论文部分内容阅读
注意缺陷／多动障碍(Attention Deficit/Hyperactivity Disorder, ADHD)是一种很常见的儿童精神发育障碍疾病。近十几年来,ADHD已经是我国乃至全球的严重的公共卫生问题。近年来,基于图论的复杂网络分析极大地推进了人类对于脑网络组织模式的认识。本研究中,我们基于96个儿童的静息状态fMRI图像,采用图论的方法构建了每个儿童的复杂脑网络,进而分析了ADHD症状引发的脑网络异常情况,最后基于构建的脑网络参数结合模式识别算法对于预测ADHD疾病的严重程度进行了初步探索。本研究所做的具体工作如下：首先,我们基于96个受试儿童(其中33个ADHD儿童,63个正常儿童)的静息状态fMRI数据,构建每个儿童的复杂脑网络,并求得脑网络参数：三个节点网络参数和六个全局网络参数。研究结果表明儿童脑网络也呈现和成人相似的“小世界”属性,并且有一些与成人类似的对信息传递起重要作用的“hub”脑区。其次,为分析人类注意缺陷严重程度(ADHD的症状之一)个体差异的脑网络机理,我们采用相关分析的方法分析了注意缺陷评分(IAS)与复杂脑网络参数的系数。实验结果表明：双边的尾状核和丘脑、左侧的中扣带和舌回以及右侧的海马的节点网络参数与IAS评分呈现显著的正相关(P<0.01),进一步的逐步线性回归分析中,生成的IAS评分预测模型中仅保留了左侧中扣带的中介核心性和左侧尾状核的全局效率。这些研究发现说明这七个脑区的局部网络拓扑组织结构影响了注意行为的个体表现。最后,我们基于复杂脑网络参数采用支持向量回归的方法,对个体注意缺陷水平进行预测。本研究中,我们基于复杂脑网络参数与IAS的相关系数进行特征选择,,分别采用线性核函数和多项式核函数,用支持向量回归的方法构建IAS评分预测模型,通过留一法交叉验证。结果表明,基于与IAS相关性最强的50个特征,采用多项式核函数,可以达到最好的预测效果,预测IAS与真实IAS的相关性系数达到0.44。综上所述,本研究中我们基于静息状态fMRI数据,对ADHD疾病注意缺陷症状的复杂脑网络机理做了一定探索,并对基于复杂脑网络参数开展ADHD注意缺陷症状严重程度预测进行了初步探索。本研究结果不仅有助于推进我们对注意缺陷脑机理的认识,而且对基于磁共振影像的ADHD辅助诊断研究有借鉴意义。