论文部分内容阅读
注意缺陷／多动障碍(Attention Deficit/Hyperactivity Disorder, ADHD)是一种在儿童期非常常见的精神失调。ADHD的病因与发病机理至今不明,而ADHD的诊断目前也主要依赖主观评估量表DSM-4。ADHD的客观诊断和有效治疗是神经科学领域的重要课题之一。近年来,静息状态fMRI技术在包括ADHD在内的神经精神疾病病理分析方面表现了突出的优势,基于静息状态fMRI的ADHD分类研究也已逐步展开。本研究中,我们基于97个ADHD患者和121个正常对照的静息状态fMRI数据开展ADHD分类及预测研究。具体地,我们首先基于静息状态fMRI数据提取了独立脑功能网络,分析ADHD患者的脑功能网络异常情况,并在此基础上结合SVM方法和随机森林方法开展ADHD分类及预测的研究。具体工作如下：其一,ADHD患者独立脑功能网络异常分析。基于静息状态fMRI数据,我们提取了每个样本的独立脑功能网络,进而对ADHD患者与正常对照的脑功能网络进行了比较。实验结果表明,ADHD患者在右侧额顶网络、后默认网络、眶额、运动控制通路以及运动听觉网络存在功能异常。其二,基于独立脑功能网络特征和SVM的ADHD分类及预测研究。基于前述统计分析结果,我们进行了单变量特征选择。在此基础上结合支持向量机方法构建分类及预测模型,用留一法交叉验证。实验结果表明,基于独立脑功能网络的空间图谱,对ADHD的分类正确率可达73.90%,对ADHD评分进行预测时,预测值和真实值的相关系数最高可达0.33。其三,基于独立脑功能网络特征和随机森林的ADHD分类及预测研究。同样基于经单变量方法选取的独立脑功能网络图谱特征,采用随机森林方法进行ADHD分类及预测,分类正确率和预测准确率都有较大的提升：分类最高正确率达到78.00%,而ADHD预测值与真实值的相关系数也可达到0.51。ADHD-200数据公布至今,领域内开展的基于静息状态fMRI的ADHD分类研究主要是基于fMRI信号局部一致性、多ROI功能连接等特征的。本研究首次尝试基于静息状态fMRI提取的独立脑功能网络特征开展ADHD分类及预测研究,并取得与国际报道相当的分类正确率。此外,本研究首次尝试了基于独立脑功能网络时间域特征开展精神疾病分类研究,实验结果并不理想,这一结果初步提示我们,由于独立脑功能网络时间域特征维度较低,能提供的有效信息极为有限,不利于神经精神疾病的分类。