摘要 先前的深度学习方法尚未捕获大脑结构或功能连接组数据的图形或网络表示。为了解决这个问题,我们通过将 BrainNetCNN 和全局协方差池化纳入自注意力机制,开发了 BrainNet-全局协方差池化-注意力卷积神经网络 (BrainNet-GA CNN)。从 171 名精神分裂症谱系障碍 (SSD) 患者和 161 名健康对照者 (HC) 获得了静息态功能磁共振成像数据。我们对提出的 BrainNet-GA CNN 进行了消融分析,并使用嵌套十倍交叉验证策略与竞争方法进行了定量性能比较。将我们的模型的性能与竞争方法进行了比较。使用基于梯度的解释方法可视化判别连接,并与使用功能连接分析获得的结果进行比较。BrainNet-GA CNN 的准确率为 83.13%,优于其他竞争方法。在前 10 个判别连接中,一些与默认模式网络和听觉网络有关。有趣的是,这些区域在功能连接分析中也很重要。我们的研究结果表明,提出的 BrainNet-GA CNN 可以比其他模型更准确地对 SSD 和 HC 患者进行分类。显着区域的可视化提供了重要的临床信息。这些结果突出了 BrainNet-GA CNN 在精神分裂症诊断中的潜在用途。关键词:脑网络、功能连接组、卷积神经网络、全局协方差池、自我注意机制、精神分裂症
摘要 — 精神分裂症严重影响生活质量。迄今为止,简单(例如线性判别分析)和复杂(例如深度神经网络)机器学习方法都已用于基于功能连接特征识别精神分裂症。现有的简单方法需要两个独立的步骤(即特征提取和分类)来实现识别,这使得无法同时调整以获得最佳特征提取和分类器训练。复杂方法集成了两个步骤,可以同时调整以实现最佳性能,但这些方法需要大量的数据进行模型训练。为了克服上述缺点,我们提出了一种多核胶囊网络(MKCapsnet),它是通过考虑大脑解剖结构而开发的。将内核设置为与大脑解剖结构的分区大小相匹配,以捕捉不同尺度的区域间连接。受深度学习中广泛使用的 dropout 策略的启发,我们在胶囊层中开发了胶囊 dropout 以防止模型过度拟合。比较结果表明,所提出的方法优于最先进的方法。此外,我们比较了使用不同参数的性能,并说明了路由过程以揭示所提出方法的特点。MKCapsnet 在精神分裂症识别方面很有前景。我们的研究首先利用胶囊神经网络分析磁共振成像 (MRI) 的功能连接,并提出了一种考虑大脑解剖分区的新型多核胶囊结构,这可能是揭示大脑机制的一种新方法。此外,我们在参数设置中提供了有用的信息,这对进一步使用胶囊网络进行其他神经生理信号分类的研究很有帮助。
精神分裂症是一种对患者影响非常严重的精神疾病,它会攻击人类大脑中使人无法清晰思考的部分。2018 年,Rustam 和 Rampisela 使用西北大学精神分裂症数据对精神分裂症进行了分类,基于 66 个变量,包括群体、人口统计和问卷统计,基于阴性症状评估量表 (SANS) 和阳性症状评估量表 (SAS),然后使用的分类器是带高斯核的 SVM 和带线性和高斯核的 Twin SVM。此外,这项研究新颖地使用随机森林作为分类器来预测精神分裂症。获得的结果以准确率百分比表示,无论是在随机森林的训练中还是在测试中,准确率都是 100%。因此,与之前的方法相比,这种分类显示出最佳值,尽管只使用了 40% 的训练数据集。这非常重要,特别是在包括精神分裂症在内的罕见疾病病例中。
铁在人体中具有重要作用,并影响各种生理过程。一些研究表明,铁水平的失调与包括精神分裂症在内的不同精神疾病的发展之间存在联系。在精神分裂症患者中,已经观察到了大脑特定区域中铁的异常水平。铁水平可能有助于精神分裂症与其他遗传,环境和饮食因素结合使用。铁还可以有助于精神分裂症患者的认知功能更好,并且由于这组患者的频繁营养不良和营养不足,至关重要的是要考虑到常规血液学检查以及确定必要的营养缺乏症。
2020年7月14日,一名24岁的汉族男性患者被送往江坦市第五人民医院的精神病病房,表现为七年的精神分裂症历史和五个月的间歇性paroxysmal sialorrhea和脉动。这些症状是在氯氮平(18-107片/天,25 mg/片剂)和氯丙胺(7 - 40片/天/天,50 mg/tablet)的自我管理后出现的。在入院之前,门诊医生明确告知患者家庭的病情至关重要,随时可能会有威胁生命的并发症的潜在风险,并强烈建议立即转移到急诊室进行进一步评估和必要的辅助检查。但是,患者的家庭坚持接受精神病病房的录取,并以财务约束为由。签署了知情同意书,确认相关风险并对任何潜在的不利结果承担全部责任,精神科部门继续接受该患者的录取。
氧化还原生物学和免疫信号传导在人体中起主要作用,包括大脑功能。迅速成长的文献还表明,氧化还原和免疫异常与精神分裂症(SZ),双极性疾病,自闭症和癫痫病有关。在本文中,我们回顾了这一文献,其对SZ的病理生理的影响以及针对氧化还原和免疫信号传导的新型治疗干预措施的发展潜力。氧化还原生物学和大脑中的免疫信号传导很复杂,尚未完全理解。此外,文献中存在差异,尤其是在以患者为导向的研究中。尽管如此,很明显,在敏感的大脑发育期间,遗传因素与环境因素之间的相互作用在SZ中产生异常,这些异常破坏了本地电路和远距离连通性。纠正这些异常的干预措施可能有效地使精神疾病的大脑功能正常化,尤其是在疾病的早期阶段。
1挪威奥斯陆奥斯陆大学医院法医精神病学研究和教育中心; 2挪威精神障碍研究中心,挪威奥斯陆奥斯陆大学临床医学研究所; 3挪威奥斯陆奥斯陆大学医院急性精神病学系; 4挪威精神病研究中心,挪威奥斯陆奥斯陆大学医院精神病研究科; 5挪威特朗德海姆的圣奥拉夫医院法医精神病学研究与教育中心; 6挪威特朗德海姆挪威科学技术大学心理学系; 7挪威特朗德海姆挪威科学技术大学心理健康系; 8挪威Grålum的精神病学系; 9挪威Grålum的Østfold医院临床研究系; 10心理健康与成瘾部,挪威德拉蒙市维肯医院信托基金会; 11成人精神病学系,奥斯陆奥斯陆大学临床医学研究所,挪威; 12挪威大学惩教服务学院,挪威Lillesthøm1挪威奥斯陆奥斯陆大学医院法医精神病学研究和教育中心; 2挪威精神障碍研究中心,挪威奥斯陆奥斯陆大学临床医学研究所; 3挪威奥斯陆奥斯陆大学医院急性精神病学系; 4挪威精神病研究中心,挪威奥斯陆奥斯陆大学医院精神病研究科; 5挪威特朗德海姆的圣奥拉夫医院法医精神病学研究与教育中心; 6挪威特朗德海姆挪威科学技术大学心理学系; 7挪威特朗德海姆挪威科学技术大学心理健康系; 8挪威Grålum的精神病学系; 9挪威Grålum的Østfold医院临床研究系; 10心理健康与成瘾部,挪威德拉蒙市维肯医院信托基金会; 11成人精神病学系,奥斯陆奥斯陆大学临床医学研究所,挪威; 12挪威大学惩教服务学院,挪威Lillesthøm
背景:估计普通人群中精神分裂症的流行仍然是全球以及日本的挑战。很少有研究估计日本人口中的精神分裂症患病率,并且经常依靠医院的报告和自我报告的医师诊断或典型的精神分裂症症状。由于污名,洞察力差或受访者缺乏医疗保健的机会,这些方法可能会低估真正的患病率。为了解决这些问题,我们先前使用了来自大型日本基于日本的大型网络调查的数据开发了一个基于人工神经网络(ANN)基于精神分裂症分类模型(SZ分类器),以增强普通人群中精神分裂症病例识别的全面性。此外,我们还计划引入一项基于人群的调查,以收集一般信息和样本参与者,以匹配人口的人口结构,从而实现对日本精神分裂症患病率的精确估计。目的:本研究旨在通过将SZ分类器应用于日本人群的随机样本中来估计精神分裂症的流行。方法:我们随机选择了750名参与者的样本,其中年龄,性别和区域分布与日本基于日本的大规模调查中的日本人口结构相似。人口数据,与健康相关的背景,身体合并症,精神病合并症和社会合并症被收集并应用于SZ分类器,因为此信息也用于开发SZ分类器。本研究证明了能力通过SZ分类器检测到的阳性病例的比例计算了精神分裂症的原始患病率。通过排除假阳性病例和包括假阴性病例以确定精神分裂症的实际患病率,进一步完善了原油估计。结果:在750名参与者中,SZ分类器将62例分类为精神分裂症病例,导致日本普通人群的精神分裂症患病率为8.3%(95%CI 6.6%-10.1%)。在这62个案件中,假定有53个案件是假阳性,而3个案件被认为是假否定的。调整后,普通人群中精神分裂症的实际患病率估计为1.6%(95%CI 0.7%-2.5%)。结论:这种估计的患病率略高于先前的研究中报道的,这可能是由于更全面的疾病分类方法或相反的模型限制。
最近的研究表明,对精神分裂症和大脑结构都有共同的遗传作用,但是指定哪种基因介导这种多效性关联一直是一项挑战。我们访问了有关精神分裂症的全基因组关联数据(n = 69,369例; 236,642例对照),并在三种磁共振成像(MRI)指标(表面积,皮质厚度,神经突密度指数)上进行的三个磁共振成像(MRI)指数(n = 36,843)。使用Hi-C耦合岩浆,我们确定了61个与精神分裂症和一个或多个MRI指标显着相关的基因。整个基因组分析表明,精神分裂症与大多数皮质区域的面积或厚度之间存在显着的遗传协方差。皮质区域之间的遗传相似性与其MRI指标的协方差密切相关,而精神分裂症和皮质区域表型之间的遗传协方差在相应的结构协方差网络的枢纽中最大。在染色体3p21、17q21和11p11上的三个基因组区域富含神经发育过程,并始终与精神分裂症和皮质网络组织之间的这些多效性关联有关。