3; pp. 678 - 682
Main Author 皇甫浩然 杨剑 杨阳
Format Journal Article
LanguageChinese
Published 北京工业大学电子信息与控制工程学院,北京100124 2017
脑信息智慧服务北京市国际科技合作基地,北京100124%前桥工业大学,日本前桥371-0816
磁共振成像脑信息学北京市重点实验室,北京100124
Subjects
功能磁共振成像
动态功能连接
抑郁症
静息态
dynamic functional connectivity
抑郁症
functional magnetic resonance imaging(fMRI)
动态功能连接
depression
功能磁共振成像
resting-state
静息态
Online AccessGet full text
ISSN1001-3695
DOI10.3969/j.issn.1001-3695.2017.03.009

Cover

More Information
Summary:针对当前抑郁症诊断正确率偏低、误诊率偏高的问题,利用f MRI动态功能连接研究了抑郁症辅助诊断问题。采用滑动时间窗技术研究功能连接及其网络拓扑特性的动态变化,然后基于这些动态特征应用多元模式分析方法对22名抑郁症患者和27名健康被试者进行分类。采用动态分析方法能够增加样本数量,从而更加有利于一些分类算法的应用。实验结果表明以动态功能连接和网络拓扑特性为特征的分类正确率均为93.88%,明显优于对应非动态特征81.63%和85.71%的结果。分析表明,具有高辨别力的特征所对应的脑区主要分布在默认网络、情感网络、视觉皮层区等,动态功能连接可能为抑郁症的辅助诊断提供新的手段。
Bibliography:51-1196/TP
Huangfu Haoran1,2,3, Yang Jian1,2,3, Yang Yang4 （ 1. College of Electronic Information ＆ Control Engineering, Beijing University of Technology, Beijing 100124, China ; 2. Beijing Key Laborato- ry of Magnetic Resonance Imaging ＆ Brain Informatics, Beijing 100124, China; 3. Beijing International Collaboration Base on Brain Informa- tics ＆ Wisdom Services, Beijing 100124, China ; 4. Maebashi Institute of Technology, Maebashi 371-0816, Japan）
This paper investigated a computer aided diagnosis model of depression using dynamic functional connectivity,the aim of which was to improve the accuracy of depression diagnosis. Firstly,it studied the dynamic change of topologic characteristic of f MRI and brain functional connectivity by sliding time window technique. Then,it employed a multivariate pattern analysis method to classify 22 patients with depression and 27 healthy volunteers. Dynamic functional connectivity analysis could increase the number of samples,which made more classification algorithms practic
ISSN:1001-3695
DOI:10.3969/j.issn.1001-3695.2017.03.009