抑郁症共病焦虑障碍的人脑结构网络研究

发布时间：2017-08-24 16:18

  本文关键词：抑郁症共病焦虑障碍的人脑结构网络研究

  更多相关文章： 抑郁症 抑郁症共病焦虑障碍 弥散张量成像 脑结构网络 拓扑属性 机器学习

【摘要】：抑郁症与焦虑障碍属于两个完全独立的疾病单元,但在临床中常见抑郁症共病焦虑障碍(以下简称“共病”)。共病患者具有起病年龄晚、病情重、自杀危险性高等特点。本文基于弥散张量成像影像,采用复杂网络理论及机器学习等分析方法,定量分析共病患者脑结构网络拓扑属性与疾病严重程度(抑郁、焦虑)之间的关系,揭示疾病对人脑结构网络产生影响的神经病理机制。基于解剖学自动标记模板AAL-1024定义脑区,并采用确定性纤维束追踪方法构建大脑白质结构网络。通过分析共病组、抑郁症组及健康对照组的大脑结构网络拓扑属性,主要发现包括:三组人群的大脑结构网络均呈现出小世界属性,核心节点主要分布在联合皮层;共病组与抑郁症组相比,聚类系数、特征路径长度、局部效率、全局效率存在显著差异;与共病组和健康对照组比较,抑郁症组的节点效率在颞叶、双侧额上回等脑区存在显著改变。研究疾病患者大脑结构网络拓扑属性与疾病严重程度的相关性,主要发现包括:共病组全局属性与疾病严重程度不存在显著相关;基于FN构建的脑结构网络,抑郁症组脑网络属性(FN阈值为3,4,5时)的全局效率、特征路径长度、平均解剖距离属性值与HAMA-14评分呈显著负相关,模块度属性值与SDS评分呈显著负相关;基于FA构建的脑结构网络,抑郁症组脑网络属性(FA阈值为0.2,0.25,0.3时)的局部效率、特征路径长度、平均解剖距离属性值与HAMA-14评分呈显著负相关,此外模块度属性值(FA阈值为0.3)与HAMD-17评分呈显著负相关;共病组和抑郁症组部分脑区(额上回、脑岛和尾状核等)的节点效率属性值与疾病严重程度存在显著相关。研究机器学习理论在脑结构网络拓扑属性特征提取和疾病的自动分类方法。采用SVM-RFE的自动分类方法比标准支持向量机算法在组间分类上效果更好,其中共病患者与抑郁症患者自动分类达到较高准确率,例如基于节点效率的分类结果:特异性为95%,敏感度为94.4%,准确率为94.7%。本文分析了共病患者的脑结构网络拓扑变化规律,从多角度进行差异性分析,利用客观临床精神学量表验证所用方法的临床可用性,可为共病患者的神经病理机制提供可靠的实验依据,及其辅助诊断、早期干预提供参考的脑影像学指标。
【关键词】：抑郁症 抑郁症共病焦虑障碍 弥散张量成像 脑结构网络 拓扑属性 机器学习
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R749
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-18
• 1.1 课题研究背景和意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 国内外研究现状及发展动态分析13-15
• 1.2.1 抑郁症研究现状13-14
• 1.2.2 焦虑障碍研究现状14-15
• 1.2.3 抑郁共病焦虑障碍研究现状15
• 1.3 研究内容和论文结构15-18
• 1.3.1 研究内容15-16
• 1.3.2 论文结构16-18
• 第二章 基于脑网络研究抑郁症共病焦虑障碍理论基础18-26
• 2.1 抑郁症共病焦虑障碍概述18
• 2.2 弥散张量成像技术概述18-19
• 2.3 复杂网络与脑网络19-26
• 2.3.1 复杂网络基本概念19-21
• 2.3.2 复杂网络特征度量21-22
• 2.3.3 复杂网络模块性22-24
• 2.3.4 脑结构网络构建24-26
• 第三章 大脑结构网络拓扑属性26-43
• 引言26
• 3.1 对象与方法26-28
• 3.1.1 研究对象26-27
• 3.1.2 研究方法27-28
• 3.2 研究结果28-39
• 3.2.1 大脑结构网络全局属性28-32
• 3.2.2 大脑结构网络节点属性32-35
• 3.2.3 模块划分结果分析35-39
• 3.3 讨论39-42
• 3.4 本章小结42-43
• 第四章 大脑结构网络拓扑属性与疾病严重程度相关性43-59
• 引言43
• 4.1 对象与方法43
• 4.1.1 研究对象43
• 4.1.2 研究方法43
• 4.2 研究结果43-55
• 4.2.1 神经心理学测评结果43-44
• 4.2.2 全局属性与疾病严重程度相关分析44-49
• 4.2.3 节点属性与疾病严重程度相关分析49-55
• 4.3 讨论55-58
• 4.4 本章小结58-59
• 第五章 自动分类及结果分析59-67
• 5.1 引言59
• 5.2 自动分类研究方法59-62
• 5.2.1 支持向量机算法59-60
• 5.2.2 回归特征消去法60-61
• 5.2.3 留一验证方法61-62
• 5.3 实验结果分析62-66
• 5.3.1 共病组与抑郁症组分类结果63-64
• 5.3.2 共病组与健康对照组分类结果64-65
• 5.3.3 抑郁症组与健康对照组分类结果65-66
• 5.4 本章小结66-67
• 总结和展望67-70
• 总结67-68
• 展望68-70
• 参考文献70-75
• 攻读硕士期间取得的研究成果75-77
• 致谢77-78
• Ⅳ-2答辩委员会对论文的评定意见78

【相似文献】

中国期刊全文数据库 前5条

1 和昱辰;张波;瞿玮;宁洁;全弘宇;夏宇;姚远;韩梅;;血清单胺类神经递质及其代谢产物在重度抑郁症及抑郁共病焦虑障碍诊断中的应用[J];第三军医大学学报;2014年08期

2 尹芳;张敏;;沙盘游戏治疗重度抑郁症共病焦虑障碍患者的个案研究[J];教育导刊;2011年07期

3 国效峰,薛志敏,赵靖平,刘哲宁;重性抑郁症共病焦虑障碍的应对方式、社会支持和人格特征研究[J];中国临床心理学杂志;2005年02期

4 薛志敏;国效峰;赵靖平;刘哲宁;;重性抑郁症共病焦虑障碍的临床研究[J];中国行为医学科学;2005年12期

5 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 谢雯;;抑郁症与抑郁共病焦虑障碍差异的相关研究[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年

中国硕士学位论文全文数据库 前3条

1 吴秀勇;抑郁症共病焦虑障碍的人脑结构网络研究[D];华南理工大学;2016年

2 丁玉洁;基于脑病科门诊的高血压共病焦虑障碍临床分析及病机探讨[D];山东中医药大学;2015年

3 戚昊辰;抑郁症共病焦虑障碍患者磁共振影像学研究[D];华南理工大学;2015年

，

本文编号：732293