基于复杂性科学和功能磁共振成像的精神疾病分类研究

发布时间：2020-06-22 01:34

【摘要】：目的:精神性疾病是一类广泛影响患者情绪、社交和认知功能的疾病,给患者及家庭带来沉重的生活负担。对精神类疾病的精确诊断、及早干预意义重大。然而,目前对各类精神疾病的诊断具有明显的症状学取向、缺乏定量的生理指标、较低的诊断识别率,导致病情延误。本研究旨在利用功能磁共振成像技术,以分形和混沌理论的科学方法,从动力学角度分析抑郁症、精神分裂症、双相情感障碍和多动症患者在静息态和任务态下的大脑活动,探究其发病机制,为精确诊断精神疾病提供有效的生物标志物。材料与方法:实验设计主要针对抑郁症、精神分裂症、双相情感障碍和多动症等四类精神疾病展开。24名抑郁症患者和15名健康人参与完成了在美国辛辛那提大学医学研究中心开展的应激实验;44例精神分裂症患者、44例双相情感障碍患者、34例多动症患者和77例健康人参与完成了在加州大学洛杉矶分校开展的静息态以及单词配对记忆任务、单词配对回忆任务、空间工作记忆任务、任务切换任务、气球模拟冒险任务、呼吸控制任务和停止信号任务等7项任务态的实验。在各实验中收集功能磁共振成像资料,使用AFNI和fmriprep软件进行预处理,得到可信的实验数据。运用AFA方法去除体素时间序列的全局趋势,考察残差与滤波尺度之间的幂律关系,计算Hurst指数以刻画大脑活动的长程持续性;运用SDLE方法考察初值干扰产生的误差随时间演化发散特征,计算K1,K2,maxLambda参数以刻画大脑活动的初值敏感性;以AFA和SDLE分析结果作为特征,运用支持向量机对fMRI数据进行分类预测。结果:1.AFA研究结果:精神分裂症静息态fMRI数据得到的Hurst指数在大部分脑区均显著低于健康对照组,表明精神分裂症患者大脑自发活动的长程持续性降低;多动症静息态fMRI在左侧中央前回、左侧额中回、右侧嗅皮质等区域的Hurst指数显著低于正常人;抑郁症患者在应激任务和对照实验中全脑呈现降低的Hurst指数;在认知任务态中,各类精神疾病在相应的脑组织中呈现出有差异的长程持续性,如在单词记忆任务中,精神分裂症在框内额上回和回直肌呈现降低的长程持续性,而双向情感障碍全脑呈现上升的长程持续性;在呼吸控制任务中,各类精神疾病组与健康对照组的大脑活动长程持续性无显著差异。2.SDLE研究结果:在静息态中,双相情感障碍和精神分裂症患者的大脑自发活动初值敏感性显著高于正常人;在任务态中,各类精神疾病在相应的脑区中亦呈现出有差异的混沌特征。3.SVM研究结果:以AFA和SDLE结果作为特征,使用SVM-RBF对fMRI数据进行分类预测。精神分裂症与正常人的静息态fMRI数据达到83%的分类准确率。注:本研究采用双样本T检验进行统计检验,P值小于0.05则认为具有统计学意义上的显著差异。结论:fMRI数据具备分形和混沌的复杂特征,运用AFA和SDLE等复杂性科学方法能够有效刻画各类精神疾病大脑活动的非线性特征和差异,从动力学角度揭示疾病的生物机理,为临床诊断提供依据。
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R749;R445.2
【图文】：

轨迹图,高维空间,轨迹,示意图

对于一个给定的时间序列，最小的Ａｔ便是采样间隔时间ｔ。计算李雅普诺夫指数逡逑的经典算法是假定？￡0ｅ邋ｕｔ，并通过计算（／ｎｅｔ邋－来得到人＿丨。仅依赖于ｅＱ，就逡逑算真正混沌系统也可能不适用，如图２－１所示。在图２－１中可以更明显地看到，ｅｔ邋＋邋５ｔ逡逑实际上有可能比＆更小。对于这样的假设，一个更大的困难是，对于任何噪声，Ａ１都逡逑可能总是大于０，这样就容易导致混淆噪声和真正的混沌。另一方面，我们的算法没有逡逑保护任何假设，除了邋Ａｔ要比较小。逡逑为了计算ＳＤＬＥ，我们检查由公示１定义的点对（Ｖｉ，Ｖｊ）能够满足下面的不等式：逡逑ｚｋ邋＜邋｜｜ｖｉ邋－邋Ｖｊ｜｜邋＜邋ｓｋ邋＋邋Ａｓｋ，ｋ邋＝邋１，２，３，邋－ｖ逡逑１８逡逑

科赫曲线,自相似性

＇逡逑’逡逑图２－１是在一般高维空间中显示２个任意轨迹的示意图，其中当时间为０、ｔ和时，两条轨迹逡逑之间的距离分别为￡：（）、４和４邋＋邋３１；。逡逑Ｆｉｇ．２－１邋Ａ邋ｓｃｈｅｍａｔｉｃ邋ｓｈｏｗｉｎｇ邋２邋ａｒｂｉｔｉ＊ａｉ７邋ｔｒａｊｅｃｔｏｒｉｅｓ邋ｉｎ邋ａ邋ｇｅｎｅｒａｌ邋ｈｉｇｈ－ｄｉｍｅｎｓｉｏｎａｌ邋ｓｐａｃｅ，邋ｗｉｔｈ邋ｔｈｅ邋ｄｉｓｔａｎｃｅ逡逑ｂｅｔｗｅｅｎ邋ｔｈｅ邋ｍａｔｔｉｍｅ邋０，邋ｔ，邋ａｎｄ邋ｔ邋＋邋５邋ｔ邋ｂｅｉｎｇ邋￡0、邋和邋＋邋５ｔ，邋ｒｅｓｐｅｃｔｉｖｅｌｙ．逡逑当ｓ很小时，我们可以检测和ｈ＋Ａｔ之间的关系。当Ａｔ趋于零，我们得到：逡逑￡ｔ＋＾ｔ邋＝邋￡ｔｅＡ（￡￡）Ａｔ逦（２－２）逡逑其中，就是由下面公式得到的ＳＤＬＥ：逡逑ｌｎｓｔ＋Ａｔ邋－邋ｌｎｓｔ逦（２－３）逡逑Ａ⑷＝—Ｔｔ—－逡逑同样地，我们也可以这样表达：逡逑ｄｅｔ逦（２－４）逡逑￣ｄＦ邋＝邋Ａ（￡ｔ）邋￡ｔ逡逑对于一个给定的时间序列，最小的Ａｔ便是采样间隔时间ｔ。计算李雅普诺夫指数逡逑的经典算法是假定？￡0ｅ邋ｕｔ，并通过计算（／ｎｅｔ邋－来得到人＿丨。仅依赖于ｅＱ，就逡逑算真正混沌系统也可能不适用

【参考文献】