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

Classi cation of schizophrenia and bipolar patients using
static and dynamic resting-state fMRI brain connectivity
Neuroimage, Vol.134, 645{657, 2016
20171003 rhagiwara

近年,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,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間相関として定義されるFNC)が使用されている.動的FNC は,短期間にわたるFNC 変化を考慮に入れた従来のFNC 解析の最近の拡張である.このような動的FNC 測定 はコネクティビティの様々な側面についてより情報を与えるかもしれないが,複雑な精神疾患において分類を行 う静的および動的FNC の性能の詳細な比較はなかった.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,双極性および健常者を自動的に分類するためのフレームワークを提案する.また,静的FNC と動的 FNC の間の交差検証の分類性能を比較する.結果は,動的FNC は,予測精度に関して静的FNC よりも顕著に優 れていることを示し,動的FNC の特徴は分類目的のために静的FNC よりも顕著な利点を有することを示してい る.さらに,静的および動的FNC の特徴を合わせても,動的FNC の特徴だけより分類性能は大幅に改善されず, 分類目的において静的FNC が動的FNC と組み合わせたときに重要な情報を追加しないことが示唆される.静的 および動的FNC 特徴に基づく3 つの分類方法は,個々の被験者を適切な診断グループに高精度で区別する.私た ちが提案した分類フレームワークは,潜在的に追加の精神障害に適用可能である.