EEG動(dòng)態(tài)功能連接技術(shù)在精準(zhǔn)區(qū)分抑郁癥亞型與精神分裂癥中的應(yīng)用
Molecular Psychiatry|EEG 動(dòng)態(tài)功能連接技術(shù)精準(zhǔn)區(qū)分抑郁癥亞型與精神分裂癥
引言
精神疾病診斷正面臨嚴(yán)峻挑戰(zhàn)。重度抑郁癥（Major Depressive Disorder, MDD）作為全球主要致殘?jiān)�，其亞�?mdash;—非精神病性重度抑郁癥（Non-psychotic Major Depression, NPMD）與伴有幻覺、妄想等精神病性癥狀的精神病性重度抑郁癥（Psychotic Major Depression, PMD）——在治療方案和預(yù)后上存在顯著差異。同時(shí)，PMD與精神分裂癥（Schizophrenia, SCZ）因共享部分陽性癥狀（如幻覺），在臨床上極易混淆。目前，精神疾病的診斷主要依賴醫(yī)生主觀訪談與癥狀評(píng)估，缺乏客觀生物學(xué)標(biāo)志物。這導(dǎo)致NPMD、PMD與SCZ之間存在較高的誤診率，可能引發(fā)治療延誤、預(yù)后惡化及自殺風(fēng)險(xiǎn)增加等嚴(yán)重后果。因此，臨床診斷迫切需要一種能夠精準(zhǔn)區(qū)分這些疾病的客觀輔助工具。
近日，中南大學(xué)湘雅二醫(yī)院周建松教授和王小平教授團(tuán)隊(duì)利用動(dòng)態(tài)腦網(wǎng)絡(luò)技術(shù)系統(tǒng)探索了靜息態(tài)腦電圖區(qū)分不同精神疾病的可行性與關(guān)鍵神經(jīng)標(biāo)志物。研究成果發(fā)表于Molecular Psychiatry，題為《Resting-state EEG dynamic functional connectivity distinguishes non-psychotic major depression, psychotic major depression and schizophrenia》。該研究通過采集579名參與者（包括健康對照及三種疾病患者）的靜息態(tài)腦電圖數(shù)據(jù)，比較了動(dòng)態(tài)功能連接與靜態(tài)功能連接，以及不同頻段（Delta、Theta、Gamma）和腦狀態(tài)（State 1, State 2，State3, State 4）在四組分類中的效能。結(jié)果發(fā)現(xiàn)，在所有方法中，動(dòng)態(tài)功能連接特征最為突出：基于其構(gòu)建的雙層隨機(jī)森林分類器，在HC、NPMD、PMD和SCZ的四分類中達(dá)到了73.1%的準(zhǔn)確率，顯著優(yōu)于靜態(tài)功能連接方法。此外，研究還證實(shí)了State 2和State 3這兩個(gè)涉及默認(rèn)網(wǎng)絡(luò)與額頂網(wǎng)絡(luò)的動(dòng)態(tài)特征，是區(qū)分疾病的關(guān)鍵生物標(biāo)志物。這一工作不僅揭示了精神疾病在腦動(dòng)態(tài)活動(dòng)中的特異性模式，還為開發(fā)基于腦電圖的客觀輔助診斷工具，以解決臨床誤診難題，展現(xiàn)了巨大潛力。
研究方法
本研究共納入579名參與者，包括152名非精神病性重度抑郁癥（NPMD）患者、45名精神病性重度抑郁癥（PMD）患者、185名精神分裂癥（SCZ）患者及197名年齡和性別匹配的健康對照（HC）。所有參與者在靜息閉眼狀態(tài)下，使用21導(dǎo)聯(lián)腦電圖（EEG）設(shè)備采集了5-6分鐘的腦電信號(hào)，采樣率為200 Hz，在線帶通濾波范圍為0.05-100 Hz。使用帶通濾波器將腦電信號(hào)分為5個(gè)頻帶： delta (1–4 Hz)、theta (4–8 Hz)、alpha (8–13 Hz)、beta (13–30 Hz)、gamma (30–40 Hz) 和全頻段 (1–40 Hz)。
本研究對預(yù)處理后的腦電信號(hào)進(jìn)行動(dòng)態(tài)分割，采用窗長為4s，步長為1s的滑動(dòng)窗口生成連續(xù)的時(shí)間片段序列。在每個(gè)窗口內(nèi)，計(jì)算每個(gè)頻段下的加權(quán)相位滯后指數(shù)（wPLI），構(gòu)建包含 C × (C−1) /2 wPLI 值的對稱動(dòng)態(tài)功能連接矩陣。通過k-means聚類識(shí)別出4個(gè)代表性大腦狀態(tài)，進(jìn)而提取各狀態(tài)的時(shí)間比例、持續(xù)時(shí)間和轉(zhuǎn)換次數(shù)等動(dòng)態(tài)特征參數(shù)。作為對比基準(zhǔn)，本研究同時(shí)進(jìn)行了傳統(tǒng)的靜態(tài)功能連接分析，基于整個(gè)記錄時(shí)段計(jì)算時(shí)間平均的wPLI連接矩陣，提供常規(guī)的功能連接特征。研究設(shè)計(jì)了兩層隨機(jī)森林分類器（樹數(shù)量=500），第一層區(qū)分患者與健康人群，第二層在患者中鑒別三種疾病類型。通過五折交叉驗(yàn)證和500次重復(fù)測試，系統(tǒng)比較了DFC、SFC以及兩者結(jié)合的分類性能。
研究結(jié)果
圖1展示了delta、theta和gamma頻段下的四種大腦狀態(tài)空間模式，揭示了狀態(tài)2出現(xiàn)頻率更高（約 35%）但是連接更稀疏，而狀態(tài)3出現(xiàn)頻率較低（約 8%）但呈現(xiàn)出更強(qiáng)的全局互聯(lián)模式。
研究結(jié)果顯示大腦狀態(tài)識(shí)別具有高度的可重復(fù)性，當(dāng)使用樣本量達(dá)到70%時(shí)結(jié)果趨于穩(wěn)定（圖2B）；圖2C的相關(guān)性分析進(jìn)一步證實(shí)了跨診斷組的泛化能力，健康對照組與各疾病組在多個(gè)狀態(tài)間呈現(xiàn)顯著空間相似性（如NPMD組在狀態(tài)1、2、3的r > 0.40, p < 0.01）。
圖3表明動(dòng)態(tài)功能連接特征在判別疾病中占據(jù)主導(dǎo)地位，Boruta算法篩選出的重要DFC特征數(shù)量（首層23個(gè)，二層26個(gè)）遠(yuǎn)多于靜態(tài)功能連接特征（首層僅2個(gè)，二層僅6個(gè)）。
圖4A的混淆矩陣直觀顯示，基于動(dòng)態(tài)功能連接（DFC）的分類器在四向診斷（HC、NPMD、PMD、SCZ）中實(shí)現(xiàn)了 73.1% 的整體準(zhǔn)確率，其性能顯著優(yōu)于靜態(tài)功能連接（SFC）僅 49.3% 的準(zhǔn)確率。圖4C 的柱狀圖進(jìn)一步表明，DFC方法在靈敏度、特異性和精確度等多個(gè)指標(biāo)上均一致性地優(yōu)于SFC方法。
圖5的動(dòng)態(tài)特性分析詳細(xì)展示了組間差異模式：在delta、theta和gamma頻段，患者組在狀態(tài)2的參與比例和平均持續(xù)時(shí)間顯著增加，而在狀態(tài)3的參與度降低，這些差異均達(dá)到統(tǒng)計(jì)顯著性（p < 0.01，F(xiàn)DR校正）。所有分類結(jié)果均經(jīng)過500次置換檢驗(yàn)驗(yàn)證，其性能顯著高于隨機(jī)水平（~25%, p < 0.005），證實(shí)了動(dòng)態(tài)功能連接特征作為精神疾病客觀生物標(biāo)志物的可靠性與有效性。
圖5. 大腦狀態(tài)在δ、θ、γ頻段的動(dòng)態(tài)功能特征
結(jié)論與展望
本研究通過系統(tǒng)比較靜態(tài)與動(dòng)態(tài)腦功能連接，確立了動(dòng)態(tài)功能連接在精神疾病分型診斷中的核心價(jià)值。研究發(fā)現(xiàn)，狀態(tài)2和狀態(tài)3的動(dòng)態(tài)特性在患者群體中呈現(xiàn)規(guī)律性改變，為理解精神疾病的神經(jīng)機(jī)制提供了全新視角�；趧�(dòng)態(tài)特征的機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)了73.1%的準(zhǔn)確率，顯著優(yōu)于傳統(tǒng)靜態(tài)方法。
這項(xiàng)工作不僅驗(yàn)證了動(dòng)態(tài)腦網(wǎng)絡(luò)作為客觀生物標(biāo)志物的可行性，更構(gòu)建了一套從特征選擇到分層診斷的完整方法論框架。隨著便攜式腦電設(shè)備與輕量化算法的發(fā)展，該研究為精神疾病診斷從主觀癥狀描述向客觀量化評(píng)估的轉(zhuǎn)變奠定了堅(jiān)實(shí)基礎(chǔ)，推動(dòng)精神醫(yī)學(xué)邁向個(gè)性化診療的新階段。
原文信息鏈接
Chen H, Lei Y, Li R, et al. Resting-state EEG dynamic functional connectivity distinguishes non-psychotic major depression, psychotic major depression and schizophrenia[J]. Molecular Psychiatry, 2024, 29(4): 1088-1098.
DOI：10.1038/s41380-023-02395-3
研究團(tuán)隊(duì)介紹
本文作者為陳慧、雷燕琴等，其中陳慧來自中南大學(xué)湘雅二醫(yī)院，雷燕琴目前在邁阿密大學(xué)就讀于博士學(xué)位，李日輝來自澳門大學(xué)，Xianliang Chen , Jiali Liu , Huajia Tang, Jiawei Zhou , Ying Huang 等均來自中南大學(xué)湘雅二醫(yī)院。
文章作者之一：雷燕琴
關(guān)于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術(shù)有限公司成立于2006年，是一家專注于腦科學(xué)、康復(fù)工程、人因工程、心理學(xué)、體育科學(xué)等領(lǐng)域的科研解決方案供應(yīng)商。公司與國內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長期保持合作關(guān)系，致力于將優(yōu)質(zhì)的產(chǎn)品、先進(jìn)的技術(shù)和服務(wù)帶給各個(gè)領(lǐng)域的科研工作者，為用戶提供有競爭力的方案和服務(wù)，協(xié)助用戶的科研工作，持續(xù)提升使用體驗(yàn)。
相關(guān)產(chǎn)品
引言
精神疾病診斷正面臨嚴(yán)峻挑戰(zhàn)。重度抑郁癥（Major Depressive Disorder, MDD）作為全球主要致殘?jiān)�，其亞�?mdash;—非精神病性重度抑郁癥（Non-psychotic Major Depression, NPMD）與伴有幻覺、妄想等精神病性癥狀的精神病性重度抑郁癥（Psychotic Major Depression, PMD）——在治療方案和預(yù)后上存在顯著差異。同時(shí)，PMD與精神分裂癥（Schizophrenia, SCZ）因共享部分陽性癥狀（如幻覺），在臨床上極易混淆。目前，精神疾病的診斷主要依賴醫(yī)生主觀訪談與癥狀評(píng)估，缺乏客觀生物學(xué)標(biāo)志物。這導(dǎo)致NPMD、PMD與SCZ之間存在較高的誤診率，可能引發(fā)治療延誤、預(yù)后惡化及自殺風(fēng)險(xiǎn)增加等嚴(yán)重后果。因此，臨床診斷迫切需要一種能夠精準(zhǔn)區(qū)分這些疾病的客觀輔助工具。
文章信息
近日，中南大學(xué)湘雅二醫(yī)院周建松教授和王小平教授團(tuán)隊(duì)利用動(dòng)態(tài)腦網(wǎng)絡(luò)技術(shù)系統(tǒng)探索了靜息態(tài)腦電圖區(qū)分不同精神疾病的可行性與關(guān)鍵神經(jīng)標(biāo)志物。研究成果發(fā)表于Molecular Psychiatry，題為《Resting-state EEG dynamic functional connectivity distinguishes non-psychotic major depression, psychotic major depression and schizophrenia》。該研究通過采集579名參與者（包括健康對照及三種疾病患者）的靜息態(tài)腦電圖數(shù)據(jù)，比較了動(dòng)態(tài)功能連接與靜態(tài)功能連接，以及不同頻段（Delta、Theta、Gamma）和腦狀態(tài)（State 1, State 2，State3, State 4）在四組分類中的效能。結(jié)果發(fā)現(xiàn)，在所有方法中，動(dòng)態(tài)功能連接特征最為突出：基于其構(gòu)建的雙層隨機(jī)森林分類器，在HC、NPMD、PMD和SCZ的四分類中達(dá)到了73.1%的準(zhǔn)確率，顯著優(yōu)于靜態(tài)功能連接方法。此外，研究還證實(shí)了State 2和State 3這兩個(gè)涉及默認(rèn)網(wǎng)絡(luò)與額頂網(wǎng)絡(luò)的動(dòng)態(tài)特征，是區(qū)分疾病的關(guān)鍵生物標(biāo)志物。這一工作不僅揭示了精神疾病在腦動(dòng)態(tài)活動(dòng)中的特異性模式，還為開發(fā)基于腦電圖的客觀輔助診斷工具，以解決臨床誤診難題，展現(xiàn)了巨大潛力。
研究方法
本研究共納入579名參與者，包括152名非精神病性重度抑郁癥（NPMD）患者、45名精神病性重度抑郁癥（PMD）患者、185名精神分裂癥（SCZ）患者及197名年齡和性別匹配的健康對照（HC）。所有參與者在靜息閉眼狀態(tài)下，使用21導(dǎo)聯(lián)腦電圖（EEG）設(shè)備采集了5-6分鐘的腦電信號(hào)，采樣率為200 Hz，在線帶通濾波范圍為0.05-100 Hz。使用帶通濾波器將腦電信號(hào)分為5個(gè)頻帶： delta (1–4 Hz)、theta (4–8 Hz)、alpha (8–13 Hz)、beta (13–30 Hz)、gamma (30–40 Hz) 和全頻段 (1–40 Hz)。
表1. 樣本的社會(huì)人口學(xué)和臨床特征（N = 579）
本研究對預(yù)處理后的腦電信號(hào)進(jìn)行動(dòng)態(tài)分割，采用窗長為4s，步長為1s的滑動(dòng)窗口生成連續(xù)的時(shí)間片段序列。在每個(gè)窗口內(nèi)，計(jì)算每個(gè)頻段下的加權(quán)相位滯后指數(shù)（wPLI），構(gòu)建包含 C × (C−1) /2 wPLI 值的對稱動(dòng)態(tài)功能連接矩陣。通過k-means聚類識(shí)別出4個(gè)代表性大腦狀態(tài)，進(jìn)而提取各狀態(tài)的時(shí)間比例、持續(xù)時(shí)間和轉(zhuǎn)換次數(shù)等動(dòng)態(tài)特征參數(shù)。作為對比基準(zhǔn)，本研究同時(shí)進(jìn)行了傳統(tǒng)的靜態(tài)功能連接分析，基于整個(gè)記錄時(shí)段計(jì)算時(shí)間平均的wPLI連接矩陣，提供常規(guī)的功能連接特征。研究設(shè)計(jì)了兩層隨機(jī)森林分類器（樹數(shù)量=500），第一層區(qū)分患者與健康人群，第二層在患者中鑒別三種疾病類型。通過五折交叉驗(yàn)證和500次重復(fù)測試，系統(tǒng)比較了DFC、SFC以及兩者結(jié)合的分類性能。
研究結(jié)果
圖1展示了delta、theta和gamma頻段下的四種大腦狀態(tài)空間模式，揭示了狀態(tài)2出現(xiàn)頻率更高（約 35%）但是連接更稀疏，而狀態(tài)3出現(xiàn)頻率較低（約 8%）但呈現(xiàn)出更強(qiáng)的全局互聯(lián)模式。
圖1. 大腦狀態(tài)結(jié)果圖。A各組的δ波段的特定大腦狀態(tài)；B各組的θ波段的特定大腦狀態(tài)；C各組γ波段的特定大腦狀態(tài)HC為健康對照組，NPMD非精神病性抑郁癥組，PMD精神病性重度抑郁癥組，SCZ精神分裂癥組
研究結(jié)果顯示大腦狀態(tài)識(shí)別具有高度的可重復(fù)性，當(dāng)使用樣本量達(dá)到70%時(shí)結(jié)果趨于穩(wěn)定（圖2B）；圖2C的相關(guān)性分析進(jìn)一步證實(shí)了跨診斷組的泛化能力，健康對照組與各疾病組在多個(gè)狀態(tài)間呈現(xiàn)顯著空間相似性（如NPMD組在狀態(tài)1、2、3的r > 0.40, p < 0.01）。
圖2. 診斷內(nèi)和診斷間估計(jì)的不同狀態(tài)的再現(xiàn)性的驗(yàn)證分析結(jié)果
圖3表明動(dòng)態(tài)功能連接特征在判別疾病中占據(jù)主導(dǎo)地位，Boruta算法篩選出的重要DFC特征數(shù)量（首層23個(gè)，二層26個(gè)）遠(yuǎn)多于靜態(tài)功能連接特征（首層僅2個(gè)，二層僅6個(gè)）。
圖3. DFC 特征的重要性得分.紅色條表示重要特征，綠色條表示不重要特征
圖4A的混淆矩陣直觀顯示，基于動(dòng)態(tài)功能連接（DFC）的分類器在四向診斷（HC、NPMD、PMD、SCZ）中實(shí)現(xiàn)了 73.1% 的整體準(zhǔn)確率，其性能顯著優(yōu)于靜態(tài)功能連接（SFC）僅 49.3% 的準(zhǔn)確率。圖4C 的柱狀圖進(jìn)一步表明，DFC方法在靈敏度、特異性和精確度等多個(gè)指標(biāo)上均一致性地優(yōu)于SFC方法。
圖4. 分類結(jié)果圖. 是否進(jìn)行預(yù)訓(xùn)練對PFC激活的影響
圖5的動(dòng)態(tài)特性分析詳細(xì)展示了組間差異模式：在delta、theta和gamma頻段，患者組在狀態(tài)2的參與比例和平均持續(xù)時(shí)間顯著增加，而在狀態(tài)3的參與度降低，這些差異均達(dá)到統(tǒng)計(jì)顯著性（p < 0.01，F(xiàn)DR校正）。所有分類結(jié)果均經(jīng)過500次置換檢驗(yàn)驗(yàn)證，其性能顯著高于隨機(jī)水平（~25%, p < 0.005），證實(shí)了動(dòng)態(tài)功能連接特征作為精神疾病客觀生物標(biāo)志物的可靠性與有效性。
圖5. 大腦狀態(tài)在δ、θ、γ頻段的動(dòng)態(tài)功能特征
結(jié)論與展望
本研究通過系統(tǒng)比較靜態(tài)與動(dòng)態(tài)腦功能連接，確立了動(dòng)態(tài)功能連接在精神疾病分型診斷中的核心價(jià)值。研究發(fā)現(xiàn)，狀態(tài)2和狀態(tài)3的動(dòng)態(tài)特性在患者群體中呈現(xiàn)規(guī)律性改變，為理解精神疾病的神經(jīng)機(jī)制提供了全新視角�；趧�(dòng)態(tài)特征的機(jī)器學(xué)習(xí)模型實(shí)現(xiàn)了73.1%的準(zhǔn)確率，顯著優(yōu)于傳統(tǒng)靜態(tài)方法。
這項(xiàng)工作不僅驗(yàn)證了動(dòng)態(tài)腦網(wǎng)絡(luò)作為客觀生物標(biāo)志物的可行性，更構(gòu)建了一套從特征選擇到分層診斷的完整方法論框架。隨著便攜式腦電設(shè)備與輕量化算法的發(fā)展，該研究為精神疾病診斷從主觀癥狀描述向客觀量化評(píng)估的轉(zhuǎn)變奠定了堅(jiān)實(shí)基礎(chǔ)，推動(dòng)精神醫(yī)學(xué)邁向個(gè)性化診療的新階段。
原文信息鏈接
Chen H, Lei Y, Li R, et al. Resting-state EEG dynamic functional connectivity distinguishes non-psychotic major depression, psychotic major depression and schizophrenia[J]. Molecular Psychiatry, 2024, 29(4): 1088-1098.
DOI：10.1038/s41380-023-02395-3
研究團(tuán)隊(duì)介紹
本文作者為陳慧、雷燕琴等，其中陳慧來自中南大學(xué)湘雅二醫(yī)院，雷燕琴目前在邁阿密大學(xué)就讀于博士學(xué)位，李日輝來自澳門大學(xué)，Xianliang Chen , Jiali Liu , Huajia Tang, Jiawei Zhou , Ying Huang 等均來自中南大學(xué)湘雅二醫(yī)院。
文章作者之一：雷燕琴
關(guān)于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術(shù)有限公司成立于2006年，是一家專注于腦科學(xué)、康復(fù)工程、人因工程、心理學(xué)、體育科學(xué)等領(lǐng)域的科研解決方案供應(yīng)商。公司與國內(nèi)外多所大學(xué)、研究機(jī)構(gòu)、企業(yè)長期保持合作關(guān)系，致力于將優(yōu)質(zhì)的產(chǎn)品、先進(jìn)的技術(shù)和服務(wù)帶給各個(gè)領(lǐng)域的科研工作者，為用戶提供有競爭力的方案和服務(wù)，協(xié)助用戶的科研工作，持續(xù)提升使用體驗(yàn)。
相關(guān)產(chǎn)品
- 文獻(xiàn)綜述：經(jīng)皮耳迷走神經(jīng)刺激（包含耳穴療法）治療癲癇
- EEG動(dòng)態(tài)功能連接技術(shù)在精準(zhǔn)區(qū)分抑郁癥亞型與精神分裂癥中的應(yīng)用
- 從個(gè)體到群體：腦信號(hào)眾包讓情感分類性能持續(xù)提升的研究
- 通過機(jī)器學(xué)習(xí)結(jié)合生物學(xué)型號(hào)識(shí)別青少年自殘行為下輕生風(fēng)險(xiǎn)的研究
- 靈長類全腦神經(jīng)記錄的新型探針Neuropixels 1.0 NHP的研究開發(fā)
- 腦電波解碼景觀舒適度：VR實(shí)驗(yàn)揭示自由與規(guī)則形態(tài)景觀的神經(jīng)響應(yīng)差異
- 鋼琴演奏中神經(jīng)肌肉控制策略與疲勞研究以優(yōu)化肌肉疲勞疾病干預(yù)方案
- 使用功能性近紅外光譜探索交響樂團(tuán)演奏時(shí)音樂誘發(fā)演奏者的腦活動(dòng)
- 禮智生物科技誠聘銷售主管、大區(qū)銷售經(jīng)理
- CNSD·CNS藥物開發(fā)與創(chuàng)新技術(shù)發(fā)展大會(huì)活動(dòng)議程
- CNSD · CNS藥物開發(fā)與創(chuàng)新技術(shù)發(fā)展大會(huì)報(bào)名開啟
- 禮智生物誠邀您蒞臨2025神經(jīng)環(huán)路示蹤與調(diào)控大會(huì)
- OT Bioelettronic推出新品64通道無線腦信號(hào)分析系統(tǒng)
- 贏富儀器邀您參加2025上海腦科學(xué)研究技術(shù)交流會(huì)
- 第十個(gè)中國航天日，回顧維拓啟創(chuàng)與中國航天的十年
- 講座交流：禮智應(yīng)邀分享fUS技術(shù)及Neuropixels技術(shù)
Copyright(C) 1998-2025 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com