PLos One：基于MRI的精神病学的诊断预测
2017-04-22 MedSci MedSci原创
已有较多的研究评估了结构磁共振成像（sMRI）数据的功能，以区分来自健康对照人群的精神分裂症患者。然而，很少有研究包含患有双相情感障碍的患者，允许精神病诊断之间的临床区分。为了评估sMRI数据在精神病诊断预测中的功效，近期，一项发表在杂志PLos One上的研究客观地评估了广泛应用的机器学习算法（脊，套索，弹性网和L0范数正则化逻辑回归，支持向量分类器，正则化判别分析，随机森林和高斯过程分类器）的
已有较多的研究评估了结构磁共振成像（sMRI）数据的功能，以区分来自健康对照人群的精神分裂症患者。然而，很少有研究包含患有双相情感障碍的患者，允许精神病诊断之间的临床区分。
为了评估sMRI数据在精神病诊断预测中的功效，近期，一项发表在杂志PLos One上的研究客观地评估了广泛应用的机器学习算法（脊，套索，弹性网和L0范数正则化逻辑回归，支持向量分类器，正则化判别分析，随机森林和高斯过程分类器）的主要sMRI特征，其中包括灰色和白质体素形态测定（VBM），基于头顶的皮质厚度和体积，感兴趣区域体积测量和基于小波的形态测量（WBM）图。在健康对照人群（N = 127），精神分裂症患者（N = 128）和双相障碍患者（N = 128）的匹配样本的成对分类中考虑了所有可能的算法和数据特征的组合。
此项研究结果表明，特征类型的选择是十分重要的，灰质VBM（无数据减少）可以提供最佳的诊断预测率（平均分类器：精神分裂症 vs. 健康人群75％，双相障碍vs.健康人群63％和精神分裂症 vs. 双相障碍62％），算法通常产生相似的结果。事实上，通过在单个预测模型中组合所有的特征类型，这些灰质VBM的精度率基本没有得到改善。
此外，同时考虑了三组的进一步多类分类显示，对双相障碍组缺乏预测能力，这可能是由于其中间解剖特征位于健康对照人群与精神分裂症患者之间。
同时，此项研究还提供了一个可以轻松地进行基于VBM映像的体素预测SPM，FSL和R的免费工具：MRIPredict（https://www.nitrc.org/projects/mripredict/）。
原始出处：
Salvador R, Radua J, et al. Evaluation of machine learning algorithms and structural features for optimal MRI-based diagnostic prediction in psychosis. PLoS One. 2017 Apr 20;12(4):e0175683. doi: 10.1371/journal.pone.0175683. eCollection 2017.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#精神病学#
38
#Plos one#
26
MRI能判断是好事
62
非常好的文章
61
非常好的研究学习了，很受益。
61
看来精神病也有结构的改变！
58