Using deep learning to classify pediatric posttraumatic stress disorder at the individual level.
Using deep learning to classify pediatric posttraumatic stress disorder at the individual level.
复制标题
DOI：
10.1186/s12888-021-03503-9
复制
发表时间：
2021-10-28
期刊：
影响因子：
4.4
通讯作者：
Gong Q
中科院分区：
文献类型：
--
作者：
Yang J;Lei D;Qin K;Pinaya WHL;Suo X;Li W;Li L;Kemp GJ;Gong Q
暴露在自然灾害中的儿童容易患上创伤后应激障碍(PTSD)。先前使用静息状态功能神经成像的研究显示，与健康对照组(HC)相比，儿童创伤后应激障碍(PTSD)患者基于图形的大脑拓扑网络指标发生了变化。在这里，我们的目的是将深度学习(DL)模型应用于神经影像分类标记物，这可能有助于儿童创伤后应激障碍的诊断。我们研究了33例儿童创伤后应激障碍和53例匹配的HC。利用偏相关系数建立来自自动解剖标记图谱的90个脑区之间的功能连接性，并通过对得到的90*90偏相关矩阵应用阈值来构建全脑功能连接体。用图论分析方法考察了功能连接体的拓扑性质。然后，DL算法使用这一测量方法对儿科创伤后应激障碍与HC进行分类。使用DL的图形拓扑测量为区分儿童创伤后应激障碍和HC提供了一个潜在的临床有用的分类器(总体准确率为71.2%)。额顶区(中央执行网络)、扣带回和杏仁核对DL模型的性能贡献最大。基于fMRI数据的图形拓扑测量有助于建立具有临床实用价值的影像模型，以区分儿童创伤后应激障碍和HC。DL模型可能是识别创伤后应激障碍患者脑机制的有用工具。网上版载有补充材料，可在10.1186/s12888-021-03503-9查阅。
Children exposed to natural disasters are vulnerable to developing posttraumatic stress disorder (PTSD). Previous studies using resting-state functional neuroimaging have revealed alterations in graph-based brain topological network metrics in pediatric PTSD patients relative to healthy controls (HC). Here we aimed to apply deep learning (DL) models to neuroimaging markers of classification which may be of assistance in diagnosis of pediatric PTSD. We studied 33 pediatric PTSD and 53 matched HC. Functional connectivity between 90 brain regions from the automated anatomical labeling atlas was established using partial correlation coefficients, and the whole-brain functional connectome was constructed by applying a threshold to the resultant 90 * 90 partial correlation matrix. Graph theory analysis was used to examine the topological properties of the functional connectome. A DL algorithm then used this measure to classify pediatric PTSD vs HC. Graphic topological measures using DL provide a potentially clinically useful classifier for differentiating pediatric PTSD and HC (overall accuracy 71.2%). Frontoparietal areas (central executive network), cingulate cortex, and amygdala contributed the most to the DL model’s performance. Graphic topological measures based on fMRI data could contribute to imaging models of clinical utility in distinguishing pediatric PTSD from HC. DL model may be a useful tool in the identification of brain mechanisms PTSD participants. The online version contains supplementary material available at 10.1186/s12888-021-03503-9.
登录
查看更多内容
影响因子：
4.5
作者：
Cheng H;Newman S;Goñi J;Kent JS;Howell J;Bolbecker A;Puce A;O'Donnell BF;Hetrick WP
通讯作者：
Hetrick WP
影响因子：
4.3
作者：
Achard S;Bullmore E
通讯作者：
Bullmore E
DOI：
10.1523/jneurosci.1929-08.2008
发表时间：
2008-09-10
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Bassett DS;Bullmore E;Verchinski BA;Mattay VS;Weinberger DR;Meyer-Lindenberg A
通讯作者：
Meyer-Lindenberg A
神经影像学中脑部疾病的单受试者预测：前景和陷阱
影响因子：
5.7
作者：
Arbabshirani MR;Plis S;Sui J;Calhoun VD
通讯作者：
Calhoun VD
DOI：
10.1146/annurev-clinpsy-040510-143934
发表时间：
2011-01-01
影响因子：
18.4
作者：
Bullmore, Edward T.;Bassett, Danielle S.
通讯作者：
Bassett, Danielle S.