论文部分内容阅读
背景:睡眠剥夺具有相当大的健康、社会和经济影响。长期的睡眠剥夺会导致包括记忆力、注意力等认知功能的损伤,但是现有的研究发现睡眠剥夺效应对人的认知造成的影响是存在个体差异性的,是人的一种特质。大脑活动的功能磁共振影像(functional Magnetic Resonance Imaging,fMRI)技术为大脑持续、固有活动的研究提供了新方法。本文通过机器学习方法来分别检验基于fMRI的功能连接以及基于T1加权像的皮层厚度对睡眠剥夺易损性的预测能力。现有的睡眠剥夺基础研究基本采用的是ON-OFF模式,忽略了睡眠剥夺过程中可能存在的大脑网络的复杂变化模式。所以本文通过采用图论分析技术研究了睡眠剥夺过程中几个时间点上大脑网络的动态变化模式。方法:在整晚的睡眠剥夺过程中,分别在22:00点、0:00点、2:00点、4:00点、6:00点采集了50名健康被试的fMRI以及T1影像数据。其中22:00点的数据作为不进行睡眠剥夺的正常对照组,6:00点的数据作为完全睡眠剥夺状态,并把睡眠剥夺后精神运动警觉测试(Psychomotor Vigilance Test,PVT)任务相对于正常对照组的下降值百分比作为衡量睡眠剥夺易损性的指标。本文在易损性预测中选取对照组的皮层厚度以及基于AAL(Anatomically Labelled Template Image)模板的脑区功能连接作为特征变量,Lasso回归进行特征降维处理,用支持向量机模型(Support Vector Machine,SVM)以及随机森林(Random Forest,RF)模型进行预测,通过5-折交叉验证方法来评估并横向比较各模型的预测能力。在动态模式研究中选用了睡眠剥夺的5个时间点的数据。结果:随着睡眠剥夺程度的加深,PVT任务反应时及方差逐渐增大,表明睡眠剥夺后个体的警觉性下降并且认知功能稳定性变弱,且这种变化与睡眠剥夺程度呈正相关。在睡眠剥夺的易损性研究中,所有的SVM模型的拟合度都比较高。K-svm-POLY3对功能连接的预测能力达到了72.7%,在皮层厚度易损性预测中K-svm-POLY2的拟合度达到了80.3%。随机森林在两种模态数据的预测中拟合度都在0.5附近。动态性研究表明大脑网络在采集的5个时间点上均表现出小世界性,且小世界属性在0:00点值最低,在2:00点达到最大值,之后又缓缓下降,但后3个时间点的小世界性显著高于正常对照组。总结:本文发现大脑功能连接以及皮层厚度对睡眠剥夺易损性有预测能力,而且皮层厚度的预测能力高于功能连接,那么后期的研究可以考虑结合这两种数据来研究睡眠剥夺的易损性。以上基于图论的分析方法表明大脑内部存在着对睡眠剥夺带来的网络损伤的补偿机制,且这种补偿机制随着睡眠剥夺加深会弱化。