基于独立成分分析的抑郁症脑网络属性分析

摘要

使用独立成分分析(ICA)与图论相结合的方法来研究抑郁症的脑网络拓扑属性差异可以为抑郁症的诊断提供依据.针对以ICA成分为节点构建的二值化网络中轻度抑郁症患者与正常人的传统属性差异不明显的问题,提出将二值化网络改进为加权网络,并引入信息维数这个属性.通过计算信息维数对比患者与正常人的显著差异,找到差异显著的独立成分,并进行溯源分析.实验结果表明,抑郁症患者的信息维数都明显高于正常人,说明抑郁症患者脑网络的复杂度更高,并且二者的差异显著脑区定位为左侧额叶中上回与左侧颞叶中回.