基于fMRI动态功能连接的抑郁症患者分类研究

发布时间：2018-01-07 10:24

本文关键词：基于fMRI动态功能连接的抑郁症患者分类研究　出处：《计算机应用研究》2017年03期 　论文类型：期刊论文

【摘要】：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。
[Abstract]:In view of the current depression the correct diagnosis rate is low, the misdiagnosis rate is higher, the connection problem of diagnosis by F depression MRI dynamic function. The dynamic changes of network topology and its connection with the sliding window technique of function, then the dynamic characteristics of the application of multi mode analysis method based on the classification of 22 depression patients and 27 healthy subjects. Using the dynamic analysis method can increase the number of samples, and thus more conducive to the application of some classification algorithms. The experimental results show that the dynamic functional connectivity and network topology for the classification characteristics of the correct rate is 93.88%, significantly better than the corresponding non dynamic characteristics of 81.63% and 85.71%. The result of analysis shows that the corresponding brain regions with high discrimination is mainly distributed in the default network, emotional network, visual cortex, dynamic functional connectivity for depression To provide a new means of diagnosis.

【作者单位】：北京工业大学电子信息与控制工程学院;磁共振成像脑信息学北京市重点实验室;脑信息智慧服务北京市国际科技合作基地;前桥工业大学;
【基金】：国家“973”计划资助项目(2014CB744600) 国家自然科学基金资助项目(61420106005)
【分类号】：R445.2;TP391.41;R749.4
【正文快照】： 100124;3.脑信息智慧服务北京市国际科技合作基地,北京100124;4.前桥工业大学,日本前桥371-0816)0引言抑郁症是一种普遍存在的精神疾病,以显著而持久的心境低落和兴趣缺失为主要临床特征。抑郁症患者在情感处理和管理方面存在障碍,学习和记忆能力也可能有所下降,并且严重影响

【参考文献】