基于静息态功能连接的精神状态分类研究

发布时间：2020-03-29 22:20

【摘要】：近几年来,随着医学及相关科学的发展,精神疾病的诊断及治疗已经取得了很大进步。特别是随着MRI技术的发展,利用fMRI研究精神疾病已经成为一大热点。但是许多问题依然没有解决,比如现有的判定精神疾病的标准不够精准。本文希望利用健康人的fMRI数据对精神状态进行量化。量化的目的在于一方面可以和判定标准一起使用,有益于医生做出正确的判断;另一方面可以更容易判断出,个体偏离良好的精神状态的程度,针对不同程度的个体,给予适当的建议以及治疗方案,帮助他们向良好的精神状态发展。为了验证量化的可行性,需要讨论,在大脑活动上,不同精神状态的健康人之间存在的差异,与精神疾病患者与健康人之间存在的差异是否一致。由于精神疾病患者与健康人之间存在的差异已经被许多研究者研究过,所以本文的主要工作是找出不同精神状态的健康人之间存在的差异。本文的研究对象是被判定标准DSM-IV确定为未患病的群体,统称为健康人。由于研究对象没有标签,本文利用统计学、机器学习、脑科学等相关知识,设计算法,解决这一无监督机器学习问题。通过算法分离出了几组与抑郁症有关的、不同精神状态的群体。本文发现,在大脑活动上,这几组群体存在一些相同的差异。对比抑郁症和健康人之间存在的差异,两者具有较高的重合度。这种现象表明,在大脑活动上,不同精神状态的健康人之间存在的差异,与精神疾病患者和健康人之间存在的差异是一致的。该结论为基于健康人的fMRI数据对精神状态进行量化的研究奠定了基础。本文的特色:1、由于现有判定标准的主观性较强,本文从静息态fMRI角度出发,找出不同精神状态的健康人在大脑活动上的差异,为量化精神状态奠定了基础。2、由于大多数研究只关注患病和未患病群体,本文从健康人的数据出发,拓宽了人们对精神疾病的认识。3、本文算法为解决无监督机器学习问题提供了新的思路。
【图文】：

功能连接矩阵图2.3一个样本的功能链接矩阵(dim=333×333)

图2.4支持向量与间隔
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R749;R445.2

【参考文献】

相关期刊论文 前3条

1 苏莉;韦波;;我国精神疾病流行病学调查研究概况[J];内科;2010年04期

2 梁夏;王金辉;贺永;;人脑连接组研究:脑结构网络和脑功能网络[J];科学通报;2010年16期

3 田丽霞;;基于静息状态的功能磁共振成像[J];北京生物医学工程;2008年02期

，

本文编号：2606584