針對注意缺陷多動障礙(ADHD)兒童與正常兒童在執(zhí)行任務狀態(tài)下的腦網(wǎng)絡的差異性,本文采用視覺功能區(qū)網(wǎng)絡特征進行了比較研究,提取的試驗數(shù)據(jù)為受試者執(zhí)行猜題任務時,視覺捕捉范式獲取的功能性磁共振成像(fMRI)數(shù)據(jù),受試者包括23名ADHD患兒[年齡:(8.27±2.77)歲]與23名正常兒童[年齡:(8.70±2.58)歲]。首先,本文利用fMRI數(shù)據(jù)構(gòu)建視覺區(qū)腦功能網(wǎng)絡;然后,獲取視覺區(qū)腦功能網(wǎng)絡的特征指標,包括:度分布、平均最短路徑、網(wǎng)絡密度、聚集系數(shù)、介數(shù)等,并與傳統(tǒng)全腦網(wǎng)絡進行對比分析;最后,利用機器學習算法中的支持向量機(SVM)等分類器對特征指標進行分類以區(qū)分ADHD兒童與正常兒童。本研究采用視覺區(qū)腦功能網(wǎng)絡特征進行分類,分類精度最高達到96%,與傳統(tǒng)的構(gòu)建全腦網(wǎng)絡方法相比,精度提高了10%左右。試驗結(jié)果表明,使用視覺區(qū)腦功能網(wǎng)絡分析法能夠更好地區(qū)分ADHD兒童與正常兒童。該方法對ADHD兒童與正常兒童腦網(wǎng)絡的區(qū)分具有一定的幫助,有利于ADHD兒童的輔助診斷。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1視覺捕捉范式

使用fMRI數(shù)據(jù)處理分析軟件SPM12(UCLQueenSquareInstituteofNeurology，英國），對試驗所得的fMRI數(shù)據(jù)進行預處理與數(shù)據(jù)篩選[13]。首先，進行時間層校正與頭動校正。其中，因頭動或轉(zhuǎn)動過大，剔出3例ADHD兒童與2例正常兒童的數(shù)....

圖5兩組兒童二值化視覺區(qū)子網(wǎng)絡連接圖

圖4兩組兒童二值化全腦網(wǎng)絡連接圖視覺區(qū)子網(wǎng)絡介數(shù)值最高的10個節(jié)點，同時也是全腦網(wǎng)絡中介數(shù)值較高的節(jié)點。但視覺區(qū)子網(wǎng)絡只保留與視覺任務有關的腦區(qū)，排除與任務刺激無關的腦區(qū)，從而縮小功能腦區(qū)研究范圍。如表2右側(cè)所示，ADHD兒童組與正常兒童組均有3個節(jié)點的介數(shù)值遠高于其他節(jié)點，且....

圖6兩種網(wǎng)絡分類精度對比圖

為了更好地實現(xiàn)全腦網(wǎng)絡與視覺區(qū)子網(wǎng)絡在視覺任務刺激下對于ADHD兒童與正常兒童的區(qū)分度，引入機器學習的方法進行分析[19]。使用三種經(jīng)典的分類器，包括支持向量機（supportvectormachine,SVM）、邏輯回歸（logisticregressive,LR）、線性....

圖2全腦網(wǎng)絡連接圖

為了能夠直觀地體現(xiàn)全腦網(wǎng)絡與視覺區(qū)子網(wǎng)絡的差異，進行全腦網(wǎng)絡圖與視覺區(qū)子網(wǎng)絡圖的對比分析。ADHD兒童組與正常兒童組的二值化全腦網(wǎng)絡連接圖如圖4所示。圖4兩幅圖中的白色區(qū)域代表腦區(qū)之間存在連接，黑色區(qū)域代表腦區(qū)之間無連接。從圖4可以看出，對于視覺刺激任務態(tài)下的全腦網(wǎng)絡連接圖，AD....

本文編號：3957408