《基於多元神經影像特徵的精神分裂症亞型解析》是依託四川大學，由孫懷強擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於多元神經影像特徵的精神分裂症亞型解析
- 項目類別：青年科學基金項目
- 項目負責人：孫懷強
- 依託單位：四川大學
項目摘要,結題摘要,
項目摘要
精神分裂症被認為是一組病因病理存在異質性的腦功能異常綜合徵，該病的異質性造成患者在症狀、預後等方面可有很大差別，因此對患者進行合理分型將有助於研究精神分裂症的病理機制並制定針對性的治療方案。但現有的基於症狀學的分型策略在準確性和穩定性方面存在較大缺陷而難以用於指導臨床實踐。申請人在前期研究中已發現利用患者白質的影像特徵和數據驅動的分析方法可以揭示患者群體中存在的亞組結構。本項目將在既往工作的基礎上以大樣本首發未治療的精神分裂症患者作為研究對象，借鑑影像組學的研究方法分別建立灰質和白質影像特徵提取流程，並利用正則回歸技術建立臨床症狀與影像特徵之間的關係模型以篩選疾病相關特徵，最後採用聚類分析探討患者亞組形式並通過縱向隨訪對聚類結果進行驗證。本項目以期從神經影像角度解析精神分裂症的異質性，並對建立基於神經影像特徵的精神分裂症分型方法進行初步探索。
結題摘要
本項目利用先進的多模態磁共振成像技術對精神分裂症患者腦部異常進行了研究，並在此基礎上提出可用於輔助診斷和分型的影像學標誌物。本項目執行中（1）首次建立了適用於精神疾病患者且與人腦連線組項目（HCP）兼容的多模態影像採集方案，並建立了高質量的精神分裂症患者首發與隨訪影像資料庫；（2）首次建立了適用於精神影像的影像組學分析框架，並成功用於多動症患者，取得了較為理想的診斷和分型預測準確率。由該分析框架可得到基於腦影像特徵的精神疾病判別模型，同時可從大量腦影像特徵中篩選出對分類有顯著貢獻的特徵。該分析框架是組學分析方法在腦影像研究中的初次實踐，為精神影像學研究提供了新的工具；（3）首次將自動機器學習算法套用到醫學影像分析。通過本項目的實施，研究團隊建立了從圖像採集、影像特徵提取到機器學習分析一套完成且標準化的多模態腦影像處理流程，為精神影像技術的臨床轉化奠定了方法學上的基礎。
