首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

纵向数据:试图确定受试者是否有后续访问

纵向数据是一种研究方法,用于确定受试者是否有后续访问。它是一种长期追踪观察的方法,通过在一段时间内多次观察同一组受试者来收集数据。这种方法可以帮助研究人员了解受试者在一段时间内的变化和发展趋势。

纵向数据的分类:

  1. 面板数据:在一段时间内,同一组受试者被多次观察,收集到的数据形成一个面板数据集。面板数据可以用于研究受试者的变化、趋势和影响因素。
  2. 追踪数据:通过对同一组受试者进行多次观察,收集到的数据可以用于追踪受试者的行为、健康状况、社会经济变化等。

纵向数据的优势:

  1. 提供更全面的数据:通过长期观察同一组受试者,可以获得更全面、详细的数据,有助于了解受试者的变化和发展趋势。
  2. 揭示因果关系:通过纵向数据的收集和分析,可以更好地确定因果关系,了解某个因素对受试者的影响。
  3. 支持个体分析:纵向数据可以对个体进行跟踪和分析,帮助研究人员了解个体的特点和变化。

纵向数据的应用场景:

  1. 医学研究:纵向数据可以用于追踪患者的疾病发展、治疗效果等,帮助医生做出更准确的诊断和治疗决策。
  2. 教育研究:通过纵向数据的收集和分析,可以了解学生在学习过程中的变化和发展,帮助教育者制定个性化的教学计划。
  3. 社会科学研究:纵向数据可以用于研究社会经济变化、人口流动等问题,帮助政策制定者做出科学决策。

腾讯云相关产品和产品介绍链接地址:

  1. 腾讯云数据库:提供高性能、可扩展的数据库解决方案,支持多种数据库引擎,满足不同应用场景的需求。详细信息请参考:腾讯云数据库
  2. 腾讯云云服务器:提供安全可靠的云服务器实例,支持多种操作系统和应用场景,满足不同规模企业的需求。详细信息请参考:腾讯云云服务器
  3. 腾讯云人工智能平台:提供丰富的人工智能服务和工具,包括图像识别、语音识别、自然语言处理等,帮助开发者构建智能化应用。详细信息请参考:腾讯云人工智能平台
  4. 腾讯云物联网平台:提供全面的物联网解决方案,包括设备接入、数据管理、应用开发等,帮助企业快速构建物联网应用。详细信息请参考:腾讯云物联网平台
  5. 腾讯云移动开发平台:提供一站式移动应用开发解决方案,包括移动后端服务、移动应用推送、移动分析等,帮助开发者快速构建高质量的移动应用。详细信息请参考:腾讯云移动开发平台
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

AD预测论文研读系列2

多模生物学、影像学和神经心理学标记物已经展示了区分阿尔茨海默病(AD)患者和认知正常的老年人的良好表现。然而,早期预测轻度认知功能障碍(MCI)患者何时和哪些会转变为AD痴呆仍然困难。通过模式分类研究表明,基于纵向数据的模式分类器比基于横截面数据的模式分类器具有更好的分类性能。研究人员开发了一个基于递归神经网络(RNN)的深度学习模型,以学习纵向数据的信息表示和时间动态。将个体受试者的纵向认知测量,与基线海马MRI相结合,建立AD痴呆进展的预后模型。大量MCI受试者的实验结果表明,深度学习模型可以从纵向数据中学习信息性测量,以描述MCI受试者发展为AD痴呆的过程,并且预测模型可以以高精度在早期预测AD进展。最近的研究表明,如果使用纵向而非横截面数据构建分类器,可以获得更好的性能

01

BASE:大脑年龄的标准化评估

摘要:脑年龄是脑健康和相关疾病的一个强有力的生物标志物,最常从Tl加权磁共振图像推断。大脑年龄预测的准确性通常在2-3年的范围内,这主要是通过深度神经网络实现的。然而,由于数据集、评估方法和指标的差异,比较研究结果是困难的。为了解决这个问题,我们引入了脑年龄标准化评估(BASE),其中包括: (i) 一个标准化的Tlw MRI数据集,包括多站点、新的未见站点、测试-重测试和纵向数据;(ii) 相关的评估方案,包括重复的模型训练和基于一套综合的性能指标测量准确性;(iii)基于线性混合效应模型的统计评估框架,用于严格的绩效评估和交叉比较。为了展示BASE,我们综合评估了四种基于深度学习的脑年龄模型,评估了它们在使用多站点、测试-重测试、未见站点和纵向Tlw MRI数据集的场景下的性能。

00
  • BrainAGE作为大脑老化的神经影像标志物的十年

    随着人口老龄化,神经退行性疾病的发病率越来越高,给个人和整个社会带来越来越大的负担。然而,个体的衰老速度是由环境、基因和表观遗传等各种因素以及各因素间的相互作用决定的。建立神经解剖学衰老过程的生物标志物,是神经科学的一个新趋势,以便在个体水平上,对年龄相关性神经退行性疾病和神经精神疾病进行风险评估和预测。“脑年龄差距估计(Brain Age Gap Estimation,BrainAGE)”方法是基于结构MRI,预测和评估个体脑龄的首个也是实际应用最广泛的概念。本文总结了过去10年内发表的所有研究,这些研究建立并使用BrainAGE方法来评估基因、环境、生活负担、疾病或寿命之间的相互作用,研究衰老对个体神经解剖学的影响。未来,基于结构或功能标记物的BrainAGE和其他脑年龄预测方法可能会改善对神经病学、神经精神病学和神经退行性疾病的个体风险的评估,并有助于开发个性化的神经保护治疗和干预措施。本文发表在Frontiers in Neurology杂志。

    03

    Nature Medicine:利用静息态fMRI功能连接定义抑郁症神经生物学亚型

    这是一篇2016年发表在《nature medicine》杂志并轰动精神医学界的深度好文章。虽然时间过去了5年,但是它对我们的指导和借鉴价值丝毫没有衰减,反而越来越大。    尽管生物标记物已经改变了现代医学的诊疗方式,但在精神病学领域中仍未找到可以准确诊精神疾病的生物标记物,部分原因是其诊断标签与其神经生物学基础之间的关联较弱。像其他神经精神疾病一样,抑郁症并非一种单一的疾病,而是一种包含多种共现症状的## 标题异质性综合征,而且不同的患者对治疗的反应不尽相同。    到目前为止,研究抑郁症亚型和诊断性生物标记物的大部分工作都是先识别经常共同出现的症状群,然后再测试神经生理相关性。然而,临床亚型与其生物基础之间的联系在个体水平上是不一致且可变的,与其他医学领域的诊断生物标志物不同,这些生物标志物无法用来区分患者和健康人及在个体水平上预测疗效。    美国的多名研究人员利用功能磁共振成像(fMRI)对一个多中心大样本(n=1188)进行了研究,研究结果表明通过对边缘系统和额叶纹状体网络功能连接失调的不同模式进行界定,抑郁症患者可被细分为四种神经生理亚型,或称之为生物型。这些生物型与不同的临床症状谱有关,不能仅仅根据临床特征来区分。研究人员还对患者经颅磁刺激治疗的反应进行了预测。结果表明跨越了当前诊断界限的新的抑郁症亚型可能有助于识别出最有可能从靶向神经刺激疗法受益的个体。 二、研究方法概览 1.功能网络构建:研究者们利用Power264分区(10mm半径球形ROI)以及与抑郁症有关联的其他13个ROI作为初始脑网络的节点。后续排除掉了19个信噪比较低的ROI,因此总共258个节点用来构建全脑258*258功能连接矩阵,包含33,154个独立特征。 2.典型回归和聚类分析:研究者使用Spearman’s rank相关分析筛选与抑郁量表HAMD-17有统计学关联的特征。然后使用典型回归获取与HAMD-17匹配的两个功能连接典型变量。最后使用层次聚类的方法对两个功能连接典型变量进行聚类分析,得到四个抑郁症亚型。结果如图1所示。     以聚类得到的4个生物学亚型为训练集,训练监督分类模型:通过无监督聚类得到4个亚型后,研究者将4个亚型为监督标签,使用监督机器学习来训练4分类模型。最后将分类模型应用到unseen的数据,包括外部验证集。 解读者注:非监督学习的方法摆脱了标签的对模型训练的影响。事实上,由于精神疾病的诊断依赖症状,很多病人的诊断不一定符合其神经生物学的异常。这样,拿着错误的诊断标签来训练监督模型,效果可能不会太好。非监督或者半监督机器学习更多是依据客观biomarker来进行疾病的分型,分出的类型更加与神经生物学机制相匹配。如果通过各个层次的分析(基因,生化,行为等),验证了类型的可靠性,我们便可以以这个“纯”生物学诊断标签来训练监督机器学习模型,并应用于将来的病人。 以上所有的方法流程,悦影科技皆可定制。 3.不同生物学亚型对重复经颅磁刺激有不同的反应:具体见图4.     总之,通过分析静息态功能连接得到的4种不同生物学机制的抑郁症亚型,对重复经颅磁刺激有不同的反应。其中生物型1和3型对治疗有较好的反应。但是生物型2和4型对治疗没有反应。 解读者注:如果能在临床上确认抑郁症不同的亚型,便可以指导临床的治疗。如果抑郁症患者属于1或者3型,我们便可以尝试用重复经颅磁刺激来治疗,而对于2或者4型,我们便可以尝试其他治疗,如药物,认知行为疗法等。 三、结果    结果见以下内容,图片和结果一起享用,效果更佳。

    00

    Science子刊:利用DTI和NODDI纵向研究揭示轻度脑外伤后的白质微结构改变

    能够检测轻度脑外伤(mTBI)后的白质(WM)病理,并预测长期结果的神经成像生物标记物是改善护理和开发治疗方法所必需的。本文利用弥散张量成像(DTI)和近期新兴的神经突方向离散度和密度成像(NODDI)对mTBI后的WM微观结构进行了横断面研究和纵向研究,并将其与神经心理指标进行了相关性分析。在横截面研究中,早期分数各向异性的减小和平均扩散系数的增加对应于NODDI中WM区域自由水含量的升高。这种自由水升高的情况在早期脑震荡后症状的患者亚组中更为广泛。长期纵向的WM改变包括NODDI中的轴突密度下降,表征了弥漫性轴索损伤所致的轴突变性。因此,相比于DTI,NODDI能够更加清晰地表征弥漫性轴索损伤,是一种比DTI更敏感、更特异的检测mTBI所致的WM微结构改变的生物标志物,在对mTBI的诊断、预后和治疗监测中值得进一步研究。本文发表于Science Advances杂志。

    03

    大脑年龄预测:机器学习工作流程的系统比较研究

    脑解剖扫描预测的年龄和实际年龄之间的差异,如脑年龄增量,为非典型性衰老提供了一个指示。机器学习 (ML) 算法已被用于大脑年龄的估计,然而这些算法的性能,包括(1)数据集内的准确性,  (2)跨数据集的泛化,  (3)重新测试的可靠性,和(4)纵向一致性仍然没有确定可比较的标准。本研究评估了128个工作流程,其中包括来自灰质 (GM) 图像的16个特征和8个具有不同归纳偏差的ML算法。利用四个覆盖成人寿命的大型神经成像数据库进行分析 (总N=2953,18-88岁),显示了包含4.73—8.38年的数据集中平均绝对误差 (MAE ) ,其中32个广泛抽样的工作流显示了包含5.23—8.98年的交叉数据集的MAE。结果得到:前10个工作流程的重测信度和纵向一致性具有可比性。特征的选择和ML算法都影响了性能。具体来说,体素级特征空间 (平滑和重采样) ,有和没有主成分分析,非线性和基于核的ML算法表现良好。在数据集内和跨数据集内的预测之间,大脑年龄增量与行为测量的相关性不一致。在ADNI样本上应用表现最佳的工作流程显示,与健康对照组相比,阿尔茨海默病患者和轻度认知障碍患者的脑龄增量明显高于健康对照组。在存在年龄偏倚的情况下,患者的脑龄增量估计因用于偏倚校正的样本而不同。总之,大脑年龄具有一定应用前景,但还需要进一步的评估和改进。

    02

    Cerebral Cortex:老年人生活方式与脑功能连接的关系及其与认知能力下降的联系

    本研究探讨了参与不同生活方式活动与大范围脑功能网络连接的关系,以及网络连接是否独立于脑淀粉样蛋白水平而改善认知能力下降。参与者(N = 153,平均年龄= 69岁,包括N = 126淀粉样蛋白成像)在完成静息状态功能磁共振成像、生活方式活动问卷和认知测试后,认知正常。他们每年接受长达5年的认知测试(平均= 3.3年)。线性回归表明,认知活动参与与背侧注意网络内的连接,以及身体活动水平与默认模式、边缘和额顶叶控制网络内的连接以及全局网络内连接之间存在正相关关系。此外,较高的认知和身体活动水平与较高的网络模块化(功能网络专业化的衡量指标)独立相关。这些相关性在很大程度上独立于APOE4基因型、淀粉样蛋白负担、全脑萎缩、血管风险和认知储备水平。此外,背侧注意、默认模式和边缘网络的高连通性,以及更大的全局连通性和模块化与认知能力下降相关,与APOE4基因型和淀粉样蛋白负担无关。这些发现表明,大脑功能连接的变化可能是生活方式活动减少认知能力下降的机制之一。

    02

    针对个体的精准神经影像—当前的方法和未来方向

    大多数大脑功能的神经成像研究都是在归一化空间中分析数据,以识别参与者的共同激活区域。这些研究把大脑组织的个体间差异当作噪音,但这种方法可能掩盖关于大脑功能结构的重要信息。最近,许多研究采用了一种针对个体的方法,旨在描述这些个体差异,并探索它们的可靠性和对行为的影响。这些研究中有一部分采用了精确成像方法,从每个参与者身上收集数小时的数据,以更精细的比例绘制大脑功能图。在这篇综述中,我们提供了一个广泛的概述,即个体特异性和精准成像技术如何使用静息状态测量来检查大脑组织的个体差异及其对行为的影响,然后基于任务的活动如何继续增加这些发现的细节。我们认为,在认知神经科学的许多领域中,个体特异性和精确方法在揭示大脑功能组织及其与行为的关系的新细节方面显示了巨大的希望。我们还讨论了该新领域目前的一些局限性和可能采取的一些新方向。

    01

    个体化精准神经成像:目前的方法和未来的方向

    大多数脑功能的神经影像学研究都是在标准化空间中分析数据,以确定参与者的共同激活区域。这些研究将大脑组织的个体差异视为噪音,但这种方法可能会掩盖有关大脑功能结构的重要信息。最近,一些研究采用了针对个体的方法,旨在描述这些个体差异的特征,并探索其可靠性和对行为的影响。这些研究的一个子集采用了精确成像方法,从每个参与者那里收集多个小时的数据,以更精细的尺度绘制大脑功能。在这篇综述中,我们对特定于人的精确成像技术如何使用静息状态测量来检查大脑组织中的个体差异及其对行为的影响进行了广泛的概述,随后是基于任务的活动如何继续为这些发现添加细节。我们认为,在认知神经科学的许多领域,针对人的精确方法在揭示大脑功能组织及其与行为关系的新细节方面表现出了巨大的希望。我们还讨论了这个新领域目前的一些限制以及它可能采取的一些新方向。

    04

    Nature子刊:支持人类情景记忆编码的振荡信号与基因表达的相关性

    全基因组关联研究(genome-wide association studies, GWAS)和人类大脑的基因表达谱揭示了研究复杂大脑现象的遗传基础的能力。这些数据集主要用于非侵入性成像研究,特别是与结构MRI或静息状态fMRI的相关性。现有的方法依赖于已发表的死后脑基因表达数据集,这意味着神经生理和行为数据不是来自提供基因表达数据的同一人。这限制了此类方法确定基因如何支持关键的认知过程(如情景记忆)的潜在影响,并突显出开发新的个人同时贡献了神经生理和基因表达数据的数据集的必要性。另一个影响先前研究的问题是,神经生理测量,如静息状态fMRI,与认知现象没有直接联系。因此,我们以前试图将基因表达水平与成功记忆编码的振荡特征联系起来,因为这些振荡在支持记忆行为方面的基本作用已经在啮齿类动物和人类中得到了很好的确立。这些振荡特征是对编码成功的记忆在给定频带内调制振荡功率的程度的衡量。他们使用植入癫痫标测的颅内电极进行量化,并在受试者执行情景记忆任务时进行记录。我们使用了一个超过10年的颅内脑电图(iEEG)记录的大型数据库,拼凑出这些振荡信号在大脑各区域的分布。我们确定了与这些振荡信号相关的基因,包括那些以前在啮齿动物研究中与记忆形成有关的基因,与自闭症谱系障碍(autism spectrum disorder, ASD)等认知障碍相关的基因,以及作为进一步研究的主要目标的新基因。然而,与其他研究一样,该数据集并不能同时受益于来自同一个体的神经生理和基因表达信息。

    01

    连接组学表征的新进展

    近年来,利用静息状态功能性MRI对人类连接组(即人类大脑中的所有连接)的研究迅速普及,特别是随着大规模神经成像数据集的日益可用性。这篇综述文章的目的是描述自2013年神经影像特刊《连接组图谱》以来,功能连接组表征在过去8年里出现的创新。在这一时期,研究已从群体层面的大脑分区化转向个性化连接组的表征以及个体连接组差异与行为/临床变异之间的关系。在分区边界中实现特定个体的准确性,同时保持跨个体通信是一项挑战,目前正在开发各种不同的方法来应对这一挑战,包括改进的对齐、改进的降噪和稳健的群体到个体映射方法。除了对个性化连接组的兴趣之外,人们正在研究数据的新表示,以补充传统的分区连接组表示(即,不同大脑区域之间的成对连接),例如捕捉重叠和平滑变化的连接模式(梯度)的方法。这些不同的连接组表征为大脑固有的功能组织提供了有益的见解,但功能连接组的研究仍然面临挑战。未来的研究将进一步提高可解释性,以深入了解功能MRI所获得的连接组观察的神经机制。还需要进行比较不同连接组表征的验证研究,以建立共识和信心,继续进行临床试验,这些临床试验可能产生有意义的连接组研究转化。

    02

    PNAS:功率谱显示白质中明显的BOLD静息态时间过程

    准确描述血氧水平依赖(BOLD)信号变化的时间过程对功能性MRI数据的分析和解释至关重要。虽然多项研究表明白质(WM)在任务诱发下表现出明显的BOLD反应,但尚未对WM自发信号波动的时间过程进行全面的研究。我们测量了WM内一组区域的功率谱,这组区域的的静息态时间序列是独立成分分析显示为同步活动。根据它们的功率谱,在每个成分中,体素明显地分为两类:一组显示出一个单独的峰,而另一组在更高的频率上有一个额外的峰。它们的分组具有位置特异性,其分布反映了独特的神经血管和解剖结构。重要的是,两类体素在功能整合中的参与存在差异,这体现在两类体素在区域间连接数量上的差异。综上所述,这些发现表明,WM信号在本质上是异质性的,并依赖于局部的结构-血管-功能关联。

    06

    PNAS:婴儿早期的大脑功能灵活性

    成年人的大脑在功能上是灵活的,这是一个被认为有助于认知灵活性的独特特征。虽然缺乏评估早期婴儿认知灵活性的工具,但我们的目的是评估生命前2年神经灵活性的时空发展特征。52名0- 2岁正常发育的儿童在自然睡眠期间使用静息状态功能性磁共振成像进行了多达7次的纵向成像。使用滑动窗口方法,MR衍生的神经灵活性,一个定量测量大脑区域在给定的时间内从一个功能模块转变到另一个功能模块的频率,被用来评估早期婴儿时期神经灵活性的出现。结果表明,随着年龄的增长的全脑的灵活性变化,包括运动和高阶脑功能网络/区域的神经灵活性显著增加,而视觉区域表现出时间稳定的模式,表明神经灵活性在空间和时间上的不均匀发展特征。此外,3个月时初级视觉网络的神经灵活性与5/6岁时评估的认知能力显著且负相关。灵活的“俱乐部”由神经灵活性显著高于全脑神经灵活性的大脑区域组成,与已知控制成人认知灵活性的大脑区域一致,与功能中枢和不同的“俱乐部”区域相比,表现出独特的特征。因此,磁共振衍生的神经灵活性有可能揭示婴儿早期认知灵活性大脑发育的潜在神经基质。

    03

    Nature子刊:临床前家族性阿尔兹海默症患者的功能性大脑老化加速

    即将发展为阿尔兹海默病(AD)痴呆人群的静息态功能连接(rs-fMRI)在早期就已经出现异常。这种异常可能有助于AD的临床前研究。本文运用静息态(rs)fMRI数据得到了一个预测大脑年龄的模型,并评估了AD的遗传决定因素和淀粉样蛋白(A)病理学是否会加速大脑老化。使用从多地得到的1340名(年龄在18-94岁)认知未受损的参与者数据,结果表明根据rs-fMRI构建的图的拓扑属性可以预测整个生命周期上的年龄。将预测模型应用于临床前AD,结果表明常染色体显性AD的症状前阶段存在功能性大脑老化加速。这种联系在有明显A病变的个体中更强。

    04

    Molecular Psychiatry:静息态fMRI预测青少年认知能力

    青春期是主要的身体、认知和社会心理的变化时期,极易出现不良行为模式和精神疾病,可能会导致整个成年期的精神和身体健康状况恶化。其中主要危险因素之一是难以获得较高层次的认知功能,其中包括各种不同的推理和解决问题的能力、认知能力和学习/回忆信息能力。目前普遍认为,高阶认知功能依赖于任务控制网络和默认模式网络(DMN)之间的复杂相互作用。而且,从儿童早期到成年早期,任务控制网络和DMN之间的功能联系逐渐发展,这意味着信息交换的增长和自上而下的监管关系的成熟。这提出了一个有趣的问题:这些网络之间的连接模式的差异是否预示着高阶认知功能的差异。

    01

    发育中的大脑结构和功能连接体指纹

    在成熟的大脑中,大脑连接的结构和功能指纹可以用来识别个体的独特性。然而,使某一特定大脑区别于其他大脑的特征是否在出生时就已经存在仍不得而知。本研究利用发育中的人类连接组计划(Human Connectome Project, dHCP)的神经影像数据,对早产儿围产期进行两次扫描,以评估发育中的脑指纹。我们发现,62%的参与者可以通过后来的结构连接组与从较早时间点获得的初始连接矩阵的一致性来识别。相反,同一被试在不同时间点的功能连接体之间的相似性较低。只有10%的参与者在功能连接体中表现出更大的自相似性。这些结果表明,结构连接在生命早期更稳定,可以代表个体的潜在连接组指纹:当新生儿必须快速获得新技能以适应新环境时,一个相对稳定的结构连接组似乎支持功能连接组的变化。

    02

    AJP:大脑功能连接的内在模式在调节重度抑郁患者抗抑郁治疗反应中的作用

    重度抑郁症是一种精神科慢性疾病,最常见的治疗方法是使用单胺类抗抑郁药。临床发现药物治疗的预后因人而异,一些病人的症状在服用抗抑郁药后得到了极大改善而其他人则反应平平甚至没有作用。然而,目前我们对于调控抗抑郁药疗效的神经影像学机制知之甚少。因此来自四个临床中心(德克萨斯大学西南医学中心、麻省总医院、哥伦比亚大学和密歇根大学)的研究者们通过一项多中心纵向随机双盲安慰剂对照试验(EMBARC),采用基于感兴趣区域的方法,按照意向性分析原则利用线性混合效应模型来确定大脑各区域之间的静息态连接模式是否能预测抗抑郁药物(舍曲林)与安慰剂的疗效差异。该研究由德克萨斯大学西南医学中心精神科的Cherise R. Chin Fatt等人发表在The American Journal of Psychiatry期刊上,具体内容如下:

    02

    Translational Psychiatry:重度抑郁障碍的神经进行性特征:内在连接组分析

    重度抑郁障碍(MDD)是一种流行的慢性精神障碍,终生反复发作。研究表明,与首次抑郁症(FED)相比,复发性抑郁症(RD)具有更严重性、高复发性和显著功能障碍,证实抑郁症的进行性本质。然而,关于脑功能连接组的研究很少。本文采集了95名未进行药物治疗的MDD患者(35名FED患者和60名RD患者)和111名健康对照组(HCs)的静息态功能磁共振(fMRI)数据。进行六个月的paroxetine药物治疗,56名患者病情缓解并完成第二次数据采集。使用基于脑网络的统计分析来探究功能连接的变化。结果表明,与HCs相比,FED患者的躯体运动、默认模式和背侧注意网络表现出低连接性,而RD患者的躯体运动、突显、执行控制、默认模式和背侧注意网络,以及突显网络和执行控制网络内和之间都表现出高连接性。此外,当患者病情缓解时,MDD患者的受损成分没有显著变化,并且RD患者仍存在高连接子集和低连接子集。且FED患者表现出的低连接性和RD患者的高连接性与发作次数和总病程时间相关。本文研究证实了抑郁症的固有功能连接受损是进行性的。

    00

    重度抑郁症患者的脑功能老化加速:来自中国大规模fMRI证据

    重度抑郁症(MDD)是一种最常见的心理健康疾病,它与脑萎缩和死亡率的关系已被深入研究。最近的研究表明,预测年龄和实际年龄之间的偏差可能是大脑衰老加速表征MDD的标志。然而,目前的结论通常是基于从白人参与者收集的结构MRI信息得出的。这一生物标志物的普遍性需要通过不同民族/种族背景的受试者和不同类型的数据进一步验证。在这里,我们使用REST-meta-MDD,一个从中国多个队列参与者收集的大规模静息状态fMRI数据集。我们开发了一个基于1101个健康对照的堆叠机器学习模型,该模型通过功能磁共振成像(fMRI)估计受试者的实际年龄,具有很好的准确性。训练后的模型应用于来自24个地点的1276名重度抑郁症患者。我们观察到MDD患者表现为a+4.43年,高于对照组的脑预测年龄差异(brain-PAD)。在MDD亚组中,抗抑郁药物使用者的脑PAD与非药物使用者的比较,我们观察到有统计学意义的+2.09年。观察到的统计关系进一步通过三种不同的机器学习算法进行检验。在中国参与者中观察到的脑内PAD阳性证实了重度抑郁症患者大脑加速老化的存在。利用脑功能连通性进行年龄估计从一个新的维度验证了现有的发现。

    03

    中青年人脑白质的年龄效应和性别差异:DTI、NODDI 和 q 空间研究

    本文使用先进的扩散磁共振成像(dMRI)研究了中青年人脑白质的微观结构变化。使用混合扩散成像(HYDI)获得多shell扩散加权数据。HYDI方法用途广泛,并使用扩散张量成像(DTI)、神经突定向扩散与密度成像(NODDI)和q空间成像方法分析数据。本研究包括24名女性和23名男性被试,年龄在18至55岁之间。在整个大脑的48个白质感兴趣区域(ROI)中使用最小二乘线性回归测试了年龄和性别对扩散指标的影响,并对ROI进行了多重比较校正。在这项研究中,投射到海马或大脑皮层的白质是对大脑衰老最敏感的区域。具体来说,在这个从青年到中年的队列中,年龄效应与白质纤维更分散有关,而组织限制和轴突内体积分数保持相对稳定。NODDI的纤维弥散指数对老化表现出最显著的敏感性。此外,这一年龄队列中DTI指数的变化主要与纤维弥散指数相关,而不是与NODDI的细胞内体积分数或q空间测量值相关。虽然男性和女性的衰老率没有差异,但男性的轴突内体积分数往往高于女性。这项研究表明,使用HYDI采集和NODDI分区建模的高级dMRI可以阐明对年龄和性别敏感的微观结构变化。最后,本研究深入了解了DTI扩散指标与NODDI模型q空间成像的高级扩散指标之间的关系。

    02

    阿尔茨海默症脑电信号动态行为特征: 探讨静息态EEG的非平稳性和递归结构

    1、研究背景   阿尔茨海默症(AD)引起的轻度认知障碍(MCI)和痴呆可引起正常神经元行为的紊乱和神经元网络的破坏。由于许多MCI患者在后期发展为AD,有人建议将MCI和AD解释为一个连续体。以往研究中用以表征EEG静息状态特性的许多度量都是从傅立叶分析推导出来的,这需要假设数据的平稳性。然而,EEG本质上是非平稳的,特别是在表征自发振荡活动所需的时间窗中。最近的研究表明,MCI和AD诱导的神经变性可能影响静息状态神经元活动的动态特性。本研究的目的是从以下不同的角度描述这些特性:(i)使用Kullback-Leibler散度(KLD),这是由连续小波变换导出的非平稳性度量;(ii)使用递归点密度的熵(ENTRRR)和递归点密度的中位数(MEDRR),这是两个基于递归量化分析的新指标。研究人员对49例AD所致痴呆患者、66例AD所致MCI患者和43例认知正常对照者进行了10s滑动窗无重叠的脑电记录,计算了KLD、ENTRRR和MEDRR。随后,研究人员测试了这些指标是否反映了MCI和AD诱导的正常神经元活动的改变。研究人员尝试回答以下研究问题:(i)MCI和AD患者EEG的非平稳性水平和递归结构是否揭示了频率依赖性的改变?(ii)脑电动态特性的不同表征方法能否揭示有关疾病诱发异常的补充信息?(iii)EEG的非平稳性、递归不可预测性和递归密度的变化是否反映了痴呆的发展形势? 2、研究方法 2.1被试   该研究样本由158位受试者组成:43位认知正常的对照组,66位因AD引起的MCI患者和49位因AD引起的痴呆患者。遵循美国国家老龄学会和阿尔茨海默症协会(NIA-AA)的标准诊断患有因AD引起的MCI或痴呆患者。对照组由没有神经或精神疾病史的老年受试者组成。使用以下排除标准:(1)有其他精神病或神经病的病史;(2)根据NIA-AA标准的罕见临床表现或非典型病程;(3)晚期痴呆(临床痴呆等级=3);(4)住院病人;(5)可能影响脑电活动的药物。表1显示了每组的社会人口学特征。

    00

    阿尔茨海默症神经活动的动态行为特征: 探讨静息态EEG的非平稳性和递归结构

    1、研究背景 阿尔茨海默症(AD)引起的轻度认知障碍(MCI)和痴呆可引起正常神经元行为的紊乱和神经元网络的破坏。由于许多MCI患者在后期发展为AD,有人建议将MCI和AD解释为一个连续体。以往研究中用以表征EEG静息状态特性的许多度量都是从傅立叶分析推导出来的,这需要假设数据的平稳性。然而,EEG本质上是非平稳的,特别是在表征自发振荡活动所需的时间窗中。最近的研究表明,MCI和AD诱导的神经变性可能影响静息状态神经元活动的动态特性。本研究的目的是从以下不同的角度描述这些特性:(i)使用Kullback-Leibler散度(KLD),这是由连续小波变换导出的非平稳性度量;(ii)使用递归点密度的熵(ENTRRR)和递归点密度的中位数(MEDRR),这是两个基于递归量化分析的新指标。研究人员对49例AD所致痴呆患者、66例AD所致MCI患者和43例认知正常对照者进行了10s滑动窗无重叠的脑电记录,计算了KLD、ENTRRR和MEDRR。随后,研究人员测试了这些指标是否反映了MCI和AD诱导的正常神经元活动的改变。研究人员尝试回答以下研究问题:(i)MCI和AD患者EEG的非平稳性水平和递归结构是否揭示了频率依赖性的改变?(ii)脑电动态特性的不同表征方法能否揭示有关疾病诱发异常的补充信息?(iii)EEG的非平稳性、递归不可预测性和递归密度的变化是否反映了痴呆的发展形势?

    00
    领券