认知负载状态下的精神分裂症患者脑电图特异性研究

认知功能损害是精神分裂症的三大原发症状之一,在疾病早期发现和高危人群风险预警等方面具有重要价值。为了研究精神分裂症患者在认知负载状态下的脑电图特异性,本试验收集17例精神分裂症患者和19例健康受试者的脑电信号作为对照,基于小波变换提取各频段信号,计算非线性动力学及脑功能网络属性等特征,并利用机器学习算法将两类人群进行自动分类分析。试验结果表明,两组受试者在认知负载状态下,Fp1和Fp2导联在α、β、θ、γ这4个频带的关联维数和样本熵的差异均具有统计学意义,提示大脑额叶功能损伤是精神分裂症认知功能损害的重要原因。进一步基于机器学习的自动分类分析结果表明,将非线性动力学与脑功能网络属性相结合作为分类器的输入特征,所得分类效果最优,其结果显示准确率为76.77%、敏感度为72.09%、特异性为80.36%。本研究结果表明,脑电信号的非线性动力学和脑功能网络属性等特征,或可作为精神分裂症早期筛查和辅助诊断的潜在生物标记物。     

基于动态脑功能连接分析的神经精神疾病研究进展

阐释了用不同的神经影像数据构建脑功能连接网络的方法,介绍了滑动时间窗算法、小波变换法、同步似然性算法3种动态功能连接算法,综述了动态脑功能连接分析在各种神经精神疾病尤其是精神分裂症、重度抑郁症和阿尔茨海默病中的研究与应用进展。分析了动态脑功能连接研究存在的问题与局限性,指出了结合可靠性检验、机器学习等方法将大大开拓其对神经精神疾病的研究。     

精神分裂症患者认知功能损伤的神经生物学基础和电生理表现

精神分裂症患者存在严重的认知功能损伤，认知功能损伤的重要神经生物学基础是患者脑内神经递质水平异常，这会导致患者出现异常神经元电活动，脑电图指标可以客观、定量反映神经递质导致的异常神经元电活动。本文主要对国内外精神分裂症患者认知功能损伤的神经生物学和电生理学等研究情况进行综述，回顾了认知功能损伤相关神经递质的生物学机制，梳理了与之相关的异常神经生物电指标，为精神分裂症的发病原理和辅助诊断提供相应参考。未来的研究应更多关注疾病的致病基因、神经影像学等生物学标记物，建立精神分裂症辅助诊断的指标体系。