抑郁症视听通道情绪加工脑机制的多模态脑网络计算模型

Regarding on scientific issues for abnormal emotion-processing circuitry in depression, we develop the multi-modal network computing model on the level of the brain network to investigate the neural mechanisms of cognition and emotion processing in depression. The study includes: (1) Developing multi-voxel pattern recognition methods to improve the emotional recognition ability in auditory and visual channel. (2) Establishing a mathematical Granger causality model to reveal emotional dynamic networks alterations in auditory and visual channel. (3) Designing EEG and MRI synchronous experiments, which focus on the emotion and cognition in auditory and visual channel. Using the Granger causality model, we establish emotional and cognitive brain network computing mode from the aspects of brain network of the emotion circuit to reveal emotion processing in auditory and visual channel. (4) Interacting EEG and functional and structural MRI information, we establish multi-modal brain network computing model of emotion processing in auditory and visual channel in depression to reveal the emotional circuit alterations in brain function and structure caused by depression. (5) Using multi-voxel and sparse methods to optimize the feature information of multi-modal calculation model, we establish multi-modal brain network pattern recognition forecasting model for depression and the correct rate of identify can reach 90%, which may provide objective basis for clinical diagnosis and assessment.

针对抑郁症视听通道情绪环路异常加工的科学问题，在网络层面上发展多模态计算模型，探测情绪认知加工的神经机制。研究内容包括： 1）发展多体素模式识别方法，提高对视听通道情绪脑认知活动的识别能力；2）建立Granger因果数学模型，揭示视听通道情绪神经环路脑功能动态网络的信息变化；3）设计健康被试和抑郁患者脑电和磁共振成像的同步视听通道情绪认知实验，利用Granger因果模型，从情感环路脑网络角度，建立视听通道情绪认知脑功能网络计算模型，揭示视听通道情绪加工环路脑功能活动特征；4) 融合脑电和磁共振成像功能和结构信息，建立抑郁症视听通道情绪加工环路的多模态脑网络计算模型，揭示抑郁引起脑情感环路功能和结构异常变化的影像学神经机制；5）采用多体素和稀疏方法优化多模态计算模型的特征信息，建立抑郁症多模态脑网络模式识别预测模型，对抑郁症脑影像识别正确率达到90%，为临床诊断和评估提供客观依据。

抑郁症在全世界患病率为4.4%，我国抑郁患者超过4000万人，是非器质性病变的精神疾病，其影像学特征不明显，导致临床诊疗困难，是严重的社会问题。项目主要针对抑郁症视听整合神经机制和影像表征的科学问题，建立了多模态脑网络分析计算模型和方法，揭示抑郁症患者视听整合机制和典型的影像特征，为临床诊疗服务。项目主要成果包括：1）设计了正常人视听整合实验，并提出了脑视听整合计算模型和方法，发现左侧颞上沟是视听整合的关键区域，还涉及初级视觉、听觉和运动回路；2）提出了个体化全局脑网络分析方法，实现了脑功能和结构信息拓扑属性刻画；3）建立了脑空域Granger因果动态传递和脑时域网络演化模型,实现了从动态角度对脑网络的度量分析；4）建立了脑影像-认知-临床关联模型和神经动力学模型，实现脑影像到疾病的因果推断，为抑郁症影像机制研究提供了分析方法；5）设计了抑郁症视听整合实验，完成320例抑郁患者和200例正常对照的行为和多模态影像数据采集，提出了抑郁症视听通道情绪加工环路的计算方法，发现了抑郁症视听整合环路的异常；6）建立抑郁症多模态脑网络计算模型，揭示抑郁引起脑情感环路功能和结构异常变化的影像学神经机制；7）建立抑郁症模式识别预测模型，实现抑郁症脑影像分类模式识别、自杀意念等临床症状的预测。发展的方法和开发的软件已经在国内外30家科研机构和医院使用，为抑郁患者早期诊断、治疗及疗效评价提供客观依据。. 本项目在Molecular Psychiatry, Schizophrenia Bulletin，PLoS Biology, Cerebral Cortex, IEEE Transactions on Medical Imaging, IEEE Transactions on Cybernetics等国际学术刊物发表SCI论文96篇，ESI高被引论文11篇；获得发明专利2项、软件著作权8项；获四川省科技进步自然科学类一等奖。培养硕士/博士30人，博士生刘风、李蓉分别获电子学会和电子教育学会优秀博士论文；获得青年长江1人，四川省学术技术带头人1名。