圖信號(hào)處理視角下神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)解析與洞察一、引言1.1研究背景與意義在全球范圍內(nèi)，神經(jīng)精神疾病已然成為危害人類健康的重要公共衛(wèi)生問(wèn)題。世界衛(wèi)生組織數(shù)據(jù)顯示，抑郁癥患者人數(shù)不斷攀升，全球約有超過(guò)3億人深受其擾，中國(guó)就有超過(guò)5400萬(wàn)人患有抑郁癥，占總?cè)丝诘?.2%。抑郁癥不僅表現(xiàn)出情緒癥狀，還伴有軀體癥狀和認(rèn)知癥狀，如注意力、執(zhí)行功能、記憶、反應(yīng)速度等的缺陷，嚴(yán)重影響患者的社會(huì)功能，增加患者及家庭的經(jīng)濟(jì)負(fù)擔(dān)。而阿爾茨海默病作為一種常見(jiàn)的神經(jīng)退行性疾病，主要發(fā)生于65歲以上人群，中國(guó)約有700萬(wàn)患者，其核心癥狀包括認(rèn)知功能受損和日常生活能力降低，同時(shí)患者的精神行為癥狀也不容忽視，這些癥狀會(huì)導(dǎo)致患者生活質(zhì)量下降，照料者負(fù)擔(dān)加重。帕金森病是第二常見(jiàn)的神經(jīng)退行性疾病，我國(guó)發(fā)生率為1.7%，隨著病情發(fā)展，患者勞動(dòng)能力和生活自理能力逐漸喪失，常合并焦慮和抑郁，給患者生活和工作帶來(lái)嚴(yán)重影響，家庭看護(hù)負(fù)擔(dān)也隨之增加。此外，精神分裂癥、焦慮癥等其他神經(jīng)精神疾病也在不同程度上威脅著人類的身心健康，這些疾病的高患病率、高復(fù)發(fā)率以及低就診率和治療率，嚴(yán)重影響著患者的生活、工作和學(xué)習(xí)能力。大腦作為人體最為復(fù)雜的器官，是神經(jīng)精神活動(dòng)的物質(zhì)基礎(chǔ)。神經(jīng)精神疾病的發(fā)生發(fā)展往往伴隨著大腦結(jié)構(gòu)與功能的異常改變。腦功能網(wǎng)絡(luò)研究旨在揭示大腦各個(gè)區(qū)域之間的功能連接模式和信息交互機(jī)制，通過(guò)對(duì)腦功能網(wǎng)絡(luò)的深入分析，能夠從系統(tǒng)層面理解大腦的正常功能以及神經(jīng)精神疾病狀態(tài)下的功能異常，為神經(jīng)精神疾病的研究開(kāi)辟了新途徑。一方面，它有助于深入剖析神經(jīng)精神疾病的發(fā)病機(jī)制，例如通過(guò)對(duì)比正常人與抑郁癥患者的腦功能網(wǎng)絡(luò)，發(fā)現(xiàn)抑郁癥患者在默認(rèn)模式網(wǎng)絡(luò)、前額葉-邊緣系統(tǒng)等腦區(qū)之間的功能連接存在異常，這些異常連接可能與抑郁癥的情緒調(diào)節(jié)障礙、認(rèn)知功能損害等癥狀密切相關(guān)，為揭示抑郁癥的發(fā)病機(jī)制提供了關(guān)鍵線索。另一方面，腦功能網(wǎng)絡(luò)研究在神經(jīng)精神疾病的早期診斷、病情監(jiān)測(cè)和治療效果評(píng)估等方面也具有重要意義。通過(guò)識(shí)別腦功能網(wǎng)絡(luò)中的早期異常變化，可以實(shí)現(xiàn)疾病的早期預(yù)警，為及時(shí)干預(yù)提供可能；在治療過(guò)程中，通過(guò)監(jiān)測(cè)腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化，能夠評(píng)估治療效果，指導(dǎo)治療方案的調(diào)整，從而提高治療的精準(zhǔn)性和有效性。隨著研究的不斷深入，傳統(tǒng)的腦功能網(wǎng)絡(luò)分析方法逐漸暴露出一些局限性。例如，基于歐幾里得空間的分析方法難以充分描述大腦復(fù)雜的拓?fù)浣Y(jié)構(gòu)和功能連接關(guān)系，無(wú)法有效處理大腦網(wǎng)絡(luò)中的非局部信息和非線性特征。而圖信號(hào)處理作為一門新興的交叉學(xué)科，能夠?qū)⒋竽X視為一個(gè)復(fù)雜的圖結(jié)構(gòu)，其中節(jié)點(diǎn)表示大腦區(qū)域，邊表示區(qū)域之間的功能連接，通過(guò)圖論和信號(hào)處理的方法對(duì)腦功能網(wǎng)絡(luò)進(jìn)行分析，為解決這些問(wèn)題提供了新的思路和方法。圖信號(hào)處理可以充分考慮大腦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)屬性，能夠更準(zhǔn)確地描述大腦區(qū)域之間的復(fù)雜交互關(guān)系，挖掘腦功能網(wǎng)絡(luò)中的潛在信息，為神經(jīng)精神疾病的研究帶來(lái)新的突破?；趫D信號(hào)處理的神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)研究具有重要的科學(xué)意義和臨床應(yīng)用價(jià)值。在科學(xué)研究方面，有望揭示神經(jīng)精神疾病的深層發(fā)病機(jī)制，豐富和完善神經(jīng)科學(xué)理論體系；在臨床應(yīng)用方面，能夠?yàn)樯窠?jīng)精神疾病的早期診斷、精準(zhǔn)治療和預(yù)后評(píng)估提供更為有效的方法和技術(shù)支持，提高疾病的診療水平，改善患者的生活質(zhì)量，減輕社會(huì)和家庭的負(fù)擔(dān)。1.2國(guó)內(nèi)外研究現(xiàn)狀近年來(lái)，神經(jīng)精神疾病的腦功能網(wǎng)絡(luò)研究在國(guó)內(nèi)外均取得了顯著進(jìn)展。在國(guó)外，諸多研究聚焦于不同神經(jīng)精神疾病的腦功能網(wǎng)絡(luò)特征分析。例如，在抑郁癥研究方面，國(guó)外學(xué)者利用功能磁共振成像（fMRI）技術(shù)，深入探究了抑郁癥患者腦功能網(wǎng)絡(luò)中默認(rèn)模式網(wǎng)絡(luò)（DMN）的異常連接。研究發(fā)現(xiàn)，抑郁癥患者DMN內(nèi)腦區(qū)之間以及DMN與其他腦區(qū)之間的功能連接存在減弱或增強(qiáng)的現(xiàn)象，這與患者的情緒調(diào)節(jié)障礙和認(rèn)知功能損害密切相關(guān)。在阿爾茨海默病研究中，通過(guò)分析腦功能網(wǎng)絡(luò)的拓?fù)鋵傩?，發(fā)現(xiàn)患者大腦中顳葉、頂葉等腦區(qū)之間的連接強(qiáng)度降低，網(wǎng)絡(luò)的小世界性和全局效率下降，這些變化與阿爾茨海默病患者的認(rèn)知功能衰退緊密相連。國(guó)內(nèi)在神經(jīng)精神疾病腦功能網(wǎng)絡(luò)研究領(lǐng)域也成果豐碩。有研究針對(duì)精神分裂癥患者，運(yùn)用獨(dú)立成分分析（ICA）和圖論方法，對(duì)其腦功能網(wǎng)絡(luò)進(jìn)行分析，揭示了精神分裂癥患者在多個(gè)腦區(qū)之間存在功能連接異常，且這些異常連接與患者的幻覺(jué)、妄想等癥狀具有相關(guān)性。還有學(xué)者在帕金森病的研究中，通過(guò)構(gòu)建腦功能網(wǎng)絡(luò)，發(fā)現(xiàn)帕金森病患者腦網(wǎng)絡(luò)的節(jié)點(diǎn)效率和聚類系數(shù)在多個(gè)腦區(qū)發(fā)生改變，這些改變與疾病的嚴(yán)重程度和運(yùn)動(dòng)功能障礙有關(guān)。隨著圖信號(hào)處理理論的不斷發(fā)展，其在神經(jīng)精神疾病腦功能網(wǎng)絡(luò)研究中的應(yīng)用也逐漸受到關(guān)注。國(guó)外已有研究將圖信號(hào)處理中的圖傅里葉變換應(yīng)用于腦功能網(wǎng)絡(luò)分析，通過(guò)對(duì)腦網(wǎng)絡(luò)的頻譜分析，發(fā)現(xiàn)不同神經(jīng)精神疾病具有獨(dú)特的頻譜特征，為疾病的診斷和分類提供了新的依據(jù)。國(guó)內(nèi)也有學(xué)者嘗試?yán)脠D卷積神經(jīng)網(wǎng)絡(luò)對(duì)腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類和預(yù)測(cè)，在抑郁癥和阿爾茨海默病的輔助診斷研究中取得了較好的效果，提高了診斷的準(zhǔn)確性和效率。盡管國(guó)內(nèi)外在神經(jīng)精神疾病腦功能網(wǎng)絡(luò)及圖信號(hào)處理應(yīng)用方面取得了一定成果，但仍存在一些不足之處。首先，目前的研究大多集中在單一神經(jīng)精神疾病的腦功能網(wǎng)絡(luò)分析，缺乏對(duì)多種疾病之間腦功能網(wǎng)絡(luò)特征的對(duì)比研究，難以全面揭示不同神經(jīng)精神疾病之間的共性與差異。其次，圖信號(hào)處理在腦功能網(wǎng)絡(luò)研究中的應(yīng)用還處于起步階段，相關(guān)算法和模型仍有待完善，例如如何更好地處理腦網(wǎng)絡(luò)中的噪聲和缺失數(shù)據(jù)，提高分析結(jié)果的可靠性和穩(wěn)定性。此外，現(xiàn)有研究較少考慮腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化以及個(gè)體差異對(duì)研究結(jié)果的影響，難以深入理解神經(jīng)精神疾病的發(fā)病機(jī)制和發(fā)展過(guò)程。未來(lái)的研究需要進(jìn)一步加強(qiáng)多疾病對(duì)比研究，優(yōu)化圖信號(hào)處理算法，關(guān)注腦功能網(wǎng)絡(luò)的動(dòng)態(tài)特性和個(gè)體差異，以推動(dòng)該領(lǐng)域的深入發(fā)展。1.3研究目標(biāo)與內(nèi)容本研究旨在深入探究神經(jīng)精神疾病患者的腦功能網(wǎng)絡(luò)特征，借助圖信號(hào)處理技術(shù)，挖掘大腦功能連接的潛在信息，從而揭示神經(jīng)精神疾病的發(fā)病機(jī)制，并為其早期診斷、治療和預(yù)后評(píng)估提供新的方法和理論依據(jù)。具體研究?jī)?nèi)容包括：神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)構(gòu)建：收集抑郁癥、阿爾茨海默病、帕金森病等多種神經(jīng)精神疾病患者以及健康對(duì)照人群的功能磁共振成像（fMRI）數(shù)據(jù)。運(yùn)用獨(dú)立成分分析（ICA）、種子點(diǎn)相關(guān)分析等方法，提取大腦不同區(qū)域的功能信號(hào)，構(gòu)建腦功能網(wǎng)絡(luò)。在構(gòu)建過(guò)程中，明確節(jié)點(diǎn)和邊的定義，節(jié)點(diǎn)可定義為大腦的不同腦區(qū)，邊則表示腦區(qū)之間的功能連接強(qiáng)度，通過(guò)計(jì)算腦區(qū)之間的時(shí)間序列相關(guān)性來(lái)確定邊的權(quán)重，從而準(zhǔn)確反映大腦區(qū)域之間的功能聯(lián)系?；趫D信號(hào)處理的腦功能網(wǎng)絡(luò)分析：將圖信號(hào)處理技術(shù)應(yīng)用于構(gòu)建好的腦功能網(wǎng)絡(luò)。利用圖傅里葉變換，將腦網(wǎng)絡(luò)信號(hào)從空域轉(zhuǎn)換到頻域，分析不同頻率成分在腦網(wǎng)絡(luò)中的分布特征，探索神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)的頻譜特性與正常人群的差異。運(yùn)用圖卷積神經(jīng)網(wǎng)絡(luò)，對(duì)腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行特征提取和分類，識(shí)別不同神經(jīng)精神疾病的特征模式，實(shí)現(xiàn)對(duì)疾病的精準(zhǔn)診斷和分類。同時(shí)，結(jié)合圖拉普拉斯矩陣等工具，分析腦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)重要性，揭示大腦功能連接的組織結(jié)構(gòu)和關(guān)鍵節(jié)點(diǎn)，為理解神經(jīng)精神疾病的發(fā)病機(jī)制提供深入見(jiàn)解。腦功能網(wǎng)絡(luò)特征與神經(jīng)精神疾病臨床癥狀關(guān)聯(lián)研究：將基于圖信號(hào)處理分析得到的腦功能網(wǎng)絡(luò)特征與神經(jīng)精神疾病患者的臨床癥狀進(jìn)行關(guān)聯(lián)分析。通過(guò)統(tǒng)計(jì)分析方法，探究腦功能網(wǎng)絡(luò)的異常連接、頻譜特征、拓?fù)鋵傩缘扰c患者的情緒癥狀、認(rèn)知功能障礙、運(yùn)動(dòng)功能異常等臨床癥狀之間的相關(guān)性。例如，研究抑郁癥患者腦功能網(wǎng)絡(luò)中默認(rèn)模式網(wǎng)絡(luò)的異常連接與患者情緒低落、興趣減退等癥狀的關(guān)系；分析阿爾茨海默病患者腦功能網(wǎng)絡(luò)的拓?fù)鋵傩愿淖兣c認(rèn)知功能衰退的關(guān)聯(lián)程度。通過(guò)這種關(guān)聯(lián)研究，深入了解神經(jīng)精神疾病的癥狀產(chǎn)生機(jī)制，為臨床診斷和治療提供更有針對(duì)性的依據(jù)。多模態(tài)數(shù)據(jù)融合的腦功能網(wǎng)絡(luò)研究：考慮到單一模態(tài)的腦功能數(shù)據(jù)可能無(wú)法全面反映大腦的復(fù)雜功能，引入多模態(tài)數(shù)據(jù)進(jìn)行融合研究。結(jié)合結(jié)構(gòu)磁共振成像（sMRI）數(shù)據(jù)，獲取大腦的結(jié)構(gòu)信息，包括腦區(qū)的體積、灰質(zhì)密度等，與功能磁共振成像數(shù)據(jù)融合，綜合分析大腦結(jié)構(gòu)與功能的關(guān)系。同時(shí)，納入腦電圖（EEG）數(shù)據(jù)，利用其高時(shí)間分辨率的特點(diǎn)，與fMRI的高空間分辨率優(yōu)勢(shì)互補(bǔ)，更全面地捕捉大腦的電活動(dòng)和功能連接的動(dòng)態(tài)變化。通過(guò)多模態(tài)數(shù)據(jù)融合，構(gòu)建更全面、準(zhǔn)確的腦功能網(wǎng)絡(luò)模型，進(jìn)一步提高對(duì)神經(jīng)精神疾病的理解和診斷能力。1.4研究方法與技術(shù)路線研究方法數(shù)據(jù)采集：收集抑郁癥、阿爾茨海默病、帕金森病等神經(jīng)精神疾病患者及健康對(duì)照人群的功能磁共振成像（fMRI）數(shù)據(jù)。為確保數(shù)據(jù)的可靠性和有效性，采用標(biāo)準(zhǔn)化的掃描流程和參數(shù)設(shè)置，選取知名醫(yī)療機(jī)構(gòu)或?qū)I(yè)研究中心作為數(shù)據(jù)采集點(diǎn)，使用先進(jìn)的磁共振成像設(shè)備進(jìn)行數(shù)據(jù)采集。同時(shí)，收集患者的臨床資料，包括病史、癥狀評(píng)估量表得分、治療情況等，以便后續(xù)進(jìn)行腦功能網(wǎng)絡(luò)特征與臨床癥狀的關(guān)聯(lián)分析。腦功能網(wǎng)絡(luò)構(gòu)建：運(yùn)用獨(dú)立成分分析（ICA）方法，將fMRI數(shù)據(jù)分解為多個(gè)獨(dú)立成分，每個(gè)成分代表不同的腦功能網(wǎng)絡(luò)，從而提取大腦不同區(qū)域的功能信號(hào)。對(duì)于種子點(diǎn)相關(guān)分析，選擇特定的腦區(qū)作為種子點(diǎn)，計(jì)算種子點(diǎn)與其他腦區(qū)之間的時(shí)間序列相關(guān)性，以此確定腦區(qū)之間的功能連接，構(gòu)建腦功能網(wǎng)絡(luò)。在構(gòu)建過(guò)程中，嚴(yán)格按照相關(guān)算法的操作步驟進(jìn)行，確保腦功能網(wǎng)絡(luò)的準(zhǔn)確性和可靠性。圖信號(hào)處理分析：利用圖傅里葉變換，將腦網(wǎng)絡(luò)信號(hào)從空域轉(zhuǎn)換到頻域，分析不同頻率成分在腦網(wǎng)絡(luò)中的分布特征，深入探究神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)的頻譜特性與正常人群的差異。在圖卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用中，構(gòu)建合適的網(wǎng)絡(luò)模型，對(duì)腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行特征提取和分類，通過(guò)大量的數(shù)據(jù)訓(xùn)練和優(yōu)化，提高模型的準(zhǔn)確性和泛化能力，實(shí)現(xiàn)對(duì)疾病的精準(zhǔn)診斷和分類。結(jié)合圖拉普拉斯矩陣等工具，分析腦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)重要性，揭示大腦功能連接的組織結(jié)構(gòu)和關(guān)鍵節(jié)點(diǎn)。臨床癥狀關(guān)聯(lián)分析：采用統(tǒng)計(jì)分析方法，如皮爾遜相關(guān)分析、線性回歸分析等，將基于圖信號(hào)處理分析得到的腦功能網(wǎng)絡(luò)特征與神經(jīng)精神疾病患者的臨床癥狀進(jìn)行關(guān)聯(lián)分析。通過(guò)嚴(yán)格的統(tǒng)計(jì)學(xué)檢驗(yàn)，確保分析結(jié)果的可靠性，從而深入了解神經(jīng)精神疾病的癥狀產(chǎn)生機(jī)制，為臨床診斷和治療提供更有針對(duì)性的依據(jù)。多模態(tài)數(shù)據(jù)融合：將結(jié)構(gòu)磁共振成像（sMRI）數(shù)據(jù)與功能磁共振成像數(shù)據(jù)進(jìn)行融合，通過(guò)圖像配準(zhǔn)等技術(shù)，將sMRI的結(jié)構(gòu)信息與fMRI的功能信息相結(jié)合，綜合分析大腦結(jié)構(gòu)與功能的關(guān)系。同時(shí)，融合腦電圖（EEG）數(shù)據(jù)，利用EEG高時(shí)間分辨率的特點(diǎn)，與fMRI的高空間分辨率優(yōu)勢(shì)互補(bǔ)，通過(guò)時(shí)間-空間融合算法，更全面地捕捉大腦的電活動(dòng)和功能連接的動(dòng)態(tài)變化，構(gòu)建更全面、準(zhǔn)確的腦功能網(wǎng)絡(luò)模型。技術(shù)路線第一階段：數(shù)據(jù)收集與預(yù)處理。收集多種神經(jīng)精神疾病患者及健康對(duì)照人群的fMRI、sMRI和EEG數(shù)據(jù)，對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括去除噪聲、頭動(dòng)校正、空間標(biāo)準(zhǔn)化等操作，確保數(shù)據(jù)的質(zhì)量和一致性，為后續(xù)分析奠定基礎(chǔ)。第二階段：腦功能網(wǎng)絡(luò)構(gòu)建。運(yùn)用ICA、種子點(diǎn)相關(guān)分析等方法，基于預(yù)處理后的fMRI數(shù)據(jù)構(gòu)建腦功能網(wǎng)絡(luò)，明確網(wǎng)絡(luò)中的節(jié)點(diǎn)和邊，準(zhǔn)確反映大腦區(qū)域之間的功能連接。第三階段：圖信號(hào)處理分析。將圖信號(hào)處理技術(shù)應(yīng)用于構(gòu)建好的腦功能網(wǎng)絡(luò)，進(jìn)行圖傅里葉變換、圖卷積神經(jīng)網(wǎng)絡(luò)分析以及圖拉普拉斯矩陣分析，提取腦功能網(wǎng)絡(luò)的頻譜特征、分類特征和拓?fù)浣Y(jié)構(gòu)特征。第四階段：臨床癥狀關(guān)聯(lián)分析。將腦功能網(wǎng)絡(luò)特征與患者的臨床癥狀進(jìn)行關(guān)聯(lián)分析，探究?jī)烧咧g的內(nèi)在聯(lián)系，挖掘腦功能網(wǎng)絡(luò)特征對(duì)神經(jīng)精神疾病臨床診斷和治療的潛在價(jià)值。第五階段：多模態(tài)數(shù)據(jù)融合與模型構(gòu)建。融合sMRI和EEG數(shù)據(jù)，與fMRI數(shù)據(jù)相結(jié)合，構(gòu)建多模態(tài)融合的腦功能網(wǎng)絡(luò)模型，進(jìn)一步提高對(duì)神經(jīng)精神疾病的理解和診斷能力，通過(guò)模型評(píng)估和優(yōu)化，不斷完善模型性能。二、相關(guān)理論基礎(chǔ)2.1神經(jīng)精神疾病概述2.1.1常見(jiàn)神經(jīng)精神疾病類型神經(jīng)精神疾病涵蓋多種類型，對(duì)患者的身心健康和生活質(zhì)量產(chǎn)生嚴(yán)重影響。以下是幾種常見(jiàn)的神經(jīng)精神疾?。壕穹至寻Y：這是一種嚴(yán)重的精神障礙，患者通常會(huì)出現(xiàn)思維、情感和行為的異常。常見(jiàn)癥狀包括幻覺(jué)，如聽(tīng)到不存在的聲音；妄想，堅(jiān)信一些不符合現(xiàn)實(shí)的想法，如被跟蹤、被控制等；思維紊亂，言語(yǔ)表達(dá)缺乏邏輯性，讓人難以理解；情感淡漠，對(duì)周圍事物缺乏興趣和情感反應(yīng)；行為異常，表現(xiàn)為社交退縮、行為怪異等。精神分裂癥嚴(yán)重影響患者的社會(huì)功能，使其難以正常工作、學(xué)習(xí)和生活，給家庭和社會(huì)帶來(lái)沉重負(fù)擔(dān)。目前，精神分裂癥的診斷主要依據(jù)臨床癥狀、精神檢查以及相關(guān)的心理測(cè)評(píng)量表，同時(shí)需排除其他可能導(dǎo)致類似癥狀的器質(zhì)性疾病。抑郁癥：以持續(xù)的情緒低落、興趣喪失、自責(zé)自罪、思維遲緩、意志活動(dòng)減退等為主要表現(xiàn)?；颊叱３８械奖瘋?、絕望，對(duì)以往喜歡的活動(dòng)失去興趣，還可能出現(xiàn)睡眠障礙、食欲改變、體重變化等軀體癥狀。抑郁癥嚴(yán)重影響患者的日常生活和社會(huì)功能，增加自殺風(fēng)險(xiǎn)。診斷抑郁癥主要通過(guò)精神科醫(yī)生的臨床訪談，結(jié)合患者的癥狀表現(xiàn)、病程以及相關(guān)的心理測(cè)評(píng)量表，如貝克抑郁自評(píng)量表（BDI）等。阿爾茨海默?。鹤鳛橐环N神經(jīng)退行性疾病，主要發(fā)生于老年人。早期癥狀常表現(xiàn)為記憶力減退，尤其是近期記憶受損，逐漸出現(xiàn)認(rèn)知功能障礙，如語(yǔ)言表達(dá)困難、計(jì)算能力下降、空間定向障礙等，還可能伴有精神行為癥狀，如幻覺(jué)、妄想、焦慮、抑郁、激越等。隨著病情進(jìn)展，患者生活自理能力逐漸喪失，給家庭和社會(huì)帶來(lái)極大的護(hù)理負(fù)擔(dān)。診斷阿爾茨海默病通常需要綜合考慮患者的臨床表現(xiàn)、神經(jīng)心理學(xué)評(píng)估、影像學(xué)檢查（如磁共振成像MRI、正電子發(fā)射斷層掃描PET等）以及腦脊液檢查等結(jié)果。帕金森病：這是一種常見(jiàn)的中老年神經(jīng)系統(tǒng)退行性疾病，主要癥狀包括靜止性震顫、運(yùn)動(dòng)遲緩、肌強(qiáng)直和姿勢(shì)平衡障礙等運(yùn)動(dòng)癥狀，以及非運(yùn)動(dòng)癥狀，如嗅覺(jué)減退、睡眠障礙、便秘、抑郁、焦慮等。帕金森病會(huì)導(dǎo)致患者運(yùn)動(dòng)功能逐漸受損，生活質(zhì)量下降，勞動(dòng)能力和生活自理能力喪失，同時(shí)患者常合并焦慮和抑郁等精神癥狀，進(jìn)一步加重患者的痛苦和家庭的看護(hù)負(fù)擔(dān)。診斷主要依靠臨床癥狀、神經(jīng)系統(tǒng)檢查，結(jié)合影像學(xué)檢查（如MRI、PET等）和實(shí)驗(yàn)室檢查等輔助手段。2.1.2神經(jīng)精神疾病的腦功能異常機(jī)制神經(jīng)精神疾病的發(fā)生往往伴隨著腦功能的異常，其背后涉及復(fù)雜的生理和神經(jīng)機(jī)制。神經(jīng)遞質(zhì)失衡：神經(jīng)遞質(zhì)是神經(jīng)元之間傳遞信息的化學(xué)物質(zhì)，其失衡在神經(jīng)精神疾病的發(fā)病機(jī)制中起著關(guān)鍵作用。例如，在抑郁癥中，血清素、多巴胺和去甲腎上腺素等神經(jīng)遞質(zhì)水平降低，影響了情緒調(diào)節(jié)、認(rèn)知功能和動(dòng)機(jī)等方面。血清素水平不足會(huì)導(dǎo)致情緒低落、焦慮、睡眠障礙等癥狀；多巴胺功能失調(diào)與快感缺失、動(dòng)機(jī)減退有關(guān)；去甲腎上腺素失衡則可能影響注意力和警覺(jué)性。在精神分裂癥中，多巴胺系統(tǒng)功能亢進(jìn)被認(rèn)為是主要的神經(jīng)遞質(zhì)異常機(jī)制之一，過(guò)高的多巴胺水平與幻覺(jué)、妄想等陽(yáng)性癥狀密切相關(guān)。腦區(qū)連接異常：大腦是一個(gè)高度復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，各個(gè)腦區(qū)之間通過(guò)神經(jīng)纖維相互連接，形成功能連接網(wǎng)絡(luò)。神經(jīng)精神疾病患者常出現(xiàn)腦區(qū)連接異常，影響了大腦信息的傳遞和整合。在阿爾茨海默病中，顳葉、頂葉等腦區(qū)之間的連接強(qiáng)度降低，尤其是與記憶相關(guān)的海馬體與其他腦區(qū)的連接受損，導(dǎo)致記憶功能障礙。在抑郁癥患者中，默認(rèn)模式網(wǎng)絡(luò)（DMN）、前額葉-邊緣系統(tǒng)等腦區(qū)之間的功能連接存在異常，DMN內(nèi)腦區(qū)之間以及DMN與其他腦區(qū)之間的功能連接減弱或增強(qiáng)，這與患者的情緒調(diào)節(jié)障礙、認(rèn)知功能損害等癥狀密切相關(guān)。神經(jīng)可塑性改變：神經(jīng)可塑性是指大腦在結(jié)構(gòu)和功能上的可改變性，包括神經(jīng)元的生長(zhǎng)、突觸的形成和重塑等。神經(jīng)精神疾病會(huì)導(dǎo)致神經(jīng)可塑性發(fā)生改變，影響大腦的正常功能。例如，長(zhǎng)期的應(yīng)激和抑郁癥會(huì)使海馬體中的神經(jīng)元萎縮，神經(jīng)發(fā)生減少，從而損害記憶和情緒調(diào)節(jié)功能。在精神分裂癥中，大腦的神經(jīng)可塑性異常可能導(dǎo)致神經(jīng)元之間的連接異常和功能紊亂，影響認(rèn)知和行為。神經(jīng)炎癥：越來(lái)越多的研究表明，神經(jīng)炎癥在神經(jīng)精神疾病的發(fā)病機(jī)制中發(fā)揮重要作用。炎癥反應(yīng)會(huì)導(dǎo)致神經(jīng)膠質(zhì)細(xì)胞活化，釋放炎性細(xì)胞因子，這些細(xì)胞因子可以影響神經(jīng)遞質(zhì)代謝、神經(jīng)可塑性和血腦屏障的完整性。在抑郁癥中，炎癥反應(yīng)可能通過(guò)影響神經(jīng)遞質(zhì)的合成、釋放和代謝，導(dǎo)致神經(jīng)遞質(zhì)失衡，進(jìn)而引發(fā)抑郁癥狀。在阿爾茨海默病中，神經(jīng)炎癥被認(rèn)為與β-淀粉樣蛋白的沉積和tau蛋白的磷酸化相互作用，加速神經(jīng)退行性變。二、相關(guān)理論基礎(chǔ)2.2腦功能網(wǎng)絡(luò)基礎(chǔ)2.2.1腦功能網(wǎng)絡(luò)的構(gòu)建腦功能網(wǎng)絡(luò)的構(gòu)建是研究大腦功能組織和神經(jīng)精神疾病機(jī)制的關(guān)鍵步驟，主要借助功能磁共振成像（fMRI）、腦電圖（EEG）等神經(jīng)影像學(xué)技術(shù)。功能磁共振成像（fMRI）通過(guò)測(cè)量血氧水平依賴（BOLD）信號(hào)來(lái)反映大腦活動(dòng)。其原理基于神經(jīng)元活動(dòng)與腦血流之間的耦合關(guān)系，當(dāng)神經(jīng)元活動(dòng)增強(qiáng)時(shí)，局部腦血流量增加，導(dǎo)致脫氧血紅蛋白濃度相對(duì)降低，而脫氧血紅蛋白是順磁性物質(zhì)，其濃度變化會(huì)引起局部磁場(chǎng)的改變，進(jìn)而影響磁共振信號(hào)強(qiáng)度。通過(guò)檢測(cè)這種信號(hào)變化，fMRI能夠間接反映大腦不同區(qū)域的神經(jīng)活動(dòng)情況。在構(gòu)建腦功能網(wǎng)絡(luò)時(shí)，首先需對(duì)采集到的fMRI數(shù)據(jù)進(jìn)行預(yù)處理，包括頭動(dòng)校正、空間標(biāo)準(zhǔn)化、去噪等操作，以提高數(shù)據(jù)質(zhì)量。然后，通常將大腦劃分為多個(gè)感興趣區(qū)域（ROIs）作為網(wǎng)絡(luò)節(jié)點(diǎn)，這些ROIs可以基于解剖圖譜、功能分區(qū)或數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)確定。例如，常用的解剖圖譜有AAL（AutomatedAnatomicalLabeling）圖譜，它將大腦劃分為90個(gè)左右的腦區(qū)，為節(jié)點(diǎn)定義提供了標(biāo)準(zhǔn)化的模板。確定節(jié)點(diǎn)后，通過(guò)計(jì)算不同ROIs之間BOLD信號(hào)時(shí)間序列的相關(guān)性來(lái)衡量它們之間的功能連接強(qiáng)度，以此作為網(wǎng)絡(luò)的邊。常用的相關(guān)性計(jì)算方法包括皮爾遜相關(guān)系數(shù)、偏相關(guān)系數(shù)等。皮爾遜相關(guān)系數(shù)用于衡量?jī)蓚€(gè)變量之間的線性相關(guān)程度，通過(guò)計(jì)算不同ROIs時(shí)間序列的皮爾遜相關(guān)系數(shù)，可得到一個(gè)反映腦區(qū)之間功能連接強(qiáng)度的相關(guān)矩陣，進(jìn)而構(gòu)建腦功能網(wǎng)絡(luò)。腦電圖（EEG）則是通過(guò)在頭皮上放置電極來(lái)記錄大腦的電活動(dòng)。EEG信號(hào)具有高時(shí)間分辨率的優(yōu)勢(shì)，能夠捕捉到大腦電活動(dòng)的快速變化。在利用EEG構(gòu)建腦功能網(wǎng)絡(luò)時(shí)，電極位置可視為網(wǎng)絡(luò)節(jié)點(diǎn)。與fMRI類似，首先要對(duì)EEG數(shù)據(jù)進(jìn)行預(yù)處理，包括濾波、去除眼電偽跡、肌電偽跡等。然后，計(jì)算不同電極之間信號(hào)的同步性或相位一致性來(lái)確定功能連接。例如，相位滯后指數(shù)（PLI）可用于衡量?jī)蓚€(gè)電極信號(hào)之間的相位差，通過(guò)計(jì)算各電極對(duì)之間的PLI值，可得到反映腦區(qū)之間功能連接的矩陣。此外，也可以利用格蘭杰因果關(guān)系分析等方法來(lái)推斷腦區(qū)之間的因果關(guān)系，從而構(gòu)建更具方向性的腦功能網(wǎng)絡(luò)。格蘭杰因果關(guān)系分析基于時(shí)間序列數(shù)據(jù)，通過(guò)判斷一個(gè)變量的過(guò)去值是否能預(yù)測(cè)另一個(gè)變量的未來(lái)值，來(lái)確定變量之間的因果關(guān)系，將其應(yīng)用于EEG數(shù)據(jù)，可分析不同腦區(qū)之間的信息傳遞方向和因果關(guān)系。除了fMRI和EEG技術(shù)外，還有其他一些方法也可用于腦功能網(wǎng)絡(luò)的構(gòu)建。例如，功能近紅外光譜技術(shù)（fNIRS）利用近紅外光在腦組織中的吸收和散射特性，測(cè)量大腦皮層的血氧變化，從而間接反映大腦活動(dòng)。在構(gòu)建腦功能網(wǎng)絡(luò)時(shí)，以fNIRS探頭位置為節(jié)點(diǎn)，通過(guò)計(jì)算不同探頭信號(hào)之間的相關(guān)性或其他相似性指標(biāo)來(lái)確定邊，進(jìn)而構(gòu)建腦功能網(wǎng)絡(luò)。正電子發(fā)射斷層掃描（PET）通過(guò)注射放射性示蹤劑，測(cè)量大腦對(duì)示蹤劑的攝取情況，反映大腦的代謝活動(dòng)，也可用于構(gòu)建腦功能網(wǎng)絡(luò)，但其在腦功能網(wǎng)絡(luò)研究中的應(yīng)用相對(duì)較少。2.2.2腦功能網(wǎng)絡(luò)的基本特征與指標(biāo)腦功能網(wǎng)絡(luò)具有一系列獨(dú)特的基本特征和量化指標(biāo)，這些特征和指標(biāo)能夠幫助我們深入理解大腦的功能組織和神經(jīng)精神疾病的病理機(jī)制。聚類系數(shù)（ClusteringCoefficient）：聚類系數(shù)用于衡量腦功能網(wǎng)絡(luò)的局部特性，反映了節(jié)點(diǎn)鄰居之間的緊密程度。對(duì)于一個(gè)節(jié)點(diǎn)i，其聚類系數(shù)C_i定義為與該節(jié)點(diǎn)直接相連的鄰居節(jié)點(diǎn)之間實(shí)際存在的邊數(shù)與這些鄰居節(jié)點(diǎn)之間最大可能邊數(shù)的比值。數(shù)學(xué)表達(dá)式為C_i=\frac{2e_i}{k_i(k_i-1)}，其中e_i是節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)之間實(shí)際存在的邊數(shù)，k_i是節(jié)點(diǎn)i的度（即與節(jié)點(diǎn)i直接相連的邊數(shù)）。整個(gè)網(wǎng)絡(luò)的聚類系數(shù)C是所有節(jié)點(diǎn)聚類系數(shù)的平均值，即C=\frac{1}{N}\sum_{i=1}^{N}C_i，其中N是網(wǎng)絡(luò)中節(jié)點(diǎn)的總數(shù)。在腦功能網(wǎng)絡(luò)中，較高的聚類系數(shù)意味著大腦中的神經(jīng)元傾向于形成緊密的局部連接，這有利于局部信息的高效處理和整合，例如在執(zhí)行特定認(rèn)知任務(wù)時(shí)，相關(guān)腦區(qū)的神經(jīng)元通過(guò)高聚類系數(shù)的連接模式，能夠快速協(xié)同工作，完成任務(wù)所需的信息處理。特征路徑長(zhǎng)度（CharacteristicPathLength）：特征路徑長(zhǎng)度是衡量腦功能網(wǎng)絡(luò)全局特性的重要指標(biāo)，它表示網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)之間最短路徑長(zhǎng)度的平均值。對(duì)于一個(gè)具有N個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)，任意兩個(gè)節(jié)點(diǎn)i和j之間的最短路徑長(zhǎng)度d_{ij}是從節(jié)點(diǎn)i到節(jié)點(diǎn)j經(jīng)過(guò)的最少邊數(shù)。網(wǎng)絡(luò)的特征路徑長(zhǎng)度L定義為L(zhǎng)=\frac{1}{N(N-1)}\sum_{i\neqj}d_{ij}。較短的特征路徑長(zhǎng)度表明大腦中不同區(qū)域之間的信息傳遞效率較高，能夠快速實(shí)現(xiàn)信息的交流和整合，保證大腦整體功能的協(xié)調(diào)。例如，在正常認(rèn)知狀態(tài)下，大腦不同功能區(qū)域之間通過(guò)較短的特征路徑長(zhǎng)度進(jìn)行高效的信息傳遞，從而實(shí)現(xiàn)各種復(fù)雜的認(rèn)知功能。全局效率（GlobalEfficiency）：全局效率用于評(píng)估整個(gè)網(wǎng)絡(luò)的信息傳輸效率，是特征路徑長(zhǎng)度的倒數(shù)。其數(shù)學(xué)表達(dá)式為E_{global}=\frac{1}{N(N-1)}\sum_{i\neqj}\frac{1}{d_{ij}}。全局效率越高，說(shuō)明網(wǎng)絡(luò)中信息傳遞的效率越高，不同節(jié)點(diǎn)之間的聯(lián)系越緊密，大腦在執(zhí)行各種任務(wù)時(shí)能夠更快速地進(jìn)行信息交流和整合。在神經(jīng)精神疾病患者中，腦功能網(wǎng)絡(luò)的全局效率可能會(huì)發(fā)生改變，例如在阿爾茨海默病患者中，由于大腦神經(jīng)元的退化和連接的受損，腦功能網(wǎng)絡(luò)的全局效率降低，導(dǎo)致信息傳遞受阻，進(jìn)而影響患者的認(rèn)知功能。局部效率（LocalEfficiency）：局部效率主要衡量網(wǎng)絡(luò)中節(jié)點(diǎn)鄰居子網(wǎng)絡(luò)的信息傳輸效率。對(duì)于節(jié)點(diǎn)i，其局部效率E_{local}^i是將節(jié)點(diǎn)i及其鄰居節(jié)點(diǎn)組成的子網(wǎng)絡(luò)視為一個(gè)獨(dú)立網(wǎng)絡(luò)時(shí)的全局效率。整個(gè)網(wǎng)絡(luò)的局部效率E_{local}是所有節(jié)點(diǎn)局部效率的平均值。局部效率反映了大腦局部區(qū)域內(nèi)信息處理的能力，較高的局部效率表明大腦在局部區(qū)域內(nèi)能夠更有效地進(jìn)行信息處理和整合，對(duì)維持大腦的正常功能具有重要意義。在抑郁癥患者中，某些腦區(qū)的局部效率可能發(fā)生異常改變，影響了該區(qū)域內(nèi)的信息處理和與其他腦區(qū)的協(xié)作，進(jìn)而導(dǎo)致情緒調(diào)節(jié)障礙等癥狀。介數(shù)中心性（BetweennessCentrality）：介數(shù)中心性用于衡量節(jié)點(diǎn)在網(wǎng)絡(luò)信息傳遞中的重要性。對(duì)于節(jié)點(diǎn)i，其介數(shù)中心性B_i定義為網(wǎng)絡(luò)中所有最短路徑中經(jīng)過(guò)節(jié)點(diǎn)i的路徑數(shù)與所有最短路徑總數(shù)的比值。數(shù)學(xué)表達(dá)式為B_i=\sum_{s\neqi\neqt}\frac{\sigma_{st}(i)}{\sigma_{st}}，其中\(zhòng)sigma_{st}是從節(jié)點(diǎn)s到節(jié)點(diǎn)t的最短路徑數(shù)，\sigma_{st}(i)是從節(jié)點(diǎn)s到節(jié)點(diǎn)t且經(jīng)過(guò)節(jié)點(diǎn)i的最短路徑數(shù)。介數(shù)中心性較高的節(jié)點(diǎn)在網(wǎng)絡(luò)中起著關(guān)鍵的橋梁作用，它們?cè)谛畔鬟f過(guò)程中承擔(dān)著重要的角色，對(duì)網(wǎng)絡(luò)的連通性和信息傳輸效率具有重要影響。在大腦中，一些具有高介數(shù)中心性的腦區(qū)，如前額葉、丘腦等，在不同腦功能網(wǎng)絡(luò)之間的信息整合和協(xié)調(diào)中發(fā)揮著核心作用，這些腦區(qū)的功能異?？赡軙?huì)導(dǎo)致整個(gè)大腦功能的紊亂。2.3圖信號(hào)處理原理2.3.1圖信號(hào)的定義與表示在腦功能網(wǎng)絡(luò)研究中，圖信號(hào)是定義在腦網(wǎng)絡(luò)節(jié)點(diǎn)上的函數(shù)，用于描述每個(gè)節(jié)點(diǎn)所對(duì)應(yīng)的大腦區(qū)域的特征信息。具體而言，將大腦功能網(wǎng)絡(luò)看作一個(gè)圖G=(V,E)，其中V=\{v_1,v_2,\ldots,v_N\}是節(jié)點(diǎn)集合，代表大腦的不同區(qū)域；E\subseteqV\timesV是邊集合，表示腦區(qū)之間的功能連接。圖信號(hào)f可表示為一個(gè)從節(jié)點(diǎn)集合V到實(shí)數(shù)集\mathbb{R}的映射，即f:V\rightarrow\mathbb{R}。對(duì)于每個(gè)節(jié)點(diǎn)v_i\inV，都有一個(gè)對(duì)應(yīng)的實(shí)數(shù)f(v_i)，它可以是該腦區(qū)的神經(jīng)元活動(dòng)強(qiáng)度、功能磁共振成像（fMRI）信號(hào)強(qiáng)度、血氧水平依賴（BOLD）信號(hào)等。為了便于數(shù)學(xué)運(yùn)算和分析，通常將圖信號(hào)f表示為一個(gè)N維向量\mathbf{f}=[f(v_1),f(v_2),\ldots,f(v_N)]^T，其中T表示轉(zhuǎn)置。例如，在利用fMRI數(shù)據(jù)構(gòu)建腦功能網(wǎng)絡(luò)時(shí)，首先對(duì)大腦進(jìn)行分區(qū)，得到一系列腦區(qū)作為節(jié)點(diǎn)，然后提取每個(gè)腦區(qū)在fMRI時(shí)間序列中的平均信號(hào)強(qiáng)度，這些信號(hào)強(qiáng)度值就構(gòu)成了圖信號(hào)的元素。假設(shè)我們將大腦劃分為90個(gè)腦區(qū)，那么圖信號(hào)\mathbf{f}就是一個(gè)90維的向量，每個(gè)元素對(duì)應(yīng)一個(gè)腦區(qū)的信號(hào)強(qiáng)度。2.3.2圖信號(hào)處理的基本操作與算法圖傅里葉變換（GraphFourierTransform,GFT）：圖傅里葉變換是圖信號(hào)處理中的核心操作之一，它將圖信號(hào)從空域轉(zhuǎn)換到頻域，為分析圖信號(hào)的頻率特性提供了工具。其理論基礎(chǔ)源于圖拉普拉斯矩陣（GraphLaplacianMatrix）。對(duì)于一個(gè)具有N個(gè)節(jié)點(diǎn)的圖G=(V,E)，其鄰接矩陣A是一個(gè)N\timesN的矩陣，其中元素A_{ij}表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的連接情況，若節(jié)點(diǎn)i和節(jié)點(diǎn)j之間有邊相連，則A_{ij}=1，否則A_{ij}=0。度矩陣D是一個(gè)對(duì)角矩陣，其對(duì)角元素D_{ii}等于節(jié)點(diǎn)i的度，即與節(jié)點(diǎn)i直接相連的邊數(shù)。圖拉普拉斯矩陣L定義為L(zhǎng)=D-A。圖拉普拉斯矩陣L是一個(gè)實(shí)對(duì)稱矩陣，根據(jù)線性代數(shù)理論，它可以進(jìn)行特征分解，即L=U\LambdaU^T，其中U=[\mathbf{u}_1,\mathbf{u}_2,\ldots,\mathbf{u}_N]是由特征向量組成的正交矩陣，\Lambda=diag(\lambda_1,\lambda_2,\ldots,\lambda_N)是由特征值組成的對(duì)角矩陣，且\lambda_1\leq\lambda_2\leq\cdots\leq\lambda_N。這些特征向量\mathbf{u}_i構(gòu)成了圖傅里葉變換的基函數(shù)，類似于傅里葉變換中的正弦和余弦函數(shù)。圖信號(hào)\mathbf{f}的圖傅里葉變換定義為\hat{\mathbf{f}}=U^T\mathbf{f}，其中\(zhòng)hat{\mathbf{f}}=[\hat{f}(\lambda_1),\hat{f}(\lambda_2),\ldots,\hat{f}(\lambda_N)]^T是圖信號(hào)\mathbf{f}在頻域的表示，\hat{f}(\lambda_i)表示圖信號(hào)\mathbf{f}在頻率\lambda_i上的分量。圖傅里葉逆變換則為\mathbf{f}=U\hat{\mathbf{f}}，通過(guò)逆變換可以將圖信號(hào)從頻域轉(zhuǎn)換回空域。在腦功能網(wǎng)絡(luò)研究中，圖傅里葉變換可以幫助我們分析不同頻率成分在腦網(wǎng)絡(luò)中的分布特征。例如，通過(guò)對(duì)腦功能網(wǎng)絡(luò)的圖傅里葉變換，發(fā)現(xiàn)低頻成分主要反映大腦網(wǎng)絡(luò)的全局特性，而高頻成分則更多地與局部腦區(qū)的功能活動(dòng)相關(guān)。在研究阿爾茨海默病患者的腦功能網(wǎng)絡(luò)時(shí)，利用圖傅里葉變換分析發(fā)現(xiàn)，患者腦網(wǎng)絡(luò)中低頻成分的能量分布與正常人群存在顯著差異，這可能與患者大腦功能的整體衰退有關(guān)。圖卷積（GraphConvolution）：圖卷積是對(duì)圖信號(hào)進(jìn)行卷積操作的一種方法，它在圖信號(hào)處理中起著重要作用，特別是在圖神經(jīng)網(wǎng)絡(luò)中得到了廣泛應(yīng)用。傳統(tǒng)的卷積操作是在歐幾里得空間中定義的，而圖卷積需要在圖的拓?fù)浣Y(jié)構(gòu)上進(jìn)行定義。常見(jiàn)的圖卷積定義方式有基于譜域的方法和基于空域的方法?；谧V域的圖卷積是利用圖傅里葉變換的性質(zhì)來(lái)定義的。設(shè)圖信號(hào)\mathbf{f}和卷積核\mathbf{g}在圖傅里葉變換下的頻域表示分別為\hat{\mathbf{f}}和\hat{\mathbf{g}}，則圖卷積\mathbf{f}*\mathbf{g}在頻域的表示為\widehat{\mathbf{f}*\mathbf{g}}=\hat{\mathbf{g}}\odot\hat{\mathbf{f}}，其中\(zhòng)odot表示逐元素相乘。然后通過(guò)圖傅里葉逆變換將結(jié)果轉(zhuǎn)換回空域，得到圖卷積的結(jié)果。基于空域的圖卷積則直接在圖的節(jié)點(diǎn)和邊上進(jìn)行操作，通過(guò)對(duì)節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)的信息進(jìn)行加權(quán)聚合來(lái)實(shí)現(xiàn)卷積。例如，Kipf和Welling提出的圖卷積神經(jīng)網(wǎng)絡(luò)（GraphConvolutionalNetwork,GCN）中，定義的圖卷積操作如下：H^{(l+1)}=\sigma(\widetilde{D}^{-\frac{1}{2}}\widetilde{A}\widetilde{D}^{-\frac{1}{2}}H^{(l)}W^{(l)})，其中H^{(l)}是第l層的特征矩陣，W^{(l)}是第l層的權(quán)重矩陣，\widetilde{A}=A+I是在鄰接矩陣A的基礎(chǔ)上加上單位矩陣I，表示節(jié)點(diǎn)與自身也有連接，\widetilde{D}是\widetilde{A}的度矩陣，\sigma(\cdot)是激活函數(shù)。在腦功能網(wǎng)絡(luò)研究中，圖卷積神經(jīng)網(wǎng)絡(luò)可以用于對(duì)腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行特征提取和分類。通過(guò)構(gòu)建合適的圖卷積神經(jīng)網(wǎng)絡(luò)模型，將腦功能網(wǎng)絡(luò)數(shù)據(jù)作為輸入，網(wǎng)絡(luò)可以自動(dòng)學(xué)習(xí)腦網(wǎng)絡(luò)的特征模式，從而實(shí)現(xiàn)對(duì)不同神經(jīng)精神疾病的分類和診斷。有研究利用圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)抑郁癥患者和健康對(duì)照人群的腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類，取得了較高的準(zhǔn)確率，為抑郁癥的輔助診斷提供了新的方法。三、基于圖信號(hào)處理的腦功能網(wǎng)絡(luò)分析方法3.1數(shù)據(jù)采集與預(yù)處理3.1.1實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)來(lái)源本研究旨在全面深入地探究神經(jīng)精神疾病患者的腦功能網(wǎng)絡(luò)特征，采用了嚴(yán)格且科學(xué)的實(shí)驗(yàn)設(shè)計(jì)，以確保數(shù)據(jù)的可靠性和有效性。研究對(duì)象涵蓋了抑郁癥、阿爾茨海默病、帕金森病等多種神經(jīng)精神疾病患者以及健康對(duì)照人群。在數(shù)據(jù)采集過(guò)程中，從多個(gè)知名醫(yī)療機(jī)構(gòu)和專業(yè)研究中心收集了豐富的腦成像數(shù)據(jù)，這些機(jī)構(gòu)具備先進(jìn)的設(shè)備和專業(yè)的技術(shù)團(tuán)隊(duì)，能夠提供高質(zhì)量的數(shù)據(jù)。對(duì)于抑郁癥患者，數(shù)據(jù)主要來(lái)源于[具體醫(yī)院1]、[具體醫(yī)院2]等醫(yī)院的精神科門診和住院部。納入標(biāo)準(zhǔn)為符合《精神障礙診斷與統(tǒng)計(jì)手冊(cè)》（DSM-5）中抑郁癥的診斷標(biāo)準(zhǔn)，且漢密爾頓抑郁量表（HAMD）評(píng)分大于17分。排除標(biāo)準(zhǔn)包括患有其他嚴(yán)重精神疾病、神經(jīng)系統(tǒng)疾病、嚴(yán)重軀體疾病以及存在腦部器質(zhì)性病變等。最終共收集到[X]例抑郁癥患者的數(shù)據(jù)。阿爾茨海默病患者的數(shù)據(jù)則來(lái)自[具體醫(yī)院3]、[具體研究機(jī)構(gòu)1]等。診斷依據(jù)為臨床癡呆評(píng)定量表（CDR）和簡(jiǎn)易精神狀態(tài)檢查表（MMSE），同時(shí)結(jié)合影像學(xué)檢查結(jié)果。納入的患者CDR評(píng)分大于0.5分，MMSE評(píng)分低于24分。排除患有其他認(rèn)知障礙疾病、腦血管疾病、嚴(yán)重精神疾病以及無(wú)法配合檢查的患者。共收集到[Y]例阿爾茨海默病患者的數(shù)據(jù)。帕金森病患者的數(shù)據(jù)采集自[具體醫(yī)院4]、[具體醫(yī)院5]等。診斷遵循英國(guó)帕金森病協(xié)會(huì)腦庫(kù)臨床診斷標(biāo)準(zhǔn)，同時(shí)考慮患者的運(yùn)動(dòng)癥狀和非運(yùn)動(dòng)癥狀。納入標(biāo)準(zhǔn)為明確診斷為帕金森病，且病程在1年以上。排除患有其他帕金森綜合征、嚴(yán)重心腦血管疾病、精神疾病以及存在藥物濫用史的患者。最終收集到[Z]例帕金森病患者的數(shù)據(jù)。健康對(duì)照人群的數(shù)據(jù)采集自社區(qū)招募的志愿者以及部分醫(yī)院的體檢中心。所有健康對(duì)照者均經(jīng)過(guò)全面的身體檢查和精神狀態(tài)評(píng)估，排除患有任何精神疾病、神經(jīng)系統(tǒng)疾病以及其他嚴(yán)重軀體疾病的個(gè)體。共收集到[W]例健康對(duì)照者的數(shù)據(jù)。通過(guò)多中心、大樣本的數(shù)據(jù)采集，本研究能夠更全面地涵蓋不同類型神經(jīng)精神疾病患者的特征，減少個(gè)體差異和地域差異對(duì)研究結(jié)果的影響，為后續(xù)的分析提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。同時(shí)，詳細(xì)記錄了每個(gè)研究對(duì)象的基本信息，包括年齡、性別、病程等，以及臨床資料，如癥狀評(píng)估量表得分、治療情況等，這些信息對(duì)于深入分析腦功能網(wǎng)絡(luò)特征與疾病之間的關(guān)系具有重要意義。3.1.2數(shù)據(jù)預(yù)處理流程與方法采集到的腦成像數(shù)據(jù)需要進(jìn)行一系列嚴(yán)格的預(yù)處理操作，以提高數(shù)據(jù)質(zhì)量，為后續(xù)基于圖信號(hào)處理的腦功能網(wǎng)絡(luò)分析奠定堅(jiān)實(shí)基礎(chǔ)。本研究主要采用了功能磁共振成像（fMRI）數(shù)據(jù)，其預(yù)處理流程與方法如下：去噪處理：fMRI數(shù)據(jù)在采集過(guò)程中不可避免地會(huì)受到各種噪聲的干擾，如設(shè)備的熱噪聲、生理噪聲（心跳、呼吸等）以及環(huán)境噪聲等。為了有效去除這些噪聲，首先采用了高斯濾波技術(shù)。高斯濾波是一種線性平滑濾波，通過(guò)對(duì)圖像進(jìn)行加權(quán)平均來(lái)實(shí)現(xiàn)去噪，其原理基于高斯函數(shù)，能夠根據(jù)設(shè)定的標(biāo)準(zhǔn)差對(duì)圖像進(jìn)行平滑處理，有效抑制高頻噪聲，同時(shí)保留圖像的主要結(jié)構(gòu)信息。在本研究中，根據(jù)數(shù)據(jù)的特點(diǎn)和噪聲水平，選擇合適的高斯核大小進(jìn)行濾波操作，使得圖像在去除噪聲的同時(shí)，不會(huì)過(guò)度模糊導(dǎo)致細(xì)節(jié)信息丟失。除了高斯濾波，還運(yùn)用了獨(dú)立成分分析（ICA）方法進(jìn)一步去除噪聲和偽跡。ICA是一種盲源分離技術(shù)，能夠?qū)MRI數(shù)據(jù)分解為多個(gè)相互獨(dú)立的成分，其中一些成分對(duì)應(yīng)于噪聲和生理偽跡，如心電偽跡、呼吸偽跡等。通過(guò)識(shí)別和去除這些噪聲成分，能夠顯著提高數(shù)據(jù)的信噪比，使得后續(xù)分析能夠更準(zhǔn)確地反映大腦的真實(shí)活動(dòng)。頭動(dòng)校正：頭部運(yùn)動(dòng)是fMRI研究中常見(jiàn)且影響較大的問(wèn)題，即使是輕微的頭部移動(dòng)，也可能導(dǎo)致圖像失真、空間定位不準(zhǔn)確以及產(chǎn)生偽信號(hào)，嚴(yán)重影響數(shù)據(jù)質(zhì)量和分析結(jié)果的可靠性。在本研究中，采用了基于圖像配準(zhǔn)的方法進(jìn)行頭動(dòng)校正。首先，選擇一個(gè)參考圖像，通常為整個(gè)掃描序列中的某一幀圖像。然后，通過(guò)計(jì)算每一幅圖像與參考圖像之間的位移和旋轉(zhuǎn)參數(shù)，估計(jì)頭部在不同方向上的運(yùn)動(dòng)情況。這些參數(shù)包括三個(gè)方向的平移（左右、前后、上下）和三個(gè)方向的旋轉(zhuǎn)（橫滾、俯仰、偏航）。根據(jù)估計(jì)得到的運(yùn)動(dòng)參數(shù)，構(gòu)建相應(yīng)的變換矩陣，對(duì)每一幅圖像進(jìn)行變換，將其重新定位到與參考圖像一致的空間位置，從而實(shí)現(xiàn)頭動(dòng)校正。常用的變換矩陣包括剛體變換矩陣，它能夠描述圖像的平移和旋轉(zhuǎn)，確保圖像在空間中的位置和方向得到準(zhǔn)確校正。在實(shí)際操作中，使用專業(yè)的圖像處理軟件，如SPM（StatisticalParametricMapping）或FSL（FMRIBSoftwareLibrary），這些軟件提供了豐富的頭動(dòng)校正算法和工具，能夠方便、準(zhǔn)確地完成頭動(dòng)校正操作。校正后，還對(duì)頭部運(yùn)動(dòng)參數(shù)進(jìn)行了嚴(yán)格的檢查和篩選，對(duì)于運(yùn)動(dòng)參數(shù)超過(guò)一定閾值的受試者數(shù)據(jù)，進(jìn)行進(jìn)一步的分析和處理，以確保數(shù)據(jù)的可靠性。空間標(biāo)準(zhǔn)化：由于不同受試者的大腦在解剖結(jié)構(gòu)和空間位置上存在差異，為了便于對(duì)不同個(gè)體的數(shù)據(jù)進(jìn)行比較和分析，需要將fMRI數(shù)據(jù)轉(zhuǎn)換到一個(gè)共同的標(biāo)準(zhǔn)化空間中。本研究采用了蒙特利爾神經(jīng)學(xué)研究所（MNI）模板作為標(biāo)準(zhǔn)空間。具體實(shí)現(xiàn)過(guò)程是通過(guò)非線性配準(zhǔn)算法，將每個(gè)受試者的大腦圖像與MNI模板進(jìn)行匹配，使不同受試者的腦區(qū)在空間位置上達(dá)到一致。在配準(zhǔn)過(guò)程中，利用圖像的灰度信息和解剖結(jié)構(gòu)特征，通過(guò)迭代優(yōu)化的方式尋找最佳的變換參數(shù)，使得受試者圖像與模板圖像之間的相似度達(dá)到最大。常用的非線性配準(zhǔn)算法包括基于Demons的算法和基于樣條函數(shù)的算法等。這些算法能夠精確地描述大腦圖像的非線性變形，實(shí)現(xiàn)準(zhǔn)確的空間標(biāo)準(zhǔn)化。經(jīng)過(guò)空間標(biāo)準(zhǔn)化后，所有受試者的數(shù)據(jù)都統(tǒng)一到了MNI空間，使得不同個(gè)體之間的腦功能網(wǎng)絡(luò)分析具有可比性，為后續(xù)的研究提供了標(biāo)準(zhǔn)化的數(shù)據(jù)基礎(chǔ)。時(shí)間層校正：在fMRI數(shù)據(jù)采集過(guò)程中，由于掃描儀的工作原理，不同體素的采集時(shí)間可能存在微小的差異，這會(huì)導(dǎo)致時(shí)間序列數(shù)據(jù)的不一致性，影響后續(xù)的分析。為了消除這種時(shí)間差異，進(jìn)行了時(shí)間層校正。時(shí)間層校正的方法是根據(jù)每個(gè)體素的采集時(shí)間順序，對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行重采樣，使得所有體素的時(shí)間點(diǎn)對(duì)齊。具體來(lái)說(shuō)，首先確定每個(gè)體素的采集時(shí)間偏移量，然后根據(jù)這些偏移量對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行插值處理，將數(shù)據(jù)重新采樣到統(tǒng)一的時(shí)間軸上。通過(guò)時(shí)間層校正，確保了fMRI數(shù)據(jù)在時(shí)間維度上的一致性，使得后續(xù)對(duì)腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化分析更加準(zhǔn)確可靠。三、基于圖信號(hào)處理的腦功能網(wǎng)絡(luò)分析方法3.2基于圖信號(hào)處理的腦功能網(wǎng)絡(luò)構(gòu)建3.2.1圖模型的選擇與建立在神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)研究中，圖模型的選擇與建立是關(guān)鍵環(huán)節(jié)，直接影響后續(xù)分析結(jié)果的準(zhǔn)確性和可靠性?？紤]到大腦功能連接的復(fù)雜性和多樣性，本研究選擇無(wú)向加權(quán)圖作為基本圖模型來(lái)構(gòu)建腦功能網(wǎng)絡(luò)。無(wú)向圖能夠很好地反映大腦區(qū)域之間相互作用的對(duì)稱性，即腦區(qū)A與腦區(qū)B之間的功能連接和腦區(qū)B與腦區(qū)A之間的功能連接是等同的，這符合大腦功能連接的實(shí)際情況。而加權(quán)圖則通過(guò)邊的權(quán)重來(lái)表示腦區(qū)之間功能連接的強(qiáng)度，能夠更細(xì)致地描述大腦功能網(wǎng)絡(luò)的特性。具體建立過(guò)程如下：首先，基于功能磁共振成像（fMRI）數(shù)據(jù)，利用獨(dú)立成分分析（ICA）或種子點(diǎn)相關(guān)分析等方法，將大腦劃分為多個(gè)感興趣區(qū)域（ROIs），這些ROIs即為圖模型中的節(jié)點(diǎn)。例如，使用AAL（AutomatedAnatomicalLabeling）圖譜將大腦劃分為90個(gè)左右的ROIs，每個(gè)ROI代表一個(gè)特定的腦區(qū)，如額葉、顳葉、頂葉等腦區(qū)中的具體子區(qū)域。然后，通過(guò)計(jì)算不同ROIs之間血氧水平依賴（BOLD）信號(hào)時(shí)間序列的相關(guān)性來(lái)確定邊的權(quán)重。常用的相關(guān)性計(jì)算方法為皮爾遜相關(guān)系數(shù)，其公式為：r_{ij}=\frac{\sum_{k=1}^{n}(x_{ik}-\overline{x}_i)(x_{jk}-\overline{x}_j)}{\sqrt{\sum_{k=1}^{n}(x_{ik}-\overline{x}_i)^2\sum_{k=1}^{n}(x_{jk}-\overline{x}_j)^2}}其中，r_{ij}表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的皮爾遜相關(guān)系數(shù)，x_{ik}和x_{jk}分別表示節(jié)點(diǎn)i和節(jié)點(diǎn)j在第k個(gè)時(shí)間點(diǎn)的BOLD信號(hào)值，\overline{x}_i和\overline{x}_j分別表示節(jié)點(diǎn)i和節(jié)點(diǎn)j的BOLD信號(hào)平均值，n為時(shí)間點(diǎn)的總數(shù)。計(jì)算得到的皮爾遜相關(guān)系數(shù)r_{ij}即為邊的權(quán)重，取值范圍在-1到1之間，絕對(duì)值越接近1，表示兩個(gè)腦區(qū)之間的功能連接越強(qiáng)；絕對(duì)值越接近0，表示功能連接越弱。當(dāng)r_{ij}大于預(yù)先設(shè)定的閾值（如0.3）時(shí)，在節(jié)點(diǎn)i和節(jié)點(diǎn)j之間建立邊連接，從而構(gòu)建出完整的腦功能網(wǎng)絡(luò)。通過(guò)這種方式建立的無(wú)向加權(quán)圖模型，能夠準(zhǔn)確地反映大腦不同區(qū)域之間的功能連接關(guān)系，為后續(xù)基于圖信號(hào)處理的分析提供了有效的數(shù)據(jù)結(jié)構(gòu)。3.2.2圖信號(hào)的映射與特征提取將腦功能數(shù)據(jù)映射為圖信號(hào)是基于圖信號(hào)處理進(jìn)行腦功能網(wǎng)絡(luò)分析的基礎(chǔ)，而特征提取則是挖掘腦功能網(wǎng)絡(luò)潛在信息的關(guān)鍵步驟。在本研究中，將每個(gè)節(jié)點(diǎn)（即腦區(qū)）的功能磁共振成像（fMRI）信號(hào)強(qiáng)度或其他相關(guān)生理指標(biāo)映射為圖信號(hào)的元素。例如，對(duì)于每個(gè)ROI，提取其在整個(gè)掃描時(shí)間序列中的平均BOLD信號(hào)強(qiáng)度，將該強(qiáng)度值作為對(duì)應(yīng)節(jié)點(diǎn)的圖信號(hào)值。設(shè)圖模型中有N個(gè)節(jié)點(diǎn)，那么圖信號(hào)\mathbf{f}可表示為一個(gè)N維向量\mathbf{f}=[f(v_1),f(v_2),\ldots,f(v_N)]^T，其中f(v_i)表示節(jié)點(diǎn)v_i對(duì)應(yīng)的圖信號(hào)值，即該腦區(qū)的平均BOLD信號(hào)強(qiáng)度。在完成圖信號(hào)映射后，進(jìn)行特征提取以深入挖掘腦功能網(wǎng)絡(luò)的特性。主要提取節(jié)點(diǎn)特征和邊特征：節(jié)點(diǎn)特征提取：節(jié)點(diǎn)特征能夠反映單個(gè)腦區(qū)在腦功能網(wǎng)絡(luò)中的特性和作用。除了上述作為圖信號(hào)值的平均BOLD信號(hào)強(qiáng)度外，還計(jì)算節(jié)點(diǎn)的度（Degree），即與該節(jié)點(diǎn)直接相連的邊的數(shù)量。節(jié)點(diǎn)的度越大，說(shuō)明該腦區(qū)與其他腦區(qū)的功能連接越廣泛，在腦功能網(wǎng)絡(luò)中的重要性可能越高。例如，在大腦默認(rèn)模式網(wǎng)絡(luò)（DMN）中，后扣帶回皮質(zhì)（PCC）節(jié)點(diǎn)通常具有較高的度，表明它在DMN以及整個(gè)腦功能網(wǎng)絡(luò)中起著重要的信息整合和傳遞作用。此外，還計(jì)算節(jié)點(diǎn)的聚類系數(shù)（ClusteringCoefficient），它衡量了節(jié)點(diǎn)鄰居之間的緊密程度，反映了局部信息處理能力。高聚類系數(shù)的節(jié)點(diǎn)所在區(qū)域傾向于形成緊密的局部連接，有利于局部信息的高效處理和整合。邊特征提?。哼吿卣髦饕糜诿枋瞿X區(qū)之間功能連接的特性。除了邊的權(quán)重（即前面計(jì)算得到的皮爾遜相關(guān)系數(shù)）外，還考慮邊的方向性。雖然構(gòu)建的是無(wú)向圖模型，但在實(shí)際分析中，通過(guò)格蘭杰因果關(guān)系分析等方法，可以推斷邊的潛在方向性，即判斷兩個(gè)腦區(qū)之間信息傳遞的方向。例如，在研究視覺(jué)信息處理的腦功能網(wǎng)絡(luò)時(shí)，通過(guò)格蘭杰因果關(guān)系分析發(fā)現(xiàn)，從初級(jí)視覺(jué)皮層到高級(jí)視覺(jué)皮層存在明顯的信息傳遞方向，這一方向性特征對(duì)于理解視覺(jué)信息處理的神經(jīng)機(jī)制具有重要意義。此外，還可以計(jì)算邊的穩(wěn)定性，即邊的權(quán)重在不同時(shí)間點(diǎn)或不同個(gè)體之間的變化程度。邊的穩(wěn)定性反映了腦區(qū)之間功能連接的可靠性和一致性，對(duì)于研究神經(jīng)精神疾病的動(dòng)態(tài)變化和個(gè)體差異具有重要價(jià)值。通過(guò)這些節(jié)點(diǎn)特征和邊特征的提取，能夠全面、深入地描述腦功能網(wǎng)絡(luò)的特性，為后續(xù)基于圖信號(hào)處理的分析提供豐富的信息。3.3腦功能網(wǎng)絡(luò)的圖信號(hào)分析技術(shù)3.3.1圖傅里葉分析在腦功能網(wǎng)絡(luò)中的應(yīng)用圖傅里葉分析是深入剖析腦功能網(wǎng)絡(luò)特性的關(guān)鍵技術(shù)，它借助圖拉普拉斯矩陣的特征分解，實(shí)現(xiàn)腦網(wǎng)絡(luò)信號(hào)從空域到頻域的轉(zhuǎn)換，為探究大腦功能連接的頻率特性和信號(hào)分布提供了全新視角。在實(shí)際應(yīng)用中，首先需要構(gòu)建腦功能網(wǎng)絡(luò)的圖拉普拉斯矩陣。以基于功能磁共振成像（fMRI）數(shù)據(jù)構(gòu)建的腦功能網(wǎng)絡(luò)為例，將大腦劃分為多個(gè)感興趣區(qū)域（ROIs）作為節(jié)點(diǎn)，通過(guò)計(jì)算ROIs之間血氧水平依賴（BOLD）信號(hào)時(shí)間序列的相關(guān)性確定邊的權(quán)重，進(jìn)而得到鄰接矩陣。根據(jù)鄰接矩陣計(jì)算度矩陣，再由度矩陣與鄰接矩陣相減得到圖拉普拉斯矩陣。對(duì)圖拉普拉斯矩陣進(jìn)行特征分解，得到特征向量和特征值。這些特征向量構(gòu)成了圖傅里葉變換的基函數(shù)，通過(guò)圖傅里葉變換，可將定義在腦網(wǎng)絡(luò)節(jié)點(diǎn)上的圖信號(hào)從空域轉(zhuǎn)換到頻域。通過(guò)圖傅里葉分析，能夠揭示腦功能網(wǎng)絡(luò)中不同頻率成分的分布特征及其與大腦功能的關(guān)聯(lián)。研究發(fā)現(xiàn)，低頻成分在腦功能網(wǎng)絡(luò)中往往呈現(xiàn)出全局分布的特性，與大腦的整體功能狀態(tài)密切相關(guān)。例如，在靜息態(tài)下，低頻成分的能量分布能夠反映大腦默認(rèn)模式網(wǎng)絡(luò)（DMN）等大規(guī)模腦功能網(wǎng)絡(luò)的活動(dòng)情況。DMN是一組在靜息狀態(tài)下活動(dòng)增強(qiáng)、在執(zhí)行任務(wù)時(shí)活動(dòng)減弱的腦區(qū)，其功能與自我參照思維、情景記憶等密切相關(guān)。通過(guò)圖傅里葉分析發(fā)現(xiàn)，DMN內(nèi)腦區(qū)之間的低頻連接強(qiáng)度較高，這表明低頻成分在維持DMN的功能完整性和信息整合方面起著重要作用。而高頻成分則更多地集中在局部腦區(qū)，與局部腦區(qū)的精細(xì)功能活動(dòng)相關(guān)。在執(zhí)行視覺(jué)任務(wù)時(shí)，與視覺(jué)處理相關(guān)的腦區(qū)，如枕葉視覺(jué)皮層，其高頻成分的能量會(huì)顯著增加，這反映了高頻成分在局部腦區(qū)信息處理中的關(guān)鍵作用。圖傅里葉分析還可用于比較正常人群與神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)的頻譜特性差異。在抑郁癥研究中，通過(guò)對(duì)抑郁癥患者和健康對(duì)照人群腦功能網(wǎng)絡(luò)的圖傅里葉分析發(fā)現(xiàn)，抑郁癥患者腦網(wǎng)絡(luò)中低頻成分的能量分布在多個(gè)腦區(qū)發(fā)生改變，尤其是在默認(rèn)模式網(wǎng)絡(luò)和前額葉-邊緣系統(tǒng)等與情緒調(diào)節(jié)和認(rèn)知功能密切相關(guān)的腦區(qū)。這些腦區(qū)低頻成分能量的異常變化可能導(dǎo)致情緒調(diào)節(jié)障礙和認(rèn)知功能損害，從而引發(fā)抑郁癥的相關(guān)癥狀。在阿爾茨海默病患者中，腦功能網(wǎng)絡(luò)的圖傅里葉分析顯示，隨著疾病的進(jìn)展，低頻成分的能量逐漸降低，且在顳葉、頂葉等與記憶和認(rèn)知功能相關(guān)的腦區(qū)表現(xiàn)尤為明顯。這表明阿爾茨海默病患者大腦的整體功能連接受損，信息傳遞效率下降，進(jìn)而導(dǎo)致認(rèn)知功能衰退。通過(guò)對(duì)這些頻譜特性差異的分析，有助于深入理解神經(jīng)精神疾病的發(fā)病機(jī)制，為疾病的早期診斷和治療提供潛在的生物標(biāo)志物。3.3.2圖卷積神經(jīng)網(wǎng)絡(luò)在腦功能網(wǎng)絡(luò)分類中的應(yīng)用圖卷積神經(jīng)網(wǎng)絡(luò)（GCN）作為一種強(qiáng)大的深度學(xué)習(xí)模型，在腦功能網(wǎng)絡(luò)分類中展現(xiàn)出巨大的潛力，能夠有效識(shí)別正常和疾病腦功能網(wǎng)絡(luò)的特征模式，為神經(jīng)精神疾病的診斷和分類提供有力支持。在構(gòu)建圖卷積神經(jīng)網(wǎng)絡(luò)時(shí)，其網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)至關(guān)重要。通常包括輸入層、多個(gè)圖卷積層、激活函數(shù)層、池化層和全連接層。輸入層接收經(jīng)過(guò)預(yù)處理和特征提取后的腦功能網(wǎng)絡(luò)數(shù)據(jù)，將其轉(zhuǎn)化為適合網(wǎng)絡(luò)處理的格式。圖卷積層是GCN的核心組成部分，通過(guò)對(duì)圖信號(hào)進(jìn)行卷積操作，提取腦功能網(wǎng)絡(luò)的局部和全局特征。例如，在Kipf和Welling提出的經(jīng)典GCN模型中，圖卷積層的操作通過(guò)對(duì)節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)的特征進(jìn)行加權(quán)聚合來(lái)實(shí)現(xiàn)，具體公式為H^{(l+1)}=\sigma(\widetilde{D}^{-\frac{1}{2}}\widetilde{A}\widetilde{D}^{-\frac{1}{2}}H^{(l)}W^{(l)})，其中H^{(l)}是第l層的特征矩陣，W^{(l)}是第l層的權(quán)重矩陣，\widetilde{A}=A+I是在鄰接矩陣A的基礎(chǔ)上加上單位矩陣I，表示節(jié)點(diǎn)與自身也有連接，\widetilde{D}是\widetilde{A}的度矩陣，\sigma(\cdot)是激活函數(shù)。激活函數(shù)層用于引入非線性，增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力，常用的激活函數(shù)有ReLU（RectifiedLinearUnit）函數(shù)等。池化層則對(duì)特征進(jìn)行下采樣，減少數(shù)據(jù)量，降低計(jì)算復(fù)雜度，同時(shí)保留重要的特征信息。全連接層將經(jīng)過(guò)多次卷積和池化操作后的特征進(jìn)行整合，輸出最終的分類結(jié)果。在訓(xùn)練圖卷積神經(jīng)網(wǎng)絡(luò)時(shí)，需要大量的腦功能網(wǎng)絡(luò)數(shù)據(jù)作為訓(xùn)練樣本。這些數(shù)據(jù)應(yīng)包含正常人群和不同類型神經(jīng)精神疾病患者的腦功能網(wǎng)絡(luò)信息，同時(shí)標(biāo)注好相應(yīng)的類別標(biāo)簽。通過(guò)將訓(xùn)練數(shù)據(jù)輸入網(wǎng)絡(luò)，利用反向傳播算法不斷調(diào)整網(wǎng)絡(luò)的權(quán)重參數(shù)，使網(wǎng)絡(luò)能夠?qū)W習(xí)到正常和疾病腦功能網(wǎng)絡(luò)的特征模式，最小化預(yù)測(cè)結(jié)果與真實(shí)標(biāo)簽之間的誤差。在訓(xùn)練過(guò)程中，通常會(huì)采用一些優(yōu)化算法，如隨機(jī)梯度下降（SGD）及其變種Adagrad、Adadelta、Adam等，來(lái)加速模型的收斂。為了防止過(guò)擬合，還會(huì)采用一些正則化方法，如L1和L2正則化、Dropout等。在實(shí)際應(yīng)用中，將待分類的腦功能網(wǎng)絡(luò)數(shù)據(jù)輸入訓(xùn)練好的圖卷積神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)會(huì)根據(jù)學(xué)習(xí)到的特征模式對(duì)其進(jìn)行分類，判斷該腦功能網(wǎng)絡(luò)屬于正常還是某種神經(jīng)精神疾病。在抑郁癥的輔助診斷研究中，利用圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)抑郁癥患者和健康對(duì)照人群的腦功能網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分類，準(zhǔn)確率可達(dá)到[X]%以上。通過(guò)對(duì)網(wǎng)絡(luò)學(xué)習(xí)到的特征進(jìn)行分析，發(fā)現(xiàn)網(wǎng)絡(luò)能夠捕捉到抑郁癥患者腦功能網(wǎng)絡(luò)中默認(rèn)模式網(wǎng)絡(luò)、前額葉-邊緣系統(tǒng)等腦區(qū)之間功能連接的異常特征，這些特征與抑郁癥的病理機(jī)制密切相關(guān)。在阿爾茨海默病的分類研究中，圖卷積神經(jīng)網(wǎng)絡(luò)也取得了較好的效果，能夠準(zhǔn)確地區(qū)分阿爾茨海默病患者和正常老年人的腦功能網(wǎng)絡(luò)，為阿爾茨海默病的早期診斷提供了新的方法。四、神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)特征分析4.1不同神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)差異4.1.1精神分裂癥患者腦功能網(wǎng)絡(luò)拓?fù)涮卣骶穹至寻Y作為一種嚴(yán)重的精神障礙，其腦功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出多方面的異常改變，這些改變與疾病的病理機(jī)制和臨床癥狀密切相關(guān)。研究表明，精神分裂癥患者腦功能網(wǎng)絡(luò)的聚類系數(shù)顯著降低。聚類系數(shù)反映了網(wǎng)絡(luò)中節(jié)點(diǎn)鄰居之間的緊密程度，其降低意味著大腦局部區(qū)域內(nèi)神經(jīng)元之間的連接緊密性下降，局部信息處理能力受損。例如，在一項(xiàng)對(duì)59例精神分裂癥患者和41名健康對(duì)照者的研究中，運(yùn)用確定性纖維追蹤技術(shù)構(gòu)建全腦白質(zhì)結(jié)構(gòu)網(wǎng)絡(luò)，并采用圖論分析方法，發(fā)現(xiàn)患者組腦白質(zhì)網(wǎng)絡(luò)的聚類系數(shù)（0.03±0.01）顯著低于對(duì)照組（0.02±0.01）。這種局部連接的異?？赡軐?dǎo)致患者在認(rèn)知、感知和情感等方面出現(xiàn)問(wèn)題，如思維紊亂、幻覺(jué)、妄想等癥狀。同時(shí)，精神分裂癥患者腦功能網(wǎng)絡(luò)的全局效率也明顯下降。全局效率衡量的是整個(gè)網(wǎng)絡(luò)的信息傳輸效率，其降低表明大腦不同區(qū)域之間的信息傳遞受到阻礙，難以高效地進(jìn)行信息交流和整合。上述研究中，患者組腦白質(zhì)網(wǎng)絡(luò)的全局效率（30.83±16.08）顯著低于對(duì)照組（8.25±6.13）。這使得患者大腦在執(zhí)行各種任務(wù)時(shí)，不同腦區(qū)之間無(wú)法協(xié)同工作，影響了患者的社會(huì)功能和生活質(zhì)量。此外，患者腦白質(zhì)網(wǎng)絡(luò)的最短路徑長(zhǎng)度顯著增加，這與全局效率的降低相互印證，進(jìn)一步說(shuō)明大腦網(wǎng)絡(luò)的連通性受損，信息傳遞路徑變長(zhǎng)，效率降低。在節(jié)點(diǎn)層面，精神分裂癥患者多個(gè)腦區(qū)的節(jié)點(diǎn)效率發(fā)生顯著變化。如扣帶回、枕上回、顳上回、顳中回、丘腦和殼核等腦區(qū)的節(jié)點(diǎn)效率顯著降低。這些腦區(qū)在大腦的認(rèn)知、情感和感覺(jué)處理等功能中起著重要作用，它們的節(jié)點(diǎn)效率降低表明這些腦區(qū)在腦功能網(wǎng)絡(luò)中的重要性下降，與其他腦區(qū)的功能連接減弱，從而影響了整個(gè)大腦功能的正常發(fā)揮。例如，扣帶回在情緒調(diào)節(jié)、認(rèn)知控制等方面具有關(guān)鍵作用，其節(jié)點(diǎn)效率降低可能導(dǎo)致患者情緒調(diào)節(jié)障礙，出現(xiàn)情感淡漠、情緒不穩(wěn)定等癥狀。家族性與散發(fā)性精神分裂癥患者在腦功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上也存在差異。家族性精神分裂癥患者表現(xiàn)出顯著降低的歸一化聚類系數(shù)γ、小世界系數(shù)δ和局部效率Eloc。與散發(fā)性精神分裂癥患者相比，家族性精神分裂癥患者的局部效率Eloc更低。在節(jié)點(diǎn)中心度方面，家族性精神分裂癥患者在右側(cè)中央后回、枕中回等腦區(qū)表現(xiàn)出顯著增加的節(jié)點(diǎn)中心度，而在雙側(cè)額中回、左側(cè)腦島、距狀裂回、尾狀核、殼核和顳橫回、右側(cè)丘腦等腦區(qū)表現(xiàn)出顯著降低的節(jié)點(diǎn)中心度。這些差異可能與兩種精神分裂癥不同的致病因素有關(guān)，家族性精神分裂癥更多地受到遺傳因素影響，而散發(fā)性精神分裂癥可能更多地與環(huán)境因素相關(guān)。4.1.2抑郁癥患者腦功能網(wǎng)絡(luò)拓?fù)涮卣饕钟舭Y患者的腦功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)同樣出現(xiàn)明顯異常，這些異常為理解抑郁癥的發(fā)病機(jī)制提供了重要線索。研究顯示，抑郁癥患者腦功能網(wǎng)絡(luò)的特征路徑長(zhǎng)度與正常人群存在顯著差異。特征路徑長(zhǎng)度反映了網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)之間最短路徑長(zhǎng)度的平均值，它的變化影響著大腦信息傳遞的效率。有研究表明，抑郁癥患者的特征路徑長(zhǎng)度顯著低于正常組，這意味著患者的腦功能網(wǎng)絡(luò)向隨機(jī)化方向發(fā)展。大腦信息傳遞的高效性依賴于有序的網(wǎng)絡(luò)結(jié)構(gòu)，特征路徑長(zhǎng)度的縮短雖然看似信息傳遞路徑變短，但實(shí)際上破壞了正常的網(wǎng)絡(luò)組織結(jié)構(gòu)，導(dǎo)致信息傳遞紊亂，影響了大腦的正常功能。例如，在情緒調(diào)節(jié)相關(guān)的腦區(qū)之間，正常的信息傳遞路徑被打亂，使得患者難以有效地調(diào)節(jié)情緒，出現(xiàn)持續(xù)的情緒低落、興趣喪失等癥狀。抑郁癥患者腦功能網(wǎng)絡(luò)的節(jié)點(diǎn)度也發(fā)生改變。節(jié)點(diǎn)度表示與該節(jié)點(diǎn)直接相連的邊的數(shù)量，反映了節(jié)點(diǎn)在網(wǎng)絡(luò)中的連接緊密程度和重要性。相關(guān)研究發(fā)現(xiàn)，抑郁癥患者的腦功能網(wǎng)絡(luò)節(jié)點(diǎn)度較低，說(shuō)明患者的神經(jīng)活動(dòng)在全局范圍內(nèi)減少。這可能是由于抑郁癥患者大腦中某些神經(jīng)遞質(zhì)失衡，如血清素、多巴胺等水平降低，影響了神經(jīng)元之間的連接和活動(dòng)，導(dǎo)致腦功能網(wǎng)絡(luò)的整體連接強(qiáng)度下降。這種全局神經(jīng)活動(dòng)的減少，使得患者在認(rèn)知、情感和行為等方面表現(xiàn)出消極狀態(tài)，如思維遲緩、意志活動(dòng)減退等。此外，抑郁癥患者腦功能網(wǎng)絡(luò)的聚類系數(shù)高于健康對(duì)照組。聚類系數(shù)衡量的是節(jié)點(diǎn)鄰居之間的緊密程度，聚類系數(shù)升高表明患者的神經(jīng)活動(dòng)在局部范圍內(nèi)增加。盡管局部神經(jīng)活動(dòng)增加，但由于全局連接的減弱和網(wǎng)絡(luò)結(jié)構(gòu)的紊亂，這種局部的增強(qiáng)并不能有效促進(jìn)大腦整體功能的正常運(yùn)行，反而可能導(dǎo)致局部信息過(guò)度集中，干擾了大腦的正常信息處理和整合。例如，在默認(rèn)模式網(wǎng)絡(luò)中，局部腦區(qū)之間的連接過(guò)度緊密，可能導(dǎo)致患者陷入過(guò)度的自我參照思維，加重情緒低落和認(rèn)知偏差。在度中心度方面，抑郁癥患者默認(rèn)網(wǎng)絡(luò)后部、前額葉、左尾狀核等腦區(qū)的度中心度（DC）值和疾病嚴(yán)重程度顯著相關(guān)。度中心度是描述網(wǎng)絡(luò)節(jié)點(diǎn)重要性的度量指標(biāo)，這些腦區(qū)度中心度值的改變意味著它們與其他節(jié)點(diǎn)之間的功能同步性出現(xiàn)異常。默認(rèn)網(wǎng)絡(luò)在自我意識(shí)、情景記憶等方面起著重要作用，其腦區(qū)度中心度的異常與抑郁癥患者的認(rèn)知功能損害和情緒障礙密切相關(guān)。例如，前額葉在情緒調(diào)節(jié)和認(rèn)知控制中具有關(guān)鍵作用，其度中心度的改變可能導(dǎo)致患者情緒調(diào)節(jié)能力下降，出現(xiàn)焦慮、抑郁等情緒癥狀。4.1.3其他神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)拓?fù)涮卣靼柎暮Ｄ∽鳛橐环N常見(jiàn)的神經(jīng)退行性疾病，其患者腦功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)呈現(xiàn)出獨(dú)特的變化。從網(wǎng)絡(luò)的全局特性來(lái)看，阿爾茨海默病患者大腦的結(jié)構(gòu)和功能網(wǎng)絡(luò)存在“小世界”特性退化的現(xiàn)象?！靶∈澜纭碧匦允侵妇W(wǎng)絡(luò)在局部聚類和全局信息傳遞效率之間達(dá)到平衡，健康人的腦網(wǎng)絡(luò)具有高聚類系數(shù)和短路徑長(zhǎng)度的特點(diǎn)。而在阿爾茨海默病患者中，聚類系數(shù)下降，路徑長(zhǎng)度增加，網(wǎng)絡(luò)逐漸向“隨機(jī)化”趨勢(shì)發(fā)展。這表明大腦局部信息處理能力和全局信息傳遞效率均受到損害，影響了大腦的正常功能。例如，在記憶相關(guān)的腦區(qū)之間，信息傳遞效率降低，導(dǎo)致患者出現(xiàn)記憶力減退、認(rèn)知功能障礙等癥狀。阿爾茨海默病患者腦功能網(wǎng)絡(luò)的模塊化組織也發(fā)生瓦解。模塊化是指網(wǎng)絡(luò)可以被劃分為多個(gè)功能相對(duì)獨(dú)立的子模塊，這些子模塊內(nèi)部連接緊密，子模塊之間連接相對(duì)稀疏。在阿爾茨海默病早期，患者腦網(wǎng)絡(luò)的模塊化程度降低，跨模塊連接異常增強(qiáng)。這使得大腦原本有序的功能分工被破壞，不同功能模塊之間的信息交流和協(xié)同工作受到干擾，進(jìn)一步加重了患者的認(rèn)知功能衰退。例如，默認(rèn)模式網(wǎng)絡(luò)、注意網(wǎng)絡(luò)等子模塊之間的邊界模糊，導(dǎo)致患者在執(zhí)行認(rèn)知任務(wù)時(shí)，無(wú)法有效地整合和協(xié)調(diào)不同腦區(qū)的功能。帕金森病患者的腦功能網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)也有其特殊性。研究發(fā)現(xiàn)，帕金森病患者腦網(wǎng)絡(luò)的節(jié)點(diǎn)效率和聚類系數(shù)在多個(gè)腦區(qū)發(fā)生改變。在一些與運(yùn)動(dòng)控制相關(guān)的腦區(qū)，如基底節(jié)區(qū)，節(jié)點(diǎn)效率降低，這可能導(dǎo)致患者運(yùn)動(dòng)功能障礙，出現(xiàn)靜止性震顫、運(yùn)動(dòng)遲緩等癥狀。同時(shí)，患者腦網(wǎng)絡(luò)的聚類系數(shù)也發(fā)生變化，部分腦區(qū)聚類系數(shù)降低，表明這些腦區(qū)局部信息處理能力下降，影響了大腦對(duì)運(yùn)動(dòng)和其他功能的調(diào)控。此外，帕金森病患者常合并焦慮和抑郁等精神癥狀，這些癥狀可能與腦功能網(wǎng)絡(luò)中與情緒調(diào)節(jié)相關(guān)腦區(qū)的拓?fù)浣Y(jié)構(gòu)改變有關(guān)。例如，前額葉-邊緣系統(tǒng)等腦區(qū)之間的功能連接異常，導(dǎo)致患者情緒調(diào)節(jié)障礙，出現(xiàn)焦慮、抑郁等情緒癥狀。四、神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)特征分析4.2腦功能網(wǎng)絡(luò)的功能連接異常分析4.2.1功能連接強(qiáng)度的改變?cè)谏窠?jīng)精神疾病患者的腦功能網(wǎng)絡(luò)研究中，功能連接強(qiáng)度的改變是一個(gè)關(guān)鍵特征，它反映了大腦不同區(qū)域之間功能聯(lián)系的變化，與疾病的發(fā)生發(fā)展密切相關(guān)。以抑郁癥患者為例，多項(xiàng)研究表明，其腦功能網(wǎng)絡(luò)中多個(gè)腦區(qū)之間的功能連接強(qiáng)度與健康人群存在顯著差異。在默認(rèn)模式網(wǎng)絡(luò)（DMN）中，抑郁癥患者后扣帶回與內(nèi)側(cè)前額葉、頂下小葉等腦區(qū)之間的功能連接強(qiáng)度明顯減弱。默認(rèn)模式網(wǎng)絡(luò)在自我參照思維、情景記憶等方面起著重要作用，這些腦區(qū)之間功能連接強(qiáng)度的減弱，可能導(dǎo)致患者在自我認(rèn)知、情緒調(diào)節(jié)和記憶等方面出現(xiàn)障礙，表現(xiàn)為情緒低落、自責(zé)自罪、記憶力下降等癥狀。同時(shí)，抑郁癥患者前額葉-邊緣系統(tǒng)之間的功能連接強(qiáng)度也發(fā)生改變，如前額葉與杏仁核之間的連接強(qiáng)度增強(qiáng)或減弱。前額葉在情緒調(diào)節(jié)中發(fā)揮著關(guān)鍵作用，而杏仁核則與情緒的產(chǎn)生和識(shí)別密切相關(guān)，它們之間功能連接強(qiáng)度的異常，可能導(dǎo)致情緒調(diào)節(jié)失衡，使患者更容易陷入負(fù)面情緒中。在阿爾茨海默病患者中，腦功能網(wǎng)絡(luò)的功能連接強(qiáng)度同樣出現(xiàn)明顯變化。研究發(fā)現(xiàn)，患者顳葉、頂葉等與記憶和認(rèn)知功能密切相關(guān)腦區(qū)之間的功能連接強(qiáng)度顯著降低。例如，海馬體與顳葉皮質(zhì)、頂葉皮質(zhì)之間的連接強(qiáng)度下降，海馬體是大腦中與記憶形成和存儲(chǔ)密切相關(guān)的重要腦區(qū)，其與其他腦區(qū)連接強(qiáng)度的降低，嚴(yán)重影響了記憶信息的傳遞和整合，導(dǎo)致患者出現(xiàn)記憶力減退、認(rèn)知功能障礙等癥狀。隨著疾病的進(jìn)展，阿爾茨海默病患者大腦中更多腦區(qū)之間的功能連接強(qiáng)度逐漸減弱，整個(gè)腦功能網(wǎng)絡(luò)的連通性受到破壞，進(jìn)一步加劇了認(rèn)知功能的衰退。精神分裂癥患者腦功能網(wǎng)絡(luò)的功能連接強(qiáng)度也呈現(xiàn)出獨(dú)特的改變模式。有研究利用彌散張量成像（DTI）技術(shù)和獨(dú)立成分分析（ICA）方法，對(duì)精神分裂癥患者的腦功能網(wǎng)絡(luò)進(jìn)行分析，發(fā)現(xiàn)患者在多個(gè)腦區(qū)之間存在功能連接強(qiáng)度的異常。例如，在額葉、顳葉、頂葉等腦區(qū)之間，功能連接強(qiáng)度減弱，這些腦區(qū)在認(rèn)知、感知和情感等方面具有重要作用，它們之間功能連接強(qiáng)度的減弱，可能導(dǎo)致患者出現(xiàn)思維紊亂、幻覺(jué)、妄想、情感淡漠等癥狀。此外，精神分裂癥患者腦功能網(wǎng)絡(luò)中還存在一些腦區(qū)之間功能連接強(qiáng)度增強(qiáng)的情況，如丘腦與其他腦區(qū)之間的連接強(qiáng)度增強(qiáng)，丘腦在感覺(jué)信息的傳遞和整合中起著關(guān)鍵作用，其與其他腦區(qū)連接強(qiáng)度的異常增強(qiáng)，可能干擾了正常的信息傳遞和處理，進(jìn)一步加重了患者的癥狀。4.2.2功能連接模式的變化除了功能連接強(qiáng)度的改變，神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)的功能連接模式也發(fā)生顯著變化，這些變化包括連接的增減、重連等，深刻影響著大腦的功能和疾病的表現(xiàn)。在抑郁癥患者中，腦功能網(wǎng)絡(luò)的功能連接模式出現(xiàn)異常重連現(xiàn)象。研究表明，抑郁癥患者默認(rèn)模式網(wǎng)絡(luò)與其他腦區(qū)之間的連接模式發(fā)生改變，出現(xiàn)一些異常的連接路徑。例如，默認(rèn)模式網(wǎng)絡(luò)與突顯網(wǎng)絡(luò)之間的連接在抑郁癥患者中出現(xiàn)異常增強(qiáng)，突顯網(wǎng)絡(luò)主要負(fù)責(zé)對(duì)內(nèi)外環(huán)境中的突顯刺激進(jìn)行檢測(cè)和反應(yīng)，默認(rèn)模式網(wǎng)絡(luò)與突顯網(wǎng)絡(luò)之間連接的異常增強(qiáng)，可能導(dǎo)致患者對(duì)負(fù)面情緒刺激過(guò)度敏感，難以從負(fù)面情緒中解脫出來(lái)，加重了情緒障礙。同時(shí)，抑郁癥患者腦功能網(wǎng)絡(luò)中一些原本連接緊密的腦區(qū)之間出現(xiàn)連接減少的情況，如眶額葉皮質(zhì)與前扣帶回之間的連接減少，這兩個(gè)腦區(qū)在情緒調(diào)節(jié)和認(rèn)知控制中起著重要作用，它們之間連接的減少，可能導(dǎo)致情緒調(diào)節(jié)和認(rèn)知控制功能受損，使患者更容易出現(xiàn)情緒波動(dòng)和認(rèn)知偏差。阿爾茨海默病患者腦功能網(wǎng)絡(luò)的功能連接模式也發(fā)生了明顯改變。隨著疾病的進(jìn)展，患者大腦中出現(xiàn)廣泛的連接減少現(xiàn)象，尤其是在一些與記憶和認(rèn)知功能密切相關(guān)的腦區(qū)之間。同時(shí)，還觀察到一些異常的連接增加，這些新增的連接可能是大腦為了補(bǔ)償受損功能而產(chǎn)生的代償性變化，但這種代償往往不足以維持大腦的正常功能。例如，在阿爾茨海默病早期，患者大腦中可能會(huì)出現(xiàn)一些短程連接的增加，這些短程連接可能有助于局部信息的傳遞，但無(wú)法彌補(bǔ)長(zhǎng)程連接減少所帶來(lái)的信息整合障礙，導(dǎo)致患者的認(rèn)知功能逐漸下降。此外，阿爾茨海默病患者腦功能網(wǎng)絡(luò)的模塊化組織也發(fā)生變化，模塊之間的邊界變得模糊，不同模塊之間的連接出現(xiàn)紊亂，這使得大腦原本有序的功能分工被破壞，進(jìn)一步影響了大腦的正常功能。精神分裂癥患者腦功能網(wǎng)絡(luò)的功能連接模式同樣表現(xiàn)出復(fù)雜的變化。患者腦功能網(wǎng)絡(luò)中存在連接的增減和重連現(xiàn)象，這些變化與患者的臨床癥狀密切相關(guān)。例如，在一些研究中發(fā)現(xiàn)，精神分裂癥患者額葉與顳葉之間的連接減少，而顳葉與枕葉之間的連接增加，這種連接模式的改變可能導(dǎo)致患者在認(rèn)知、感知和思維等方面出現(xiàn)異常，如出現(xiàn)幻覺(jué)、妄想、思維破裂等癥狀。此外，精神分裂癥患者腦功能網(wǎng)絡(luò)中還存在一些腦區(qū)之間的連接重連現(xiàn)象，這些重連可能改變了大腦信息傳遞的路徑和方式，導(dǎo)致大腦功能紊亂。例如，患者大腦中一些神經(jīng)回路的連接發(fā)生重連，使得神經(jīng)信號(hào)的傳遞出現(xiàn)異常，影響了大腦對(duì)行為和情緒的調(diào)控，導(dǎo)致患者出現(xiàn)行為異常和情緒不穩(wěn)定等癥狀。四、神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)特征分析4.3圖信號(hào)處理揭示的腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性4.3.1腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化規(guī)律借助圖信號(hào)處理技術(shù)，能夠精準(zhǔn)捕捉腦功能網(wǎng)絡(luò)隨時(shí)間的動(dòng)態(tài)變化規(guī)律，這為深入理解大腦功能和神經(jīng)精神疾病的發(fā)病機(jī)制提供了關(guān)鍵視角。在正常生理狀態(tài)下，大腦的腦功能網(wǎng)絡(luò)呈現(xiàn)出復(fù)雜而有序的動(dòng)態(tài)變化模式。通過(guò)對(duì)功能磁共振成像（fMRI）數(shù)據(jù)進(jìn)行圖傅里葉變換分析，發(fā)現(xiàn)腦功能網(wǎng)絡(luò)在不同頻率成分上的信號(hào)強(qiáng)度和分布隨時(shí)間發(fā)生著動(dòng)態(tài)改變。低頻成分的信號(hào)強(qiáng)度在靜息態(tài)下相對(duì)穩(wěn)定，但在執(zhí)行特定認(rèn)知任務(wù)時(shí)，會(huì)出現(xiàn)明顯的變化，反映了大腦全局功能狀態(tài)的調(diào)整。高頻成分則對(duì)局部腦區(qū)的活動(dòng)變化更為敏感，在受到外界刺激或進(jìn)行精細(xì)認(rèn)知加工時(shí)，高頻成分的信號(hào)強(qiáng)度會(huì)迅速改變，表明局部腦區(qū)之間的信息傳遞和整合在不斷進(jìn)行動(dòng)態(tài)調(diào)整。在神經(jīng)精神疾病患者中，腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化規(guī)律與正常人群存在顯著差異。以抑郁癥患者為例，研究發(fā)現(xiàn)其腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化表現(xiàn)出異常的不穩(wěn)定性。通過(guò)計(jì)算圖信號(hào)的時(shí)間序列相關(guān)性，發(fā)現(xiàn)抑郁癥患者腦網(wǎng)絡(luò)中一些關(guān)鍵腦區(qū)之間的功能連接強(qiáng)度在不同時(shí)間點(diǎn)的波動(dòng)幅度明顯增大，這種不穩(wěn)定性可能導(dǎo)致大腦信息傳遞的紊亂，進(jìn)而影響情緒調(diào)節(jié)和認(rèn)知功能。在默認(rèn)模式網(wǎng)絡(luò)（DMN）中，抑郁癥患者后扣帶回與內(nèi)側(cè)前額葉之間的功能連接強(qiáng)度在時(shí)間序列上的波動(dòng)增強(qiáng)，這兩個(gè)腦區(qū)在自我參照思維和情緒調(diào)節(jié)中起著重要作用，其功能連接的不穩(wěn)定可能是患者出現(xiàn)情緒低落、自責(zé)自罪等癥狀的神經(jīng)基礎(chǔ)。阿爾茨海默病患者的腦功能網(wǎng)絡(luò)動(dòng)態(tài)變化也呈現(xiàn)出獨(dú)特的特征。隨著疾病的進(jìn)展，患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化逐漸趨于緩慢和無(wú)序。通過(guò)圖信號(hào)處理分析發(fā)現(xiàn)，阿爾茨海默病患者腦網(wǎng)絡(luò)中高頻成分的信號(hào)強(qiáng)度逐漸減弱，且其在腦區(qū)之間的分布變得更加均勻，這表明大腦局部腦區(qū)之間的信息傳遞和處理能力逐漸下降。同時(shí)，患者腦功能網(wǎng)絡(luò)的功能連接模式在時(shí)間上的穩(wěn)定性降低，出現(xiàn)更多的隨機(jī)波動(dòng)，這可能導(dǎo)致大腦功能模塊之間的協(xié)同作用受損，進(jìn)一步加重認(rèn)知功能障礙。例如，在阿爾茨海默病患者中，海馬體與顳葉皮質(zhì)之間的功能連接在時(shí)間上的穩(wěn)定性下降，這兩個(gè)腦區(qū)在記憶形成和存儲(chǔ)中密切相關(guān)，其功能連接的不穩(wěn)定直接影響了患者的記憶力和認(rèn)知能力。精神分裂癥患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化同樣值得關(guān)注。研究表明，精神分裂癥患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化存在相位同步性異常。通過(guò)圖信號(hào)處理技術(shù)分析不同腦區(qū)之間的相位關(guān)系，發(fā)現(xiàn)患者大腦中一些腦區(qū)之間的相位同步性降低，這意味著這些腦區(qū)之間的神經(jīng)活動(dòng)協(xié)調(diào)性受損。在額葉、顳葉和頂葉等腦區(qū)之間，相位同步性的降低可能導(dǎo)致信息傳遞的不一致，進(jìn)而引發(fā)思維紊亂、幻覺(jué)、妄想等癥狀。此外，精神分裂癥患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化還表現(xiàn)出與正常人群不同的頻率特性，某些頻率成分的信號(hào)強(qiáng)度和分布出現(xiàn)異常，這可能反映了患者大腦神經(jīng)回路的異常活動(dòng)。4.3.2動(dòng)態(tài)特性與疾病發(fā)展的關(guān)聯(lián)腦功能網(wǎng)絡(luò)的動(dòng)態(tài)特性與神經(jīng)精神疾病的發(fā)展進(jìn)程和癥狀嚴(yán)重程度密切相關(guān)，深入研究這種關(guān)聯(lián)對(duì)于理解疾病機(jī)制和制定治療策略具有重要意義。在抑郁癥患者中，腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性的改變與疾病的嚴(yán)重程度呈正相關(guān)。隨著抑郁癥病情的加重，患者腦功能網(wǎng)絡(luò)的不穩(wěn)定性進(jìn)一步增強(qiáng)，關(guān)鍵腦區(qū)之間功能連接強(qiáng)度的波動(dòng)幅度增大，且這種波動(dòng)與患者的抑郁癥狀評(píng)分具有顯著相關(guān)性。例如，漢密爾頓抑郁量表（HAMD）評(píng)分較高的患者，其腦功能網(wǎng)絡(luò)中前額葉-邊緣系統(tǒng)之間功能連接強(qiáng)度的波動(dòng)更為明顯，這表明腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性的改變可以作為評(píng)估抑郁癥病情嚴(yán)重程度的潛在生物標(biāo)志物。對(duì)于阿爾茨海默病患者，腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性的變化能夠反映疾病的發(fā)展階段。在疾病早期，患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化主要表現(xiàn)為高頻成分信號(hào)強(qiáng)度的輕微下降和功能連接模式的局部改變，這些變化可能是大腦對(duì)疾病早期損傷的一種代償反應(yīng)。隨著疾病的進(jìn)展，腦功能網(wǎng)絡(luò)的動(dòng)態(tài)變化逐漸加劇，高頻成分信號(hào)強(qiáng)度進(jìn)一步減弱，功能連接模式變得更加紊亂，大腦的整體功能受到嚴(yán)重影響。通過(guò)監(jiān)測(cè)腦功能網(wǎng)絡(luò)動(dòng)態(tài)特性的變化，可以對(duì)阿爾茨海默病的發(fā)展階段進(jìn)行更準(zhǔn)確的判斷，為早期診斷和干預(yù)提供依據(jù)。精神分裂癥患者腦功能網(wǎng)絡(luò)的動(dòng)態(tài)特性與臨床癥狀之間存在緊密聯(lián)系。研究發(fā)現(xiàn)，患者腦功能網(wǎng)絡(luò)相位同步性的異常程度與幻覺(jué)、妄想等陽(yáng)性癥狀的嚴(yán)重程度相關(guān)。相位同步性越低，患者的陽(yáng)性癥狀越明顯，這表明腦功能網(wǎng)絡(luò)相位同步性的改變可能是導(dǎo)致精神分裂癥患者出現(xiàn)幻覺(jué)、妄想等癥狀的重要原因之一。此外，精神分裂癥患者腦功能網(wǎng)絡(luò)動(dòng)態(tài)變化的頻率特性也與陰性癥狀密切相關(guān)，某些頻率成分信號(hào)強(qiáng)度的異常變化與患者的情感淡漠、思維貧乏等陰性癥狀相關(guān)，通過(guò)對(duì)這些動(dòng)態(tài)特性的研究，可以更好地理解精神分裂癥的癥狀產(chǎn)生機(jī)制，為治療提供更有針對(duì)性的方向。五、案例研究與實(shí)驗(yàn)驗(yàn)證5.1具體神經(jīng)精神疾病案例分析5.1.1案例選取與數(shù)據(jù)收集為深入探究神經(jīng)精神疾病患者腦功能網(wǎng)絡(luò)特征及圖信號(hào)處理方法的應(yīng)用效果，本研究選取了具有代表性的抑郁癥和阿爾茨海默病患者案例。在抑郁癥案例選取方面，選取了一位35歲的女性患者。該患者有3年的抑郁癥病史，主要癥狀為持續(xù)的情緒低落、興趣喪失、自責(zé)自罪，伴有睡眠障礙和食欲減退。漢密爾頓抑郁量表（HAMD）評(píng)分為25分，處于中度抑郁水平。在數(shù)據(jù)收集過(guò)程中，采集了患者的功能磁共振成像（fMRI）數(shù)據(jù)，掃描采用3.0T磁共振成像儀，掃描參數(shù)如下：重復(fù)時(shí)間（TR）為2000ms，回波時(shí)間（TE）為30ms，視野（FOV）為240mm×240mm，矩陣大小為64×64，層厚為4mm，共采集180個(gè)時(shí)間點(diǎn)。同時(shí)，收集了患者詳細(xì)的臨床資料，包括既往病史、家族史、治療過(guò)程及藥物使用情況等。對(duì)于阿爾茨海默病案例，選取了一位70歲的男性患者。患者近2年來(lái)逐漸出現(xiàn)記憶力減退，尤其是近期記憶受損明顯，伴有語(yǔ)言表達(dá)困難和定向障礙。簡(jiǎn)易精神狀態(tài)檢查表（MMSE）評(píng)分為18分，臨床癡呆評(píng)定量表（CDR）評(píng)分為1.0，診斷為輕度阿爾茨海默病。同樣采用3.0T磁共振成像儀采集其fMRI數(shù)據(jù)，掃描參數(shù)與抑郁癥患者相同。此外，收集了患者的認(rèn)知功能評(píng)估結(jié)