發(fā)布時間：2020-07-30 08:58

【摘要】：抑郁癥是一類常見的精神障礙類疾病。疾病伴有高致殘率,會對患者身心造成嚴重危害。但疾病的病理機制未知,抗抑郁藥物對病人的治愈率不高。在既往的靜息態(tài)功能核磁共振研究中,對抑郁癥治療評估的大部分研究都假設信號是近似平穩(wěn)的,鮮有人研究信號的動態(tài)屬性在治療評估中的作用。基于此,本文主要圍繞基于社區(qū)探測算法的動態(tài)模塊化展開,從腦區(qū)自身的動態(tài)屬性和腦區(qū)間的動態(tài)相關性的不同角度分別設計特征。同時,論文進一步研究了特殊時間段下這兩類特征的分析方法。最后,我們分析這些特征在治療評估中的作用,旨在為抑郁癥治療的臨床評估提供更有效的輔助依據。具體內容概況如下:1.利用動態(tài)模塊化特征評估抑郁癥治療前后的腦網絡的改變�；谏鐓^(qū)化探測算法,分別計算抑郁癥患者治療前后和健康對照組的的動態(tài)模塊化矩陣以及對應的模塊化狀態(tài)轉變特征靈活度(flexibility)。特征靈活度較好的表征了單個區(qū)域在模塊化中的狀態(tài)轉變的活躍程度。用置換檢驗或配對置換檢驗統(tǒng)計靈活度在3組之間的差異。發(fā)現治療后和健康人無顯著差異,治療前和健康人在默認模式網絡和認知控制網絡有顯著差異。治療8周實驗組治療前和治療后在默認模式網絡有顯著差異,治療3個月組治療前和治療后在默認模式網絡和認知控制網絡都存在顯著差異。且患者治療前后默認模式網絡和認知控制網絡的靈活度值與患者的漢密爾頓17項抑郁量表總分存在顯著線性相關性。所以,靈活度相對之前研究的絕大多數指標,從信號動態(tài)屬性的角度更好的闡述了抑郁癥治療前后患者腦網絡改變的差異。2.利用就醫(yī)但未治療抑郁癥患者的動態(tài)模塊化特征預測患者艾司西酞普蘭治療的早期效應。模塊忠誠度矩陣(Module allegiance matrix)矩陣表征動態(tài)模塊化矩陣中各區(qū)域間的相關性。跳躍矩陣(Jump matrix)表征動態(tài)模塊化矩陣中各區(qū)域間相關性的變化活躍程度。在原有靈活度,模塊忠誠度矩陣等特征的基礎上,引入跳變矩陣的方法,探求腦區(qū)間在相鄰時間窗內的非綁定關系對藥物早期療效的預測效果�；谥С窒蛄繖C分類器,上述指標被用于預測就醫(yī)但未治療的抑郁癥患者艾司西酞普蘭治療的早期效應。結果顯示,抑郁癥患者就醫(yī)但未治療狀態(tài)下的靈活度和跳變矩陣預測患者未來接受艾司西酞普蘭治療早期效應的準確率都達到了79.41%,并且結果魯棒。分類器使用靈活度區(qū)分早期治療起效組和無效組發(fā)現的差異在腦區(qū)水平,而跳變矩陣的差異在網絡水平。同時,模塊忠誠度矩陣進一步研究了靈活度發(fā)現的差異腦區(qū),找到了其中更重要的核心腦區(qū)。所有以上特征從動態(tài)的不同角度共同為就醫(yī)但未治療的患者合適服用艾司西酞普蘭提供了有效的輔助依據。3.利用特殊時間段內動態(tài)模塊化特征預測就醫(yī)但未治療抑郁癥患者接受艾司西酞普蘭治療的早期效應。分析模塊化矩陣在全時長上靈活度和跳躍矩陣值的分布,我們發(fā)現靈活度和跳躍矩陣的值主要集中在少數時間窗內。這說明腦區(qū)自身的動態(tài)活躍程度和腦區(qū)間相關性變化的活躍程度在全時長上是不穩(wěn)定的,主要集中于少數時間段內。本章先研究了治療有效組和無效組在穩(wěn)定性上的差異,發(fā)現2組有著相似的不穩(wěn)定模式。隨后,本章分別研究2組在全腦靈活度最強的k個時間窗內的差異和全腦跳躍矩陣跳變最劇烈的k個時間窗內的差異。結果表明,靈活度屬性的前2~5個狀態(tài)轉變最劇烈的相鄰時間窗內預測患者使用艾司西酞普蘭治療起效的分類效果達到80%以上,最高分類效率有88.24%。同步收集的兩個外中心的測試集結果上也分別得到了86.49%和85.29%的識別準確率。同時,跳變矩陣在前3~5個跳變最劇烈的相鄰時間窗內存在較好的結果,最高分類準確率有94.12%。外中心的測試集也分別得到了81.08%和82.35%的識別準確率。所以,全腦特殊時間段內的動態(tài)特征能更有效的反映個體腦活動水平的差異,為服用艾司西酞普蘭提供了更有效的輔助依據。
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R445.2;R749.4
【圖文】：

圖1.1（A）表示遞歸神經網絡簇的響應模型。所有遞歸神經網絡通過兩個非線性的隱藏層和一個線性輸出層處理特征序列。圖 1.1（B）表示遞歸神經網絡非線性隱藏層的細節(jié)結構。L-10/50/10 表示隱藏層中分別有 10，50 或 100 個長期短期記憶單元，G-10/50/10表示隱藏層中分別有 10,50 或 100 個門控循環(huán)單元。圖中方塊表示非線性映射，圓圈表示對信息流的門控邏輯。圖 1.1(C)表示對比的嶺回歸簇響應模型。所有的嶺回歸模型通過一個線性層處理特征序列。但是不同的嶺回歸簇在解釋血流動力學延遲方面有所不同。其中，ridge regression 模型同步了刺激和反應 BOLD 信號，regression family 模型延遲了 3 秒~6 秒的反應 BOLD 信號。

東南大學碩士學位論文用了窗口傅里葉變換和主成分分析結合的方法來實現分析[32]。2 基于 rsfMRI 動態(tài)功能連接的動態(tài)模塊化建模研究設置合適參數計算的動態(tài)功能連接可以較好描述 rsfMRI 功能連接的動態(tài)變化。上，有相關研究使用 k 均值聚類算法進一步評估全腦動態(tài)功能連接模塊化過程動力學特性[19]。方法的具體過程如圖 1.3 所示。該研究使用了 405 位年輕成年RI 數據。研究者使用滑動時間窗度量空間獨立分析提取信號的動態(tài)功能連接。然時間窗內腦區(qū)間的動態(tài)功能連接都被作為聚類的特征進行 k 均值聚類分析。研信號包括 50 個獨立分析后的成分。所以，每一個時間窗有 50×（50-1）/2=能連接。這 1225 條功能連接作為 1225 維特征進行 k 均值聚類。聚類的結果展在掃描過程中所屬狀態(tài)隨時間變化的過程。所以，基于 k 均值聚類算法的研究步的分析神經系統(tǒng)之間功能協(xié)調的動力學特征。

圖 1.4 社區(qū)探測算法分析流程圖[35]于社區(qū)探測算法本身的缺陷，社區(qū)探測算法只能發(fā)現腦網絡模塊化狀態(tài)歸了改變，但無法具體分析模塊化的各個狀態(tài)。于 rsfMRI 動態(tài)模塊化的隱馬爾科夫模型模型研究于聚類算法的動態(tài)模塊化研究基礎上，有研究進一步提出了基于隱馬爾科狀態(tài)轉變特征計算框架。該計算框架由三個步驟組成，具體如下[36]：（1能連接。研究提取了 rsfMRI 的 BOLD 信號時間序列，再在時間序列上使計算動態(tài)功能連接。（2）計算動態(tài)模塊化歸屬。研究使用分層聚類算法塊化歸屬。聚類的距離使用歐幾里德距離來測量。（3）分析動態(tài)模塊化研究將計算得到的大腦動態(tài)模塊化過程視為狀態(tài)的觀察序列，使用隱馬爾學習狀態(tài)的隱藏序列。研究使用 Baum-Welch 算法估計隱變量，使用前向-學習到的隱馬爾科夫模型序列與給定的觀察序列的匹配程度。，該框架被用于評估健康被試和創(chuàng)傷后應激障礙被試這兩個類別之間隱馬藏序列的差異。結果表明，隱馬爾科夫模型模型的隱藏序列能較好區(qū)分創(chuàng)和健康被試[36]。

【相似文獻】

相關期刊論文 前10條

1 曾仕富;;單用抗抑郁劑與抗抑郁劑聯用心理治療在抑郁癥治療中的療效比較[J];吉林醫(yī)學;2017年03期

2 彭遠森;;焦點解決在青少年抑郁癥治療中的可行性分析[J];教育教學論壇;2017年22期

3 張欣;傅岳文;;支持性心理治療對老年抑郁癥治療效果的影響[J];中國醫(yī)療設備;2017年S1期

4 黃蕾;;中醫(yī)藥在抑郁癥治療中的研究綜述[J];現代職業(yè)教育;2016年13期

5 房穎;;中醫(yī)對抑郁癥治療的臨床分析[J];中醫(yī)臨床研究;2014年10期

6 韋龍靜;;抑郁癥治療依從性研究概述[J];藥學實踐雜志;2012年06期

7 ;世界首臺抑郁癥治療儀在哈研制成功[J];科技與出版;2011年06期

8 郄曉明,張芳;抑郁癥治療中發(fā)作的處理[J];中國冶金工業(yè)醫(yī)學雜志;2004年01期

9 韓冬梅;王偉;;探討不同停藥方法對抑郁癥治療緩解后復發(fā)情況的影響[J];臨床研究;2018年08期

10 魯亞平;李偉;;抑郁癥治療策略研究進展[J];生物學教學;2009年11期

相關會議論文 前10條

1 劉曉倩;韓布新;;國外抑郁癥治療研究進展及前沿熱點的可視化分析[A];第六屆心理健康學術年會論文摘要集[C];2017年

2 陳煒;;抑郁癥治療的再思考[A];2009年浙江省醫(yī)學會精神病學學術年會暨浙江省醫(yī)師協(xié)會精神科醫(yī)師分會第二屆年會論文匯編[C];2009年

3 宋海東;;兒童青少年焦慮、抑郁癥治療進展[A];2009年浙江省醫(yī)學會精神病學學術年會暨浙江省醫(yī)師協(xié)會精神科醫(yī)師分會第二屆年會論文匯編[C];2009年

4 魯明源;;《內經》重陽思想對抑郁癥治療的啟示[A];中華中醫(yī)藥學會第九屆內經學術研討會論文集[C];2008年

5 譚仁祥;孔令東;羅蘭;;抑郁癥治療的中藥研究進展[A];面向21世紀的科技進步與社會經濟發(fā)展（下冊）[C];1999年

6 張慧敏;許晶;王俊平;;綜合醫(yī)院抑郁癥治療依從性的臨床干預實驗[A];第九次全國神經病學學術大會論文匯編[C];2006年

7 王秀鋒;;情志護理干預在銀屑病抑郁癥治療中的患者滿意度評價[A];2011全國中西醫(yī)結合皮膚性病學術會議論文匯編[C];2011年

8 徐志卿;;抑郁癥治療的新靶點--甘丙肽及其受體[A];Proceedings of the 7th Biennial Meeting and the 5th Congress of the Chinese Society for Neuroscience[C];2007年

9 壽忠平;;小劑量舒必利在抑郁癥治療中的增效作用[A];浙江省醫(yī)師協(xié)會精神科醫(yī)師分會成立大會暨二○○八年浙江省精神病學學術年會論文匯編[C];2008年

10 陳煒;;抑郁癥治療前后IL-18、MIP-1α、MCP水平的研究[A];2007年浙江省精神病學學術年會論文匯編[C];2007年

相關重要報紙文章 前10條

1 本報記者 朱萍;抑郁癥治療需求巨大 靈北重磅新藥在華上市[N];21世紀經濟報道;2018年

2 實習生 邢佰英 本報記者 李麗;探訪全國首家抑郁癥治療中心[N];中國青年報;2006年

3 中國科學院心理研究所 祝卓宏;抑郁癥治療，別被痊愈假象蒙了眼[N];健康報;2017年

4 本報記者 裘炯華;抑郁癥治療將添新藥[N];醫(yī)藥經濟報;2017年

5 張?zhí)锟?抑郁癥治療要雙管齊下[N];中國醫(yī)藥報;2016年

6 記者 朱偉光　特約記者 朱偉華;我國研制出世界首臺抑郁癥治療儀[N];光明日報;2011年

7 記者 李麗云;世界首臺抑郁癥治療儀在哈研制成功[N];科技日報;2011年

8 記者 彭溢;我省首創(chuàng)抑郁癥治療儀[N];黑龍江日報;2011年

9 記者 項錚;SK抑郁癥治療劑獲FDA臨床試驗批準[N];科技日報;2009年

10 本報記者 邱爽;抑郁癥治療有了新模式[N];保健時報;2008年

相關博士學位論文 前1條

1 季秀珍;閱讀療法在兒童抑郁癥治療中的適合性研究[D];南京師范大學;2016年

相關碩士學位論文 前10條

1 莫昭奇;靜息態(tài)fMRI網絡模塊動態(tài)交互及其對抑郁癥治療的評估[D];東南大學;2018年

2 葉青;抑郁癥治療儀的研制及應用研究[D];四川大學;2007年

3 洪慧娟;羅夏測驗抑郁指數在抑郁癥治療前后的變化[D];暨南大學;2008年

4 姜文超;加入情感組織者對抑郁癥治療效果的影響臨床實驗研究[D];遼寧師范大學;2011年

5 王超;醫(yī)療體育對青少年抑郁癥治療效果的個案研究[D];武漢體育學院;2014年

6 王濤;元認知能力培養(yǎng)對抑郁癥治療有效性的實驗研究[D];遼寧師范大學;2008年

7 周婕;草酸-s-西酞普蘭對抑郁癥治療作用機制研究[D];第一軍醫(yī)大學;2006年

8 魏倩倩;焦慮癥狀對抑郁癥治療效果的影響[D];山東大學;2012年

9 侯春香;綜合護理干預措施對抑郁癥治療效果影響的研究[D];吉林大學;2016年

10 魯娜;音樂及生物反饋療法對大學新生抑郁癥治療的觀察[D];貴陽中醫(yī)學院;2010年

本文編號：2775320