Schizophrenia:较弱的自上而下认知控制和较强的自下而上信号传递作为精神分裂症的发病机制
13小时前 xiongjy MedSci原创 发表于上海
精神分裂症患者的自上而下认知控制减弱,自下而上信号传递增强。ISAE-SVM模型在分类精神分裂症患者和健康对照组时表现出82%的准确率。
精神分裂症是一种严重的精神疾病,其临床症状高度异质性,主要表现为认知障碍和感知觉异常。认知障碍通常与自上而下的调控机制异常有关,而感知觉异常则与自下而上的信息处理功能障碍相关。然而,目前尚不清楚精神分裂症的主要驱动因素是自上而下的控制机制、自下而上的感知过程,还是两者的相互作用。本研究假设,异常的上下行相互作用构成了精神分裂症的神经机制。基于静息态功能磁共振成像(rs-fMRI)数据,研究开发了一种改进的堆叠自编码器-支持向量机(ISAE-SVM)模型,用于精神分裂症的诊断。通过置换测试,从模型输出特征中识别出213个最具区分性的功能连接,并进一步分析了这些功能连接与临床症状的相关性。最后,使用频谱动态因果模型(sDCM)分析了这些功能连接对应脑区之间的动态因果相互作用。
研究结果显示,ISAE-SVM模型的平均分类准确率达到82%。值得注意的是,五个跨越认知和感知脑区的静息态功能连接与阳性和阴性症状量表(PANSS)评分显著相关。此外,sDCM分析揭示了精神分裂症患者自上而下调控减弱和自下而上信号传递增强的现象。这些发现支持了研究假设,即受损的自上而下调控和增强的自下而上信号传递共同构成了精神分裂症的神经机制。
研究首先对rs-fMRI数据进行了预处理,包括时间层校正、头动校正、结构像与功能像的配准、分割、归一化等步骤。随后,使用ISAE-SVM模型对功能连接矩阵进行分类。ISAE网络通过多层自编码器对输入特征进行非线性变换,提取潜在特征,并通过支持向量机进行分类。为了识别最具区分性的功能连接,研究采用了置换测试,最终筛选出213个关键功能连接。进一步的相关性分析表明,这些功能连接与PANSS量表的多个子项评分显著相关。最后,使用sDCM分析了这些功能连接对应脑区之间的动态因果相互作用。
图1:分析过程概述
研究结果表明,精神分裂症患者的自上而下调控减弱,表现为从前额叶皮层(如ORBinfL、ORBmidL和RECL)到感知脑区(如HESL、CUNR和DCGR)的有效连接减弱。与此同时,自下而上的信号传递增强,表现为从感知脑区到前额叶皮层的有效连接增强。这些发现与以往的研究一致,表明精神分裂症患者的认知障碍与自上而下调控的减弱有关,而感知觉异常则与自下而上信号传递的增强有关。
研究还发现,ISAE-SVM模型在分类精神分裂症患者和健康对照组时表现出较高的准确率(82%),显著优于其他对比模型(如SAE-SVM、ISAE-KNN、ISAE-LR和ISAE-DTREE)。该模型通过引入Dropout层和短连接,解决了传统自编码器在训练过程中梯度消失的问题,并通过优化损失函数,提升了模型的分类性能。
图2:五种不同模型的分类准确率
总之,本研究揭示了精神分裂症的发病机制可能与自上而下认知控制的减弱和自下而上信号传递的增强有关。这种上下行相互作用的异常动态因果关系可能解释了精神分裂症复杂多样的临床表现。此外,ISAE-SVM模型作为一种潜在的智能诊断工具,展示了深度学习在精神分裂症临床诊断中的应用前景。
文献出处:

本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

#精神分裂症# #功能连接# #动态因果模型#
4