CN114246587A - 一种抑郁症研究检测方法 - Google Patents

一种抑郁症研究检测方法 Download PDF

Info

Publication number
CN114246587A
CN114246587A CN202111579552.9A CN202111579552A CN114246587A CN 114246587 A CN114246587 A CN 114246587A CN 202111579552 A CN202111579552 A CN 202111579552A CN 114246587 A CN114246587 A CN 114246587A
Authority
CN
China
Prior art keywords
depression
brain
network
functional connection
abnormal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111579552.9A
Other languages
English (en)
Inventor
何宗岭
卢凤梅
于跃
陈勇
岳玉川
陈华富
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Fourth Peoples Hospital
Original Assignee
Chengdu Fourth Peoples Hospital
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chengdu Fourth Peoples Hospital filed Critical Chengdu Fourth Peoples Hospital
Priority to CN202111579552.9A priority Critical patent/CN114246587A/zh
Publication of CN114246587A publication Critical patent/CN114246587A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Neurology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Neurosurgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physiology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种抑郁症研究检测方法，至少包括以下实施步骤：S1、采集抑郁症和双相抑郁症临床行为数据，多模态数据包括3.0T的静息态磁共振、弥散张量和脑结构影响数据；S2、调整并优化多模态脑功能结构以及脑网络分析方法，为抑郁症影像机制研究奠定方法学基础；S3、基于情感神经环路的抑郁症脑影像机制，包括抑郁症情感调控系统功能连接异常、抑郁症素质特征和状态特征与功能连接异常、抑郁症认知易感性神经机制、抑郁症脑干功能连接异常这几个方面的机制；S4、根据在纹状体和壳核内预定数值范围的脑血流值来进行鉴别。本发明实用性和功能性强，可广泛应用于抑郁症监测技术领域。

Description

一种抑郁症研究检测方法
技术领域
本发明涉及抑郁症监测领域，具体是指抑郁症研究检测方法。
背景技术
抑郁是一种以持续性情绪低落、缺乏兴趣和愉快感为主的严重精神障碍，会导致严重的自残和自杀行为，抑郁症是导致非正常死亡的主要原因。根据世界卫生组织2017年的数据，全球约有3.5亿抑郁症患者，到2030年，抑郁症将成为全球第一大疾病负担源。早期诊断和治疗可以帮助患者尽快摆脱困境，然而，诊断过程通常很费力，主要依靠医生的临床经验，这会导致一些患者无法及时得到适当的治疗。因此，有必要研究一种监测抑郁症的方法，以帮助医生提高工作效率。
发明内容
针对以上问题，本发明提出了一种针对抑郁症进行相关研究的方法。
本发明提供的技术方案为：
一种抑郁症研究检测方法，至少包括以下实施步骤：
S1、采集抑郁症和双相抑郁症临床行为数据，多模态数据包括3.0T的静息态磁共振、弥散张量和脑结构影响数据；
S2、调整并优化多模态脑功能结构以及脑网络分析方法，为抑郁症影像机制研究奠定方法学基础；
S3、基于情感神经环路的抑郁症脑影像机制，包括抑郁症情感调控系统功能连接异常、抑郁症素质特征和状态特征与功能连接异常、抑郁症认知易感性神经机制、抑郁症脑干功能连接异常这几个方面的机制；
S4、根据在纹状体和壳核内预定数值范围的脑血流值来进行鉴别。
进一步地，在S1中，临床数据包括抑郁量表、焦虑量表、快感缺失、正性情感和负性情感、素质特征和状态特征、社会心理功能评估量表。
进一步地，在S2中，利用成对空间聚类方法，分析患者静息态脑网络变化；基于独立成分分析的脑网络分析方法，来探测患者静息态脑网络变化；基于镜像同伦功能连接方法，来监测患者大脑半球间功能连接变化；采用基于静息态fMRI的超快体素成像-功能连接密度手段，在体素水平上监测青少年品行障碍患者脑功能连接密度的变化；利用扩散张量成像手段构建白质结构网络，并利用图论分析检测脑结构网络的变化；采用静息状态fMRI结合图论分析，构建失眠症状个体小世界网络的功能连接矩阵，提取小世界网络的属性特征；利用NBS的研究方法，对难治性抑郁症以及非难治性抑郁症进行监测分析；基于结构MRI采用基于体素的灰质形态学方法探究艾森克人格特质与大脑区域灰质体积之间的相关性。
进一步地，在S3中，针对MDD患者FC异常模式和情感症状之间的关系，提出基于情感调控系统探测MDD患者脑功能网络的改变；针对抑郁症素质特征和状态特征功能连接异常模式的问题，提出了结合新兴的成对空间聚类方法和基于NBS的分析方法来识别异常的功能连接网络。
本发明与现有技术相比的优点在于：
发展多模态脑影像分析方法，实现脑功能、结构活动特征信息提取；
探测抑郁症的情感神经环路的脑功能结构以及脑网络神经机制；
探测抑郁引起的脑功能网络特征变化，发展模式识别关键方法，实现抑郁症早期诊断和鉴别。
具体实施方式
下面结合实施例对本发明做进一步的详细说明。
实施例一
在对抑郁症进行监测的过程中，包括以下实施过程：
1.抑郁症和双相抑郁症数据采集方面：
采集了200余例抑郁症和双相抑郁症患者和100余例健康对照者脑影像数据和临床行为数据。多模态数据包括3.0T的静息态磁共振、弥散张量和脑结构影像数据。临床数据包括抑郁量表、焦虑量表、快感缺失、正性情感和负性情感、素质特征和状态特征等情感症状相关量表、社会心理功能评估量表等。
2.发展多模态脑功能结构以及脑网络分析方法，为抑郁症影像机制研究奠定方法学基础：
(1)发展成对空间聚类(SPC)方法，来分析患者静息态脑网络变化
针对抑郁症素质特征和状态特征功能连接异常模式的问题，提出了结合新兴的成对空间聚类方法(SPC)和基于网络统计的(NBS)的分析方法来识别异常的功能连接网络。采集了63例MDD患者以及63例HC，同时采用支持向量回归法(SVR)对素质特征和状态特征进行预测。左侧杏仁核/海马和右侧杏仁核之间的FC异常可以预测悲伤评分。而内侧前额叶皮层/前扣带回与杏仁核/海马旁回之间的异常FC可以预测快感缺失评分。
(2)发展基于独立成分分析的脑网络分析方法，来探测患者静息态脑网络变化
针对抑郁障碍内在视觉和听觉网络功能连接异常问题，采用独立成分分析来评估内在听觉网络(AN)和视觉网络之间的功能连接(FC)。采集了97名MDD患者和97名匹配的正常对照组(HC)的静息态fMRI数据。首次提出将视觉网络分为3个成分，成分1(VC1)和VC2包括早期视觉处理区域以及VC3主要包括外侧枕叶区域和高级视觉处理区域等。发现MDD较HC在四个网络内的FC均降低，同时，MDD较HC具有降低的听觉和视觉网络之间(AN-VC3)的FC，并且与焦虑分数和病程以及首发年龄相关，提示MDD具有异常的视听觉系统，可能为MDD视听整合功能异常提供证据。
(3)发展基于镜像同伦功能连接(VMHC)方法，来检测患者大脑半球间功能连接变化
针对青少年品行障碍患者半球间功能连接异常问题，本研究首次使用基于静息态的镜像同伦功能连接(VMHC)技术来检测青少年品行障碍患者大脑半球间功能连接的异常。发现青少年品行障碍患者枕中回、中央前回、中央后回等视觉和运动网络区域VMHC较TD减少。枕中回和旁中央小叶的VMHC与青少年品行障碍组的临床评分呈负相关。本研究提供了一个新的角度，表明异常同伦功能连接可能是青少年品行障碍的一个潜在的临床神经标志物。
(4)提出了静态脑功能局部整合能力的功能连接密度方法
采用基于静息态fMRI的超快体素成像-功能连接密度(FCD)技术，在体素水平上检测青少年品行障碍患者脑功能连接密度的变化。我们比较了青少年品行障碍患者组和健康对照组之间的长程FCD和短程FCD的差异，然后，提取青少年品行障碍患者与健康对照组FCD存在显著差异的脑区，从而计算FCD值与临床量表的相关性。结果发现，与健康对照组相比，青少年品行障碍患者在包括双侧后扣带回和双侧楔前叶在内的默认网络的短程FCD的升高，而长程FCD在右侧梭状回、左侧中扣带回和右侧楔前叶显著性升高，在双侧舌回、双侧枕中回、右侧距状皮层以及左侧枕上回显著性降低。
(5)提出了基于DTI成像的脑结构网络成像方法
神经影像学研究表明，失眠症状的特征是大脑特定区域的神经元连接异常，白质结构连接网络的拓扑紊乱在失眠症状中在很大程度上仍是未知的。本研究利用扩散张量成像(DTI)技术构建白质结构网络，并利用图论分析检测脑结构网络的变化。研究参与者包括30名伴失眠症状的健康受试者(IS)和62名不伴失眠症状的健康受试者(NIS)。这两组人的白质结构网络都具有小世界性质，相比之下，IS组的局部效率升高，全局效率降低，表明拓扑属性从常规网络向失眠症相关的拓扑属性转移。此外，IS组在额叶-边缘系统，凸显网络和默认网络相关区域表现出异常的节点拓扑特征。
(6)提出了基于静息态fMRI的小世界功能网络方法
本项研究采用静息状态fMRI结合图论分析，构建失眠症状个体小世界网络的功能连接矩阵，提取小世界网络的属性特征。我们检测了伴失眠症状的健康受试者(IS)和不伴失眠症状的健康受试者(NIS)大脑分布区域主要涉及额叶-纹状体系统的整体和局部小世界网络特性的变化。两组都显示出小世界拓扑属性。同时，与NIS组相比，IS组具有升高的梭状回、苍白球等脑区的节点介数中心度，具有降低的左侧额下回的节点度和效率。且额下回显著降低的节点效率与失眠评分呈负相关，而右侧壳核节点介数中心度异常改变与失眠评分呈正相关。
(7)提出了基于网络的功能连接分析方法(NBS)，从全脑大尺度网络角度探讨抑郁症病理机制
针对抑郁症患者，利用NBS的研究方法，发现在不同的频段，难治性抑郁症与非难治性抑郁症均存在静息状态下功能连接额异常，但两者存在差异，非难治性的抑郁症功能连接异常主要涉及顶-枕自上而下的控制网络，而非难治性抑郁症的功能连接异常涉及范围更广，更为复杂，除了情感网络的功能连接减弱意外，还涉及凸显网络、听觉网络、视觉网络、语言处理皮层等的功能连接异常。
(8)提出了基于结构MRI成像的体素形态学方法
本项研究基于结构MRI采用基于体素的灰质形态学方法(VBM)探究艾森克人格特质与大脑区域灰质体积(GMV)之间的相关性。结果表明，内外倾性(E)与灰质体积呈负相关的区域发生在双侧杏仁核、海马旁回、右侧颞中回和左侧额上回。
2、基于情感神经环路的抑郁症脑影像机制：
(1)抑郁症情感调控系统功能连接异常研究：
针对MDD患者FC异常模式和情感症状之间的关系，提出基于情感调控系统探测MDD患者脑功能网络的改变。MDD患者的情感调控系统具有异常的FC模式：在右侧腹内侧前额叶和双边内侧额叶、左侧膝下扣带回(sgACC)和左侧脑岛、左侧杏仁核与右侧DLPFC、右侧海马和双边内侧额叶以及右侧海马与左侧DLPFC具有降低的FC。此外，在右侧sgACC和左侧丘脑、右侧sgACC和左侧纹状体之间具有升高的FC。同时发现右侧后海马-前额叶的FC与消极情感负相关；左侧腹侧纹状体-前额叶之间的FC与积极情感负相关。这项研究揭示了抑郁症情感调控系统异常的神经机制，抑郁症正性情感的减少和负性情感的增加可能分别具有不同的病理基础。
(2)抑郁症素质特征和状态特征与功能连接异常研究
针对抑郁症素质特征和状态特征功能连接异常模式的问题，提出了结合新兴的成对空间聚类方法和基于NBS(network-based statistic)的分析方法来识别异常的功能连接网络。采集了63例MDD患者以及63例HC，同时采用支持向量回归法(SVR)对素质特征和状态特征进行预测。左侧杏仁核/海马和右侧杏仁核之间的FC异常可以预测悲伤评分。而内侧前额叶皮层/前扣带回与杏仁核/海马旁回之间的异常FC可以预测快感缺失评分。
(3)抑郁症认知易感性神经机制研究
抑郁认知易感性(CVD)是抑郁障碍高风险因素之一。与抑郁症相比，CVD是否显示了特定的或相似的大脑功能活动和连接模式，仍是很大程度上未知的。在本研究中，利用CVD、健康对照(HC)和抑郁症患者的静息状态功能磁共振成像，进行区域同质性(ReHo)和静息状态功能连通性(FC)分析，以评估局部同步化和功能连通性模式的变化。结果发现小脑右后叶、左舌回和楔前叶的ReHo差异有统计学意义。与HC相比，CVD受试者在右侧小脑后叶中显示ReHo升高，这与抑郁症和HC之间的差异相似。与抑郁症患者相比，CVD患者的右侧小脑后叶、左舌回和楔前叶ReHo降低。与HC和抑郁症相比，CVD中左舌回和左下顶叶、后扣带皮层和背外侧前额叶皮层之间的功能联系增加。此外，区域平均ReHo值与流行病学研究中心抑郁量表得分正相关。
(4)抑郁症脑干功能连接异常研究
脑干在调节人类大脑的基本功能方面发挥着重要作用，但对其在抑郁症中的作用，特别是其亚区在抑郁症中的作用知之甚少。为了揭示这一点，本研究采集了23例未治疗的抑郁症患者和34例匹配的健康对照组，采用静息状态功能磁共振成像。结果发现抑郁症患者的脑干亚区之一的髓质与下顶叶皮质的功能连接显著增强。进一步确定了髓质-下顶叶功能连接的增加与汉密尔顿焦虑得分之间的正相关关系。我们的研究结果表明，髓质-下顶叶功能连接的增加可能与抑郁症中消极情绪的过度活跃或异常控制有关，这为抑郁症的神经生物学提供了新的见解。
3、抑郁症和双相抑郁症诊断和鉴别方面：
针对抑郁症和双相抑郁症患者的功能连接异常与脑血流异常变化的问题，对患者和健康人进行fMRI和动脉自旋标记检查，发现抑郁症和双相障碍患者在纹状体和壳核具有升高的脑血流(CBF)值。两种疾病在右侧纹状体和右侧背外侧前额叶之间的功能连接(FC)均升高，而右侧尾状核和右侧楔前叶以及右侧壳核、左侧楔叶及双侧楔前叶之间的FC升高仅在双相障碍中表现。本研究揭示了双相障碍患者和重度抑郁症患者的前额-边缘-纹状体环路普遍存在缺陷。纹状体-楔前叶FC改变可被认为是BD患者与MDD患者鉴别的标志。
综上，采用本发明提供的方法，实现了以下技术效果：
发展多模态脑影像分析方法，实现脑功能、结构活动特征信息提取；
探测抑郁症的情感神经环路的脑功能结构以及脑网络神经机制；
探测抑郁引起的脑功能网络特征变化，发展模式识别关键方法，实现抑郁症早期诊断和鉴别。

Claims (4)

1.一种抑郁症研究检测方法，其特征在于，至少包括以下实施步骤：
S1、采集抑郁症和双相抑郁症临床行为数据，多模态数据包括3.0T的静息态磁共振、弥散张量和脑结构影响数据；
S2、调整并优化多模态脑功能结构以及脑网络分析方法，为抑郁症影像机制研究奠定方法学基础；
S3、基于情感神经环路的抑郁症脑影像机制，包括抑郁症情感调控系统功能连接异常、抑郁症素质特征和状态特征与功能连接异常、抑郁症认知易感性神经机制、抑郁症脑干功能连接异常这几个方面的机制；
S4、根据在纹状体和壳核内预定数值范围的脑血流值来进行鉴别。
2.根据权利要求1所述的一种抑郁症研究检测方法，其特征在于，在S1中，临床数据包括抑郁量表、焦虑量表、快感缺失、正性情感和负性情感、素质特征和状态特征、社会心理功能评估量表。
3.根据权利要求1所述的一种抑郁症研究检测方法，其特征在于，在S2中，利用成对空间聚类方法，分析患者静息态脑网络变化；基于独立成分分析的脑网络分析方法，来探测患者静息态脑网络变化；基于镜像同伦功能连接方法，来监测患者大脑半球间功能连接变化；采用基于静息态fMRI的超快体素成像-功能连接密度手段，在体素水平上监测青少年品行障碍患者脑功能连接密度的变化；利用扩散张量成像手段构建白质结构网络，并利用图论分析检测脑结构网络的变化；采用静息状态fMRI结合图论分析，构建失眠症状个体小世界网络的功能连接矩阵，提取小世界网络的属性特征；利用NBS的研究方法，对难治性抑郁症以及非难治性抑郁症进行监测分析；基于结构MRI采用基于体素的灰质形态学方法探究艾森克人格特质与大脑区域灰质体积之间的相关性。
4.根据权利要求1所述的一种抑郁症研究检测方法，其特征在于，在S3中，针对MDD患者FC异常模式和情感症状之间的关系，发展基于情感调控系统探测MDD患者脑功能网络的改变；针对抑郁症素质特征和状态特征功能连接异常模式的问题，发展结合新兴的成对空间聚类方法和基于NBS的分析方法来识别异常的功能连接网络。
CN202111579552.9A 2021-12-22 2021-12-22 一种抑郁症研究检测方法 Pending CN114246587A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111579552.9A CN114246587A (zh) 2021-12-22 2021-12-22 一种抑郁症研究检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111579552.9A CN114246587A (zh) 2021-12-22 2021-12-22 一种抑郁症研究检测方法

Publications (1)

Publication Number Publication Date
CN114246587A true CN114246587A (zh) 2022-03-29

Family

ID=80794223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111579552.9A Pending CN114246587A (zh) 2021-12-22 2021-12-22 一种抑郁症研究检测方法

Country Status (1)

Country Link
CN (1) CN114246587A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116602625A (zh) * 2023-05-22 2023-08-18 北京工业大学 一种基于神经血管耦合脑血流量的预测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093087A (zh) * 2013-01-05 2013-05-08 电子科技大学 一种基于多任务学习的多模态脑网络特征融合方法
CN109935321A (zh) * 2019-04-11 2019-06-25 东南大学 基于功能核磁共振影像数据的抑郁症患者转为双相情感障碍的风险预测模型
CN111297360A (zh) * 2013-01-31 2020-06-19 加利福尼亚大学董事会 正常和疾病状态脑动力学的建模系统和方法
CN113017627A (zh) * 2020-12-31 2021-06-25 北京工业大学 一种基于双通道相位同步特征融合的抑郁症和双相障碍脑网络分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093087A (zh) * 2013-01-05 2013-05-08 电子科技大学 一种基于多任务学习的多模态脑网络特征融合方法
CN111297360A (zh) * 2013-01-31 2020-06-19 加利福尼亚大学董事会 正常和疾病状态脑动力学的建模系统和方法
CN109935321A (zh) * 2019-04-11 2019-06-25 东南大学 基于功能核磁共振影像数据的抑郁症患者转为双相情感障碍的风险预测模型
CN113017627A (zh) * 2020-12-31 2021-06-25 北京工业大学 一种基于双通道相位同步特征融合的抑郁症和双相障碍脑网络分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何宗岭: ""抑郁障碍情感通路的脑影像学研究"", 《中国博士学位论文全文数据库 医药卫生科技辑》, pages 071 - 23 *
郑凯中: ""基于神经影像的重性抑郁症患者脑功能及结构网络异常研究"", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, pages 060 - 45 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116602625A (zh) * 2023-05-22 2023-08-18 北京工业大学 一种基于神经血管耦合脑血流量的预测系统
CN116602625B (zh) * 2023-05-22 2024-01-26 北京工业大学 一种基于神经血管耦合的脑血流量预测系统

Similar Documents

Publication Publication Date Title
Vecchio et al. “Small World” architecture in brain connectivity and hippocampal volume in Alzheimer’s disease: a study via graph theory from EEG data
Yan et al. Quantitative identification of major depression based on resting-state dynamic functional connectivity: a machine learning approach
Mcsweeney et al. Neuroimaging studies in patients with psychogenic non-epileptic seizures: a systematic meta-review
Zhong et al. Whole-brain resting-state functional connectivity identified major depressive disorder: a multivariate pattern analysis in two independent samples
Guo et al. Abnormal degree centrality in Alzheimer's disease patients with depression: A resting-state functional magnetic resonance imaging study
Li et al. Altered functional connectivity patterns of the insular subregions in psychogenic nonepileptic seizures
Lee et al. White matter diffusion abnormalities in patients with psychogenic non-epileptic seizures
Temiz et al. The anatomo-functional organization of the hyperdirect cortical pathway to the subthalamic area using in vivo structural connectivity imaging in humans
Zhao et al. Disrupted resting-state functional connectivity in hippocampal subregions after sleep deprivation
Levman et al. Multivariate analyses applied to fetal, neonatal and pediatric MRI of neurodevelopmental disorders
Mesbah et al. Association between the fronto-limbic network and cognitive and emotional functioning in individuals with bipolar disorder: a systematic review and meta-analysis
Zhang et al. Altered topological organization of functional brain networks in drug-naive patients with paroxysmal kinesigenic dyskinesia
CN114246587A (zh) 一种抑郁症研究检测方法
Liu et al. Brain functional connectivity patterns in focal cortical dysplasia related epilepsy
Liang et al. Differentiation between resting-state fMRI data from ADHD and normal subjects: based on functional connectivity and machine learning
Luján et al. EEG based schizophrenia and bipolar disorder classification by means of deep learning methods
Ma et al. Tracking whole-brain connectivity dynamics in the resting-state fMRI with post-facial paralysis synkinesis
Chen et al. Network reconfiguration among cerebellar visual, and motor regions affects movement function in spinocerebellar ataxia type 3
Chen et al. Thalamocortical functional connectivity in patients with white matter hyperintensities
Dong et al. Altered dynamic amplitude of low-frequency fluctuations in patients with postpartum depression
Wu et al. The decreased connectivity in middle temporal gyrus can be used as a potential neuroimaging biomarker for left temporal lobe epilepsy
Ruan et al. Functional abnormalities of the cerebellum in vascular mild cognitive impairment
Zhang et al. Identifying biomarkers of subjective cognitive decline using graph convolutional neural network for fMRI analysis
Dai et al. Altered functional connectivity of the locus coeruleus in Alzheimer's disease patients with depression symptoms
Tao et al. Linked patterns of interhemispheric functional connectivity and microstructural characteristics of the corpus callosum in antipsychotic-naive first-episode schizophrenia

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination