导读 根据 5 月 15 日在线发表在《精神分裂症通报》上的一项研究，图卷积网络 (GCN) 方法允许在个体层面对精神分裂症进行分类。来自中国成
根据 5 月 15 日在线发表在《精神分裂症通报》上的一项研究，图卷积网络 (GCN) 方法允许在个体层面对精神分裂症进行分类。
来自中国成都四川大学的 Du Lei 及其同事使用 GCN 使用来自 505 名精神分裂症患者和 907 名对照者的静息状态功能磁共振成像数据来检查精神分裂症患者功能性脑网络的拓扑异常。对于每个人，提取了一个全脑功能连接矩阵。相对于支持向量机(SVM)检查了 GCN 的性能。
研究人员发现，与 SVM 相比，GCN 名义上实现了更高的分类准确度(85.8% 对 80.9%)。根据显着性图，最具辨别力的大脑区域位于分布式网络中，包括纹状体区域(壳核、苍白球和尾状核)和杏仁核。双侧壳核和苍白球的淋巴结效率在患者和对照组之间存在显着差异，并且在事后分析中发现与阴性症状的相关性。
“这些发现支持了这样一种观点，即纹状体区域的拓扑结构，包括壳核和苍白球，可能代表精神分裂症阴性症状的核心神经缺陷，”作者写道。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！