利用BOLD信号的区域同质性识别甲基苯丙胺依赖性

摘要

甲基苯丙胺是一种高度成瘾性的滥用药物，会造成一系列心理和生理上的异常后果。本文旨在利用机器学习方法研究区域同质异常(ReHo)是否可以作为区分甲基安非他明依赖(MAD)个体与对照组的有效特征。我们利用静息状态功能磁共振成像来测量区域的同质性41个人疯了,42岁,sex-matched对照,发现与对照组相比,个人疯狂ReHo值较低的内侧额上回但ReHo高值右颞下梭状。此外，我们使用AdaBoost分类器，一种非常有效的机器学习集成学习方法，将MAD个体与ReHo值异常的对照受试者进行分类。利用遗漏一交叉验证方法，我们获得了84.3%以上的准确率，这意味着我们几乎可以通过机器学习方法在ReHo值上区分MAD个体和对照受试者。总之,我们的研究结果表明,演classifier-neuroimaging方法可能是一个有前途的方法找到一个人是否已经沉迷于甲基苯丙胺,此外,本文表明,静息状态功能磁共振成像应考虑作为生物标志物,非侵入性和有效的助理工具评估疯了。

1.介绍

甲基苯丙胺是一种合成兴奋剂，通常呈白色或无色，长期过量使用可能导致依赖。有许多研究人员声称，长期过量使用甲基苯丙胺会引起不良的身体反应和严重的精神症状，如抑郁症和心境恶劣症[1，2，精神疾病[3.和认知缺陷[4- - - - - -6]，这可能是由于停用后多巴胺转运体密度持续下降所致[7，8］．目前，对甲基安非他明依赖(MAD)个体的临床诊断是基于MA使用者的异常存在，自我报告的症状受自身偏见的影响。缺乏与MAD高度相关的经过验证的生物标志物。因此，我们提出了一种基于机器学习的MAD辅助诊断方法。

静息状态功能磁共振成像(rs-fMRI)是基于血氧水平依赖(BOLD)信号进行脑活动研究的一种有效方法。ReHo是一种很有前途的静息态fMRI研究方法，已成功用于大量神经系统疾病的研究，如反社会人格障碍的研究[9,精神分裂症10，以及抑郁[11］．因此，在本研究中，我们利用ReHo来发现MAD个体与对照被试之间的差异，并利用被试异常的ReHo值，我们首先使用AdaBoost分类器来区分MAD个体与对照被试这两组。AdaBoost分类器是一种非常优秀的机器学习集成学习方法，甚至常常优于支持向量机(SVM) [12在某些情况下，由于分类结果是由多个分类器而不是单个分类器决定的。我们推测ReHo中显示的异常区域可能是评价MAD的生物标志物。

2.方法

2．1．数据采集和预处理

我们的核磁共振数据是在中南大学湘雅二医院医学影像科的同一台fMRI设备上收集的。使用西门子3.0T磁共振成像系统进行扫描。将海绵耳塞插入受试者的耳朵，并佩戴隔音耳以减少噪音。受试者平卧位，头部置于固定头罩内，用泡沫垫固定头部两侧，减少头部运动。在数据采集过程中，研究人员要求受试者放松大脑，闭上眼睛，尽量少动。采用梯度回波EPI序列进行全脑功能扫描;参数说明如下: ， ， ， ， ， ， ，和 ．我们使用层间扫描，先偶数层，再奇数层，收集225个时间点。

采用静息态fMRI数据处理助手(Data Processing Assistant for Resting-State fMRI, DPARSF)进行数据预处理[13) (http://www.restfmri.net)及Spm8 (https://www.fil.ion.ucl.ac.uk/spm/)的Matlab R2017b。对于每个受试者，由于参与者的磁饱和和不稳定性，我们删除了fMRI时间序列的前10次扫描。对于剩余的图像，预处理过程包括切片时间、头部运动校正和空间归一化到蒙特利尔神经学研究所的标准模板，重采样体素大小为 ．排除任意方向平移超过1.5 mm和旋转超过1.5度的受试者。然后，我们对fMRI数据进行去趋势分析。

2.2。ReHo计算

我们使用DPARSF高级版对每个受试者进行ReHo计算。ReHo的主要思想可以概括为利用Kendall’s系数一致性(KCC)来度量多个时间过程的相似程度[14］．该方法的详细资料请参阅[15］．某点KCC计算公式如下: 在哪里表示KCC的值，取值范围在0到1之间，表示聚类中的体素数量，在我们的研究中，我们设置等于27表示fMRI数据的时间点。表示27个体素的总数时间点，很明显，的平均值 ．DPARSF管道的功能是计算大脑中每个体素及其周围体素的时间序列一致性，然后获得体素的KCC。这样我们就得到了整个大脑中每个体素的KCC值，得到了每个被试的ReHo图。

２.３.歧视分析

ReHo的组间体素比较使用两个样本 -测试。从两个样本的结果 -在测试中，我们得到了MAD患者和对照组的不同大脑区域。这些大脑区域被确定为感兴趣区域(roi)。每个ROI被定义为一个圆心位于统计差异最大的体素处的球体(半径为6mm)。然后，提取每个个体参与者在每个ROI中的平均ReHo值作为特征，对MAD组和对照组进行分类。AdaBoost分类是一种机器学习的集成学习方法，由Freund和Schapire提出[16］．AdaBoost算法由许多弱分类器组成。在每次迭代中，向算法中加入一个新的弱分类器，直到分类器达到预期的结果。在训练过程中，我们为每个训练样本设置一个值，该值表示该样本被新分类器选中的概率。如果在之前的分类器中对样本进行了准确的分类，那么它的权重会降低，否则会增加，这样我们就可以更加关注分类错误的样本。最终的分类结果是多个分类器的线性组合，这是AdaBoost分类算法往往优于其他分类算法的根本原因。由于数据量小，我们采用留一交叉验证的方法对模型进行训练，最终的模型精度为多次训练的平均值。

3.结果

3．1.主题

在本研究中，41例MAD患者来自湖南省平塘市强制隔离戒毒中心，42例对照组来自社会;我们剔除了那些被诊断出患有精神疾病的对照组受试者，以及那些因为教育程度低而无法签名的受试者。对照组中有2名左撇子受试者，MAD患者中有3名左撇子受试者。对照组受试者除尼古丁外，均无成瘾物质依赖史。参与实验的人年龄在20到46岁之间，平均年龄为33.4岁。在收集数据前，医生与每个受试者签署了书面保证协议，因此本研究需经中南大学伦理委员会批准。表中给出了所有参与者的相关信息1．

３．２．ReHo结果

数字1和表2在MAD个体和使用两种样本的对照组之间显示有意义的差异 -测试(经过AlphaSim校正后， ，最小的集群大小是13)。与对照组相比，MAD患者右侧内侧额上回的ReHo值较低，右侧颞下梭状回的ReHo值较高。

３．３．分类结果

我们使用AdaBoost分类器根据两组间ReHo显著差异的特征区分MAD个体与对照组。AdaBoost分类器的主要思想可以概括为多个弱分类器的线性组合。我们测试较弱分类器(n_estimators)的数量从2到20，发现最佳的准确率为84.37%(图2当n_estimators等于4时。在这里，准确性是指正确分类的被试人数除以我们的被试总数。从分类结果可以得出结论，AdaBoost分类器可以更好地区分正常人和MAD个体。

4.讨论

最近，甲基苯丙胺已成为世界上最容易上瘾的毒品之一，并继续成为首要的公共卫生问题[17］．越来越多的人过度使用MA，严重影响了他们的身心健康，给他们的家庭带来了不幸。因此，对MAD患者进行识别并采取一定的措施来缓解他们的病情是有意义的。

本文的目的是建立一个基于静息态fMRI和机器学习方法的MAD辅助诊断系统。在我们的研究中，我们利用ReHo方法研究静息态fMRI数据，通过计算MAD组和对照组之间的可识别差异。此外，采用一种有效的机器学习方法adaboost算法来区分MAD个体和对照组，准确率为84.3%。这表明AdaBoost分类器-神经成像方法可以作为一种有用的辅助诊断工具来识别MAD患者，并帮助他们及时缓解病情。在我们的研究中，我们发现MAD患者右侧内侧额上回的ReHo值较低，这与Monterosso等和Schwartz等的研究结果一致[18，19］．另一方面，我们发现MAD患者在右侧颞下梭状回具有较高的ReHo值，这与Kim等人一致[20.］．Goldberg等人发现证据证明额上回与自我意识有关[21，22，弗里德等人发现额上回与笑密切相关[23]，符合MAD患者的临床症状。而且，一系列的研究证明，下梭状回参与颜色的高级处理[24- - - - - -26，这意味着它通常与视觉通路有关[27];换句话说，下梭状回高度与面孔、身体识别和文字识别有关[28- - - - - -30.];这就是为什么大多数MAD患者经常出现奇怪的面部表情和行为。我们的研究表明，MAD患者的自我意识较差，如强迫性行为、焦虑以及识别面孔、身体和文字的能力较差[11］．此外，我们使用AdaBoost分类器有效地将MAD个体与对照组区分开来，该分类器覆盖了支持向量机和KNN。我们的结果证明了一种评估MAD的潜在生物标志物。有多种研究表明，生物标记物在医学领域可能被用于有效诊断多种疾病[31］．我们的结果证明，ReHo可以作为一个稳健的指标来区分MAD个体和对照受试者，机器学习可能是一个有用的工具来诊断精神疾病。虽然我们的准确率达到了84.3%，但我们相信我们的模型仍有很大的改进空间。我们只使用区域同质性(ReHo)方法估算MAD;也许将来我们可以在功能连接方面改变我们的模式。而且，近年来，深度学习在大样本数据集中的表现超过了传统的机器学习算法，这可能会激励我们在未来得到更准确的结果。

数据可用性

我的论文中使用的所有数据都是可用的;想要获取数据的研究人员可以给我发邮件yuhufei@csu.edu.cn．

的利益冲突

作者声明他们没有利益冲突。

作者的贡献

余虎飞和黄树才对这本书贡献相同，应该被认为是共同第一作者。

致谢

国家自然科学基金项目(no . 81971249);国家重点基础研究发展计划项目(no . 2015CB553504);国家科技支撑计划项目(no . 2016YFC0800908-Z02)。关键词:岩石力学，数值模拟，数值模拟

参考文献

1. E. D. London, S. L. Simon, S. M. Berman等人，“最近戒断的甲基苯丙胺滥用者的情绪紊乱和区域大脑代谢异常”普通精神病学档案第61卷第1期1，页73-84,2004。视图:出版商的网站|谷歌学术搜索
2. T. F. Newton, A. D. Kalechstein, S. Duran, N. Vansluis, W. Ling，《甲基苯丙胺戒断综合症:初步发现》《美国成瘾杂志》，第13卷，第2期3，页248 - 255,2004。视图:出版商的网站|谷歌学术搜索
3. K. M. Grant, T. D. LeVan, S. M. Wells等人，《甲基苯丙胺相关精神病》神经免疫药理学杂志，第7卷，第5期1，页113-139,2012。视图:出版商的网站|谷歌学术搜索
4. A. C. Dean, S. M. Groman, A. M. Morales，和E. D. London，“对滥用甲基苯丙胺导致人类认知能力下降的证据的评估，”神经精神药理学第38卷第2期2，第259-274页，2013。视图:出版商的网站|谷歌学术搜索
5. A. D. Kalechstein, T. F. Newton和M. Green，“甲基苯丙胺依赖与戒断初期的神经认知障碍有关，”《神经精神病学和临床神经科学杂志》，第15卷，第5期。2, pp. 215 - 220,2003。视图:出版商的网站|谷歌学术搜索
6. C. C. Cruickshank和K. R. Dyer，《甲基苯丙胺临床药理学综述》，上瘾，第104卷，第104号7, pp. 1085-1099, 2009。视图:出版商的网站|谷歌学术搜索
7. Y. Sekine, M. Iyo, Y. Ouchi等，“PET研究甲基苯丙胺相关的精神症状和大脑多巴胺转运减少”，美国精神病学杂志第158卷第1期8，页1206-1214,2001。视图:出版商的网站|谷歌学术搜索
8. 张立国，张立国。Wang等人，“甲基苯丙胺滥用者多巴胺转运体减少与精神运动障碍的关系”，美国精神病学杂志第158卷第1期3，页377-382,2001。视图:出版商的网站|谷歌学术搜索
9. 唐颖，刘伟，王伟，“基于区域同质性的反社会人格障碍的自发活动改变”，《心理发展与教育》，2013年第4期。Neuroreport，第24卷，第2期11, pp. 590-595, 2013。视图:出版商的网站|谷歌学术搜索
10. Liu H.， Z. Liu, M. Liang等，“精神分裂症的区域同质性降低:静息状态功能性磁共振成像研究，”NeuroReport，第十七卷，第二期1，页19-22,2006。视图:出版商的网站|谷歌学术搜索
11. 马志忠，李瑞宇，何颖，李俊杰，“老年阈下抑郁症患者自发性脑活动的区域同质性改变”，《公共科学图书馆•综合》，第8卷，第2期1, 2013。视图:谷歌学术搜索
12. C. Cortes和V. Vapnik，《支持向量网络》，机器学习，第20卷，第2期。3，页273-297,1995。视图:出版商的网站|谷歌学术搜索
13. “DPARSF:一种用于静息态fMRI“管道”数据分析的MATLAB工具箱，”系统神经科学前沿， 2010年第4卷。视图:出版商的网站|谷歌学术搜索
14. J. L. Müller, S. Gänßbauer, M. Sommer等人，“犯罪精神病患者右颞上回灰质变化。来自体素形态测量学的证据，”精神病学研究:神经成像第163期3，页213-222,2008。视图:出版商的网站|谷歌学术搜索
15. 倪玲，齐瑞琪，张丽娟等，“微小肝性脑病发展中改变的区域同质性:静息状态功能MRI研究，”《公共科学图书馆•综合》，第7卷，第5期7, p. e42016, 2012。视图:出版商的网站|谷歌学术搜索
16. 弗洛因德和沙皮尔，“在线学习的决策理论概括和促进的应用”，在欧洲计算学习理论会议，第23-37页，西班牙巴塞罗那，1995。视图:谷歌学术搜索
17. E. D. London, M. Kohno, A. M. Morales，和M. E. Ballard，“神经成像显示的慢性甲基苯丙胺滥用和皮质纹状体缺陷，”大脑研究， vol. 1628, pp. 174-185, 2015。视图:出版商的网站|谷歌学术搜索
18. J. R. Monterosso, G. Ainslie, J. Xu, X. Cordova, C. P. Domier, and E. D. London，“甲基苯丙胺依赖和比较受试者执行延迟折扣任务的额顶叶皮层活动”，人类大脑图谱第28卷第2期5，页383-393,2007。视图:出版商的网站|谷歌学术搜索
19. D. L. Schwartz, A. D. Mitchell, D. L. Lahna等人，“近期戒断甲基苯丙胺依赖个体的整体和局部形态差异，”科学杂志，第50卷，第5期。4，第1392-1401页，2010。视图:出版商的网站|谷歌学术搜索
20. Y. T. Kim, H. J. Song, J. H. Seo et al.，“甲基苯丙胺滥用者和执行情绪匹配任务的健康受试者之间神经网络活动的差异:功能MRI研究，”在生物医学核磁共振，第24卷，第2期10, pp. 1392 - 1405, 2011。视图:出版商的网站|谷歌学术搜索
21. I. I. Goldberg, M. Harel，和R. Malach，“当大脑失去自我:感觉运动过程中前额叶失活动，”神经元，第50卷，第5期。2，页329-339,2006。视图:出版商的网站|谷歌学术搜索
22. 普拉泰克(S. M. Platek)、基南(J. P. Keenan)、小G. G.盖洛普(G. G. Gallup Jr.)和穆罕默德(F. B. Mohamed)的《我在哪里?》自我和他人的神经关联，”大脑的认知研究第19卷第2期2，页114-122,2004。视图:出版商的网站|谷歌学术搜索
23. I. Fried, C. L. Wilson, K. A. MacDonald和E. J. Behnke，“电流刺激笑声，”自然第391期1998年。视图:出版商的网站|谷歌学术搜索
24. v . s .拉马钱德兰,《泄密的大脑:揭开人性之谜:兰登书屋》,2012年。
25. M. Corbetta, F. miiezin, S. Dobmeyer, G. Shulman, S. Petersen，“人类形状、颜色和速度的神经处理的注意调节”，科学，第248卷，第2期。第2页，第2 - 3页，1990。视图:出版商的网站|谷歌学术搜索
26. W. K. Simmons, V. Ramjee, M. S. Beauchamp, K. McRae, A. Martin，和L. W. Barsalou，《感知和了解颜色的常见神经基质》，这项研究第45卷第5期12，页2802-2810,2007。视图:出版商的网站|谷歌学术搜索
27. E. M. Hubbard和V. S. Ramachandran，《联觉的神经认知机制》，神经元，第48卷，第48期3，页509 - 520,2005。视图:出版商的网站|谷歌学术搜索
28. N. George, R. J. Dolan, G. R. Fink, G. C. Baylis, C. Russell, J. Driver，《人类梭状回中的对比极性和面部识别》，自然神经科学，第2卷，第2期6，第574 - 580,1999年。视图:出版商的网站|谷歌学术搜索
29. S. Bölte, D. Hubl, S. Feineis-Matthews, D. Prvulovic, T. Dierks，和F. Poustka，“自闭症中的面部影响识别训练:我们能激活梭状回吗?”行为神经科学号，第120卷。1，页211-216,2006。视图:出版商的网站|谷歌学术搜索
30. B. D. McCandliss, L. Cohen和S. Dehaene，“视觉词的形成区域:梭状回阅读的专门知识，”认知科学的发展趋势，第7卷，第5期7，页293-299,2003。视图:出版商的网站|谷歌学术搜索
31. 陈新宇，巴彦军，马立军等，“血清中microrna的特性:诊断癌症和其他疾病的新型生物标志物，”细胞研究第18卷第2期10, pp. 997-1006, 2008。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2020 Hufei Yu et al。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。