基于静息状态功能磁共振成像的注意缺陷多动障碍分类研究

The objective diagnosis of Attention Deficit / Hyperactivity Disorder (ADHD) is one of the research foci in the region of children mental health. Resting state fMRI is an advantagous technique for the pathology analyses and computer-aided diagnoses of psychiatric diseases. The extensive investigations of psychiatric diseases based on resting state fMRI make it a promissing research region to integrate resting state fMRI data from different research centers into one dataset and perform psychiatric disease classification based on this integrated multi-center & large-sample-size dataset. This project is aimed at ADHD classification based on multi-center & large-sample-size resting state fMRI dataset. This project will be performed by: (1) solving the common problems in the analysis of multi-center large-sample-size fMRI data (such as the influences of head motion, age range and different data collection sites); (2) using novel fMRI data analysis methods (such as independent component analysis and complex brain network analysis) in combination with proper classification algorithms. The project would not only facilitate the objective diagnosis of ADHD, but also benefit the classification of other psychiatric diseases based on multi-center & large-sample-size resting state fMRI datasets.

注意缺陷多动障碍（ADHD）的客观诊断是当今儿童精神卫生领域的热点研究课题。静息状态功能磁共振成像(fMRI)技术在神经精神疾病的分析与辅助诊断方面具有独到优势，基于该技术的神经精神疾病研究的广泛开展使得融合多中心静息状态fMRI数据形成大样本进而开展神经精神疾病分类研究成为未来脑功能研究的一个重要发展方向。本项目将基于多中心大样本静息状态fMRI数据进行ADHD分类研究。具体地，本项目将在解决目前多中心大样本静息状态fMRI数据分析中存在的共性问题（如被试头动因素、多数据采集中心因素、样本年龄跨度因素等的影响）的基础上，采用独立成分分析、复杂脑网络分析等fMRI数据分析方法提取分类特征，并结合适当的分类算法，开展ADHD分类研究。本项目在促进ADHD的客观诊断之外，还将为未来基于多中心大样本静息状态fMRI数据的其它神经精神疾病的分类研究提供借鉴。

基于静息状态fMRI的ADHD分类研究对于推进ADHD客观诊断具有重要意义。本项目基于静息状态fMRI，采用多种策略提取脑功能网络特征，结合多种分类算法进行ADHD分类，并系统研究了头动、样本年龄以及智商对于ADHD分类结果的影响，在多个数据子集上校验了ADHD分类效果。.项目代表性成果如下：(1) 通过引入独立脑功能网络时间序列分析，获取脑功能网络特征的同时有效去除头动因素对ADHD分类的影响；(2) 发现样本年龄对脑功能网络参数有重大影响，将年龄作为特征变量则可以提升ADHD分类正确率；(3) 发现智商也是会影响脑功能网络参数，进而影响到ADHD分类；(4) 在充分考虑头动、样本年龄和智商等因素的基础上，获得了单数据集上84.77%的ADHD分类正确率，这一正确率高于目前国际报道最高82.9%的ADHD分类正确率，但该分类策略在其它数据集上无法达到类似效果。.这些成果的意义在于：(1) 找到基于静息状态fMRI开展神经精神疾病分类研究中所普遍存在的干扰因素（头动、样本年龄、智商），并提出的去除这些因素的有效方案；(2) 突出基于静息状态fMRI开展神经精神疾病分类研究的一个亟需关注的问题：在单数据集上表现优越的分类策略在其它数据集上可能无法达到类似效果，因而充分校验分类策略的推广性能是非常重要和必要的。