目的:采用动态低频振幅技术(dALFF)结合监督学习模型探讨无先兆偏头痛(患者睡眠障碍)的神经影像机制。方法:收集52名确诊为无先兆偏头痛的患者,根据匹兹堡睡眠质量指数将其分为偏头痛伴睡眠障碍组(MwSD)与偏头痛不伴睡眠障碍组(MwoSD),...目的:采用动态低频振幅技术(dALFF)结合监督学习模型探讨无先兆偏头痛(患者睡眠障碍)的神经影像机制。方法:收集52名确诊为无先兆偏头痛的患者,根据匹兹堡睡眠质量指数将其分为偏头痛伴睡眠障碍组(MwSD)与偏头痛不伴睡眠障碍组(MwoSD),并同期招募40名年龄与性别相匹配的健康志愿者作为对照组。使用3.0 T MRI采集其T1WI和BOLD-fMRI图像,通过随机森林(RF)、逻辑回归(LR)、支持向量机(SVM)机器学习算法对其dALFF进行分析。结果:单因素方差分析(one-way ANOVA)显示3组受试者在左侧丘脑、右侧枕中回、左侧楔前叶dALFF有差异;两独立样本t检验显示MwSD组较MwoSD组左内侧和旁扣带回、左侧额中回dALFF值升高,右侧颞上回dALFF值下降;无监督学习模型中SVM性能较好,权重绝对值排名前三的脑区右侧枕中回、左侧楔前叶、左内侧和旁扣带回,均与视觉通路相关。结论:视觉通路相关脑区dALFF值可作为预测MwSD患者的神经影像学标志。展开更多
文摘目的:采用动态低频振幅技术(dALFF)结合监督学习模型探讨无先兆偏头痛(患者睡眠障碍)的神经影像机制。方法:收集52名确诊为无先兆偏头痛的患者,根据匹兹堡睡眠质量指数将其分为偏头痛伴睡眠障碍组(MwSD)与偏头痛不伴睡眠障碍组(MwoSD),并同期招募40名年龄与性别相匹配的健康志愿者作为对照组。使用3.0 T MRI采集其T1WI和BOLD-fMRI图像,通过随机森林(RF)、逻辑回归(LR)、支持向量机(SVM)机器学习算法对其dALFF进行分析。结果:单因素方差分析(one-way ANOVA)显示3组受试者在左侧丘脑、右侧枕中回、左侧楔前叶dALFF有差异;两独立样本t检验显示MwSD组较MwoSD组左内侧和旁扣带回、左侧额中回dALFF值升高,右侧颞上回dALFF值下降;无监督学习模型中SVM性能较好,权重绝对值排名前三的脑区右侧枕中回、左侧楔前叶、左内侧和旁扣带回,均与视觉通路相关。结论:视觉通路相关脑区dALFF值可作为预测MwSD患者的神经影像学标志。
