抑郁症伴躯体化症状与功能脑区关系的研究进展

抑郁症患者普遍伴有躯体化症状,其与病情恶化、疾病缓解率低和不良预后有关。目前伴有躯体化症状的抑郁症诊断方法较为局限,主要依靠临床医生主观判断,尚缺乏相关的客观评价标志物。近年来,静息态功能磁共振(rs-fMRI)检查在探索抑郁症躯体化症状发病领域中具有独特优势。本研究基于rs-fMRI技术,从区域同质性分析、区域灰质体积、低频波动幅度、功能连接性、网络同质性分析入手,对近年来抑郁症伴躯体化症状与功能脑区关系的研究进展作一综述。

多功能脑电生物反馈系统对ADHD及感觉统合失调的诊断和治疗研究

目的:阐明多功能脑电生物反馈系统对注意力缺陷伴多动症(attention deficit hyperactivity disorder,ADHD)儿童的干预治疗效果及对感觉统合失调的诊断和治疗意义。方法:选取ADHD患儿和非ADHD儿童各60例分别作为研究组和对照组。记录两组某一时段脑电波,观察θ波/β波比值或者α波/β波比值,用脑电生物反馈系统对ADHD及感觉统合失调儿童进行诊断及治疗,通过对受试者进行反复的声音和视觉刺激,观察认知变量情况,最终得到综合反应控制商数和综合注意力商数,运用IVA-CPT评估系统进行评估以了解治疗效果。结果:研究组α波波幅显著低于对照组,θ波波幅显著高于对照组,β波频率显著低于对照组(P<0.05)。研究组脑电相对功率θ/α、θ/β显著高于对照组,β波、SMR波脑电相对功率显著低于对照组,θ波相对功率显著高于对照组(P<0.05)。研究组6个IVA-CPT综合尺度商数显著低于对照组(P<0.05)。相关性分析:脑电相对功率、α波幅与听觉注意力商数、综合注意商数呈正相关,θ波频率、波幅与听觉注意力商数显著负相关,θ/α比值与综合注意商数、听觉注意力商数显著负相关,θ/β比值与综合反应控制商数、综合注意商数显著负相关(P<0.05)。经过治疗后ADHD患儿脑电功率指标θ%、θ/β比值出现显著下降,各商数水平均显著提高(P<0.05)。结论:多功能脑电生物反馈系统可作为诊断ADHD及感觉统合失调患儿的检查方法,且该方法可作为ADHD及感觉统合失调引起学习困难的主要治疗手段。

不同节点尺度下基于共同邻居的功能脑网络建模方法研究

采用脑网络的结构特性与功能特性相结合的建模方法,探索了3种不同节点尺度下的建模效果好坏。结构特性采用解剖距离;功能特性采用共同邻居这一相似性指标,从脑网络的全局属性与局部属性的角度分析了建模效果,并提出了一种评估构建的模型网络与真实网络的拟合相似程度的指标E值。结果表明,采用共同邻居相似性这一指标,在3种尺度下构建的脑网络与真实网络的属性拟合程度不同,90个节点下的拟合程度最好,其他2种次之。

阿尔茨海默症功能脑网络研究进展

近年来功能磁共振成像作为一种新兴的技术,被广泛应用于功能脑网络的研究中,一些功能脑网络被定义,如感觉运动网络、语言网络、默认模式网络、背侧注意网络、额顶叶控制网络、突显网络、中央执行网络等。阿尔茨海默症作为一种严重的神经退行性疾病,一直是脑科学中的研究热点,功能脑网络的研究为揭示其发病机制及早期诊断提供了可靠的依据。本文对功能脑网络用于阿尔茨海默症的研究进展进行综述。

脑小血管病淡漠与功能脑网络及认知的相关性

目的探讨脑小血管病(small cerebral vascular disease,CSVD)患者和健康对照者之间淡漠的发生率否具有差异,以及CSVD患者的淡漠与功能脑网络和认知功能之间的关系。方法前瞻性地招募83例CSVD患者和31名健康对照者。采用淡漠量表临床版(apathy evaluation scale-clinical,AES-C)、汉密尔顿抑郁量表(Hamilton depression scale,HAMD)、蒙特利尔认知评估修订版量表(Montreal cognitive assessment,MoCA)、听觉词语学习测试(auditory verbal learning test,AVLT)、Stroop色词测试(Stroop’s color word test,SCWT)、彩色数字连线测试(color trail test,CTT)、言语流畅性(verbal fluency test,VFT)和数字广度(digital span,DS),评估被试者的淡漠、抑郁和认知功能。所有被试者均进行头颅磁共振成像扫描,使用静息态功能磁共振成像分析CSVD患者的功能脑网络拓扑属性。结果CSVD患者AES-C得分高于对照组,CSVD患者淡漠发生率高于对照组(均P<0.05)。相关性分析发现,CSVD患者的AES-C评分与全局效率呈正相关,而与最短路径长度呈负相关(均P<0.05)。此外,CSVD患者的AES-C评分与HAMD、SCWT-字、CTTA和CTTB呈正相关,而与MoCA、AVLT-即刻、AVLT-延迟和VFT-动物结果呈负相关(均P<0.05)。结论脑小血管病淡漠与功能脑网络和认知功能显著相关,患者的淡漠得分越高,其脑网络的信息传输能力和认知功能越差。

节点属性的功能脑网络连接方法比较研究

为了比较构建功能脑网络时,不同功能连接定义方法所构建脑网络的可信度,弥补传统方法忽略网络结构特征的不足,提出了基于节点属性,通过多种网络结构属性,研究不同功能连接定义方法所构建功能脑网络差异的方法,比较功能脑网络的可靠性。实验结果说明,本方法对衡量网络连接定义之优劣非常有效。此外,实验结果还表明对于使用皮尔逊相关、偏相关与小波相关方法所构建功能脑网络边的可靠性而言,皮尔逊方法优于小波相关方法,偏相关方法略差于小波相关方法。

基于GPU并行的功能脑网络属性分析方法

为实现大规模功能脑网络拓扑属性的高效计算,提出基于GPU并行的脑网络属性分析方法。采用统一计算设备CUDA架构,属性分析方法中的计算密集型操作由GPU完成。以功能脑网络为对象,在GPU型号为NVIDIA Quadro K4200的工作站上对该并行方法进行模拟,将该方法与基于单程序多数据SPMD机制的脑网络属性分析方法进行比较。实验结果表明,当网络节点数大于1000时,该方法具有更高的计算性能。

SUT-610型多功能脑超声治疗脑血管病250例观察

脑血管疾病呈逐渐上升趋势，发病率、病死率、致残率高，随着预防工作和急救措施的积极开展，病死率有所下降，但致残率仍很高。我院自１９９６年１月～１９９８年６月，运用ＳＵＴ－６１０型脑超声治疗脑血管病２５０例，效果良好，总结如下。１资料与方法１．１一般资料...

抑郁症患者功能脑网络属性特征分类研究

重度抑郁症是一种常见的心理障碍。功能影像研究表明,重度抑郁症与大脑许多区域的异常有关,这些区域包括海马、海马旁回、中央前回、尾状核等。复杂网络理论为脑网络拓扑结构的研究提供了一个有效的研究方法,但以往的研究方法主要集中在功能脑网络属性的统计分析上。通过对抑郁症患者和正常人的功能脑网络属性特征的分类对比研究,从机器学习的角度提出一种新的诊断抑郁症患者的方法。

静息态功能脑网络差异指标分析及抑郁症分类应用

为了构建辅助诊断模型，以提高抑郁症诊断的准确率。在连续的阈值空间（8％～32％）内构建所有被试的功能脑网络并使用复杂网络理论对抑郁症患者的脑网络进行分析。通过设定阈值，根据统计显著性提取不同数量的节点属性与全局属性组合作为分类特征，并选择四种不同的分类算法进行分类研究，以得到构建一个准确率较高的模型。结果是SVM和神经网络算法在阈值P为0．05下，所建的模型的分类模型的准确率较高，分别达82．78％及81．36％，因此利用该方法所构建的诊断模型可以用于抑郁症的辅助临床诊断中。

基于随机分块模型的静息态功能脑网络可信度优化

为了提高静息态功能脑网络可信度,引用基于随机分块模型的网络重构方法对脑网络进行重构。通过网络指标的分析,验证该方法在脑网络中的适用性,找到网络中的虚假边;采用网络最大联通子集的方法来分析虚假边对网络连通性的影响。实验结果表明,该方法可用于脑网络的重构,通过重构可以找到影响脑网络连通性的虚假边,提高了连通性的可信度。

基于听觉ERP功能脑网络特征和SVM的测谎方法研究

基于图论理论的脑网络分析方法近年来在认知脑科学研究中起到了非常重要的作用,而基于事件相关电位(Event-Related Potentials,ERP)的传统测谎方法一直都专注于对某一特定通道上的脑电信号进行分析,针对传统方法中使用少数通道并不能够全面的反映人在说谎状态下大脑整体认知功能特征的缺点,本文提出了基于脑网络特征的测谎方法,通过听觉刺激诱发事件相关电位ERP,记录脑区多通道脑电信号,通过讨论各导联之间的相位延迟指数来构建脑功能网络,计算7类脑网络特征参数作为判别指标.分析被试在说谎和无辜状态下的网络特征参数,使用支持向量机对实验数据进行分类判断,结果表明:本文提出的方法有较高的判别准确率,优于目前判别方法的平均值,证明了本方法的测谎有效性.

基于多尺度功能脑网络融合特征的抑郁症分类算法

提出一种多尺度功能脑网络融合特征的抑郁症分类方法,具体思想包括:首先通过精细化脑区,建立4种不同尺度的脑网络;然后对每种尺度的脑网络分别提取局部特征和全局特征,并将多种尺度脑网络的特征进行有效融合并降维;最后使用支持向量机对患者脑部功能磁共振影像进行分类。试验结果表明,分别提取局部特征和全局特征,并进行有效融合,可以提升识别效果;空间尺度减小会得到更多有效特征,进而能够有效提升分类结果;多尺度特征融合也可以在很大程度上对分类结果起到积极作用。与传统单一大尺度脑网络方法相比,本研究提出的方法获得了更加优秀的试验结果,识别率可达88.67%,充分验证了本研究提出方法的有效性和可行性,并为抑郁症患者的临床诊断与治疗提供生物学依据。

基于节点相似度的功能脑网络建模方法

为比较3类链路预测指标(共同邻居、节点的度以及将二者相结合)中哪类指标更适用于功能脑网络建模,从5种脑网络全局与局部属性的角度分析建模效果,提出一种评价模型网络与真实网络整体相似度的指标"E值"。采用将脑网络结构与功能特性相结合的方法进行建模,结构特性为解剖距离,功能特性为节点相似度。实验结果表明,不同的链路预测指标对网络属性的拟合程度各不相同,从整体拟合度E值来看,共同邻居最好,共同邻居与度相结合次之,度最差。

功能脑网络规模对特征选择及分类的影响研究

功能脑网络中不同的模板定义导致网络规模差异极大,进一步影响所构建网络的结构及其拓扑属性。但是,在机器学习方法中网络规模差异是如何影响特征选择策略及分类准确率并不清楚。研究中采用5种不同节点规模的模板进行脑网络构建,在此基础上选择脑网络的三个局部特征用SVM方法构建分类器进行抑郁症患者的识别。结果表明,节点规模较大的模板的分类准确率较高;同时,在不同节点规模下传统的P值的特征选择方法均是可行的,但其阈值设置过于严格。

静息态功能脑网络的基因基础以及分类研究

为了判断抑郁症患者组与健康对照组之间是否存在显著的基因型差异及基因型与疾病状态间是否存在显著交互效应,选择GSK-3β(Glycogen Synthase Kinase-3β)基因,通过功能脑网络指标进行统计分析,并利用统计显著性作为特征选择的依据,提取不同数量的节点属性作为分类特征。选择四种不同的分类算法进行分类研究,结果表明SVM和人工神经网络算法构建的分类模型正确率较高,疾病状态分类模型分别达到73.50%和70.87%,基因分类模型分别达到74.35%和76.66%。因此,基因对静息态功能脑网络存在着一定的影响,并且证明了脑网络的相关指标可以作为对基因与抑郁症疾病之间存在交互效应的判断依据。

帕金森病伴认知障碍患者功能脑网络连通性的价值

目的探讨帕金森病伴认知功能障碍(PD-CI)患者各网络间的功能连通性及意义。方法采用独立成分分析(ICA)方法对34例PD患者与34名健康对照者(HC组)、20例PD-CI患者与HC组两两进行全脑独立成分分解,以独立成分为单位,计算独立成分之间的功能网络连通性(FNC)。结果与HC组相比,PD患者的感觉运动网络与右侧额顶网络、左侧额顶网络与默认模式网络的功能连接减弱,感觉运动网络(11)与感觉运动网络(5)、腹侧注意网络与感觉运动网络、腹侧注意网络与视觉网络(6、25)、视觉网络(6)与视觉网络(25)、视觉网络(6、25)与听觉网络、感觉运动网络与听觉网络、腹侧注意网络与背侧注意网络(32)的功能连接增强。与HC组相比,PD-CI患者的左侧额顶网络与默认模式网络的功能连接减弱。结论PD患者脑区间功能连接存在广泛异常,而PD-CI患者的左侧额顶网络与默认模式网络的功能连接减弱,认知相关脑网络之间连接存在一定程度的受损。

基于解剖距离的功能脑网络建模方法研究

为了分析解剖距离对静息态功能脑网络建模的影响,在解剖距离的基础上将节点共同邻居引入到功能脑网络的建模中。设计三个模型,分别是基于解剖距离,节点共同邻居个数和解剖距离与节点共同邻居个数。借鉴残差的方法创建最优静息态功能模型网络评价标准。在每种模型网络中选出最优的模型网络。然后将每种模型中的最优网络与真实数据fMRI网络对比选出能够最大程度模拟真实网络的模型网络。结果证明在AAL模板下单独基于解剖距离建立的功能脑网络能最大化的模拟真实的网络。

基于基因基础的静息态功能脑网络及分类研究

为了判断基因是否对抑郁症患者的功能脑网络存在影响,以及是否与抑郁症疾病状态之间存在相互效应,本实验选择了GSK-3β基因,利用功能脑网络的特性对其进行统计分析,再根据统计检验方法,构建分类模型。结果表明,SVM和神经网络在特征数目为25-30左右,分类模型的正确率比较高,疾病状态分别达到了77.30%和73.50%,基因型分别达到了77.35%及76.30%。由此可见,基因对静息态功能脑网络存在一定影响,也证明了基因与抑郁症疾病状态之间存在相互效应。

基于脑电图的帕金森轻度认知障碍功能网络特征分析

帕金森氏轻度认知障碍(PDMCI)是帕金森氏症患者痴呆的先兆,这对使用神经评分量表和医生经验等传统方法进行准确诊断提出了挑战。利用26名PDMCI患者和23名正常人的脑电信号,基于定向传递函数构建了Delta、Theta、Alpha、Beta和Gamma频段的脑功能网络。引入了一种新颖的图论特征——效率密度来捕获网络密度和传输效率。研究结果揭示了独特的连接模式,Delta和Theta波段的连接更紧密,而Alpha、Beta和Gamma波段的连接更稀疏。帕金森病(PD)患者与对照组之间的Theta、Alpha、Beta和Gamma频带存在显著差异(p<0.05)。因此,脑功能网络可以有效反映PD脑功能异常状态,效率密度特征可以反映PD脑功能异常活动的特征量。