不同时间尺度的静息态功能脑网络对抑郁症识别的影响

摘要

研究显示,功能连接为特征被用于抑郁症机器识别的研究受到人们关注,但不同时间尺度的静息态功能脑网络能捕获抑郁症神经病理信息的水平尚不明确,对抑郁症识别效果的影响也未知.本研究采用非线性回归方法,建立了不同时间尺度的脑网络对抑郁症识别效果影响的模型,并阐明了典型时间尺度的脑网络所捕获的抑郁症病理信息.研究分析了64例临床抑郁症和53例健康对照被试的数据.首先,建立功能脑网络,获得抑郁组显著的功能连接;其次,将显著连接输入支持向量机训练、测试,获得敏感、特异以及精确度;再次,建模识别效果随时间变化的规律,获得识别效果的模型.初具识别能力的网络时间尺度约为46个重复时间(repetition time,TR),主要捕获后扣带回与眶额叶皮层间,右眶部额中回与左角回间,左回直肌与左海马间强化的功能连接.获得最好识别效果的网络时间尺度约为114个TR,且多捕获了右角回与双侧顶下缘角回、额中回间,左杏仁核与左缘上回、右中央沟盖间弱化的功能连接.随时间的增加,脑网络可能捕获某些与抑郁症不直接相关的连接,使识别效果降低.因此,抑郁症识别效果随静息态功能脑网络时间尺度的增加呈现倒U形趋势.这将为进一步研究抑郁症的神经病理机制和提高其智能识别效果提供参考.