宋志伟 1,2 , 李文杰 1,2 , 毕卉 1,2 , 王苏弘 3 , 邹凌 1,2
  • 1. 常州大学 信息科学与工程学院(江苏常州 213164);
  • 2. 常州大学 生物医学信息技术重点实验室(江苏常州 213164);
  • 3. 苏州大学附属第三医院 脑科学研究中心(江苏常州 213003);
导出 下载 收藏 扫码 引用

针对注意缺陷多动障碍(ADHD)儿童与正常儿童在执行任务状态下的脑网络的差异性,本文采用视觉功能区网络特征进行了比较研究,提取的试验数据为受试者执行猜题任务时,视觉捕捉范式获取的功能性磁共振成像(fMRI)数据,受试者包括 23 名 ADHD 患儿[年龄:(8.27 ± 2.77)岁]与 23 名正常儿童[年龄:(8.70 ± 2.58)岁]。首先,本文利用 fMRI 数据构建视觉区脑功能网络;然后,获取视觉区脑功能网络的特征指标,包括:度分布、平均最短路径、网络密度、聚集系数、介数等,并与传统全脑网络进行对比分析;最后,利用机器学习算法中的支持向量机(SVM)等分类器对特征指标进行分类以区分 ADHD 儿童与正常儿童。本研究采用视觉区脑功能网络特征进行分类,分类精度最高达到 96%,与传统的构建全脑网络方法相比,精度提高了 10% 左右。试验结果表明,使用视觉区脑功能网络分析法能够更好地区分 ADHD 儿童与正常儿童。该方法对 ADHD 儿童与正常儿童脑网络的区分具有一定的帮助,有利于 ADHD 儿童的辅助诊断。