静的および動的なレスティングステイト fMRI の脳コネクティビティを用いた統合失調症と双極性患者の分類

Classification of schizophrenia and bipolar patients using static and dynamic resting-state fMRI brain connectivity
NeuroImage, Vol.134, 645-657, 2016
20161018 rhagiwara

最近,機能的ネットワークコネクティビティ(空間的に離れた脳内ネットワーク間の時系列相関として定義され た,FNC)が,様々な精神疾患における脳内ネットワークの機能的な構成を調べるために使用されている.動的 な FNC は,時間の短い期間にわたって FNC の変化を考慮する従来の FNC 解析の最近の拡張である.このよう な動的 FNC 計測は,コネクティビティの様々な側面について利益となるかもしれないが,複雑な精神疾患におい て分類するために静的および動的 FNC の性能の詳細な直接的な比較はない.本論文では,静的および動的 FNC の特徴に基づいて,統合失調症,双極性患者および健常者の自動分類のためのフレームワークを提案する.また, 静的および動的 FNC 間の交差検定分類性能を比較する.結果は,動的 FNC からの特徴が分類目的のための静的 FNC より明確な利点を示し,動的 FNC が予測精度の面で静的 FNC よりもより優れていることを示す.また,静 的および動的 FCN の特徴の組み合せは,動的 FNC の特徴だけであるより分類性能を大幅に改善することなく, 静的 FNC は分類目的のために動的 FNC を組み合わせたとき重要な情報を追加しないことを示す.静的および動 的 FNC の特徴に基づいた 3 つの分類方法は,高い精度で適切な症状のグループに個々の対象を判別する.提案し た分類のフレームワークは,追加の精神疾患に潜在的に適用可能である.