• <li id="GGFH"></li>

      <td id="L2N6YT0R96"><em id="62OA"><em id="80JM"></em></em></td>
    1. <xmp id="SDJ7VIDWJ0"><progress id="7ZG9LW"><dd id="EI617XQ"></dd></progress>

      跨物種機器學習提升精神疾病的磁共振影像診斷准確率

      文章來源:腦科學與智能技術卓越創新中心  |  發布時間:2020-06-16  |  【打印】 【關閉

        
        617日,《American Journal of Psychiatry》期刊在线发表了题为《Diagnostic Classification for Human Autism and Obsessive-Compulsive Disorder based on Machine Learning from a Primate Genetic Model》的研究论文。该研究由中國科學院脑科学与智能技术卓越创新中心(神经科学研究所)、上海脑科学与类脑研究中心、神经科学国家重点实验室王征研究组与中國科學院自动化研究所赫然课题组合作完成。该研究整合灵长类动物模型和临床精神疾病患者的功能磁共振影像数据,国际上首次设计猴-

      人跨物種的機器學習分析流程,利用從轉基因猕猴模型上學習的特征構建臨床精神疾病患者的分類器模型,進而深入解析人類自閉症和強迫症的神經環路機制。此研究爲精神疾病的影像學精准診斷提供了新證據,開辟了利用非人靈長類模型服務精神疾病的臨床應用需求的新途徑。 

        自閉症(ASD)是一種神經系統失調的發育性疾病,具有高度的異質性,同時自閉症患者常伴隨強迫症(OCD)、注意力缺陷多動症(ADHD)等並發症,這給臨床診斷和病理機制研究帶來巨大的挑戰。非人靈長類模式動物與人類在腦結構與功能上較爲接近,研究人員前期發現轉基因靈長類動物模型能夠表現出與人類臨床患者類似的症狀表型,如MECP2過表達的猕猴表現出重複刻板行爲、社交行爲障礙等類自閉症症狀(Nature, 2016),且在大腦環路上的異常也與部分自閉症患者相似(J Neurosci2020)。 

        研究團隊在這些前期工作基礎上(IEEE TMI, 2015),勇于原始創新,探索靈長類物種間可能的進化保守的特征,大膽假設以保守的腦區功能爲基礎,構建可跨物種遷移的精神疾病分類預測模型(圖A)。研究人員首先運用Group LASSO算法對源自5只轉基因猕猴和11只野生型猕猴的腦功能圖譜數據進行腦區篩選,識別出9個核心腦區(圖B);接著將此9個腦區一一映射到人類大腦上,並用腦區間的功能連接形成特征集合,構建稀疏邏輯回歸分類器分別用于自閉症、強迫症和注意力缺陷多動症患者的診斷分類。患者數據分別來自4個臨床影像數據庫:ABIDE-I (1112)ABIDE-II1114人),OCD186人)和ADHD-200776人)。經過交叉驗證後,發現基于轉基因猕猴特征構建的分類模型對ABIDE-I數據集中自閉症患者和正常人的區分准確率達到82.14%,對ABIDE-II數據庫中人類被試同樣達到75.17%的准確率,顯著高于基于自閉症和強迫症病人自身特征構建分類器的性能(圖C)。當將同樣的9個腦區拓展到強迫症影像數據時,發現猕猴特征構建分類模型仍然能達到78.36%的准確率,顯著高于基于自閉症患者特征構建的分類器性能。但這些基于猕猴模型學習的特征未能顯著性地提升ADHD患者的分類准確率。研究人員進一步分析這些性能優越的分類器中的功能連接與精神疾病臨床症狀之間的關系,結果發現右側腹外側前額葉皮層在自閉症和強迫症中同時扮演著雙重角色,分別對應于各自特異的維度症狀表型(圖D)。 

        此項工作由王征研究員和赫然研究員共同指導博士研究生詹亞峰和衛建澤合作完成,期間得到了英國劍橋大學Trevor Robbins教授,复旦大学附属儿科医院徐秀主任的鼎力合作支持,同时也得到了中科院自动化所谭铁牛院士的指导帮助,及中科院昆明动物所的大力支持。本工作受到科技部,国家自然科学基金,中國科學院,上海市和广东省的资助。 

        

        圖注:(A)腦功能連接圖譜的特征構建猴-人跨物種機器學習分類器;(B)在猕猴模型中學習得到的9個腦區;(C)基于9個腦區構建的跨物種機器學習分類器與基于人ASD數據構建的分類器對ASDOCDADHD的分類性能ROC曲線;(DASDOCD共享的神經環路內表型以及與疾病特異的臨床症狀相關的異常。 

      伊人综合五月天婷婷丁香-开心五月婷婷中文字幕在线播-丁香五月开心婷婷综合伊人-桃花坞影院