分享:
分享到微信朋友圈
X
基础研究
利用静息态功能磁共振成像探讨抑郁症患者注意力网络动态连接的整体变化
刘莎 张训 黄癸卯 杜碧茵 陈俊浩 成小芳 邹文锦

Cite this article as: Liu S, Zhang X, Huang GM, et al. Investigate the whole level alteration of dynamic functional connectivity of attention network in patients with major depressive disorder based on magnetic resonance imaging[J]. Chin J Magn Reson Imaging, 2022, 13(6): 40-44.本文引用格式:刘莎, 张训, 黄癸卯, 等. 利用静息态功能磁共振成像探讨抑郁症患者注意力网络动态连接的整体变化[J]. 磁共振成像, 2022, 13(6): 40-44. DOI:10.12015/issn.1674-8034.2022.06.008.


[摘要] 目的 基于静息态功能磁共振成像(resting state-functional magnetic resonance imaging,rs-fMRI)探讨抑郁症 (major depressive disorder,MDD)患者注意力网络动态连接属性的变化。材料与方法 本研究纳入73位MDD患者以及71位健康对照者(healthy controls,HC),采集rs-fMRI图像,基于既往Meta分析结果构建注意力脑网络,利用一系列时间窗进行分割,计算并比较组间注意力网络的时间变异性变化。结果 较HC组,MDD组注意力网络总体时间变异性异常升高(F=5.596,P=0.019),而注意力网络各节点的动态连接属性组间差异无统计学意义。MDD组注意力网络的平均时间变异性与汉密尔顿抑郁量表(r=-0.025,P=0.845)及焦虑量表(r=-0.055,P=0.654)评分无显著相关性。结论 MDD患者注意力网络整体动态连接属性存在异常升高,表明其注意力网络动态功能改变可能是网络整体水平动态连接的变化,而非某功能节点的局部变化。
[Abstract] Objective To explore the abnormalities of dynamic connectivity of attention network in patients with major depressive disorder (MDD) by using resting state-functional magnetic resonance imaging (rs-fMRI).Materials and Methods Totally, 73 MDD subjects and 71 healthy controls (HC) were included in this study. The rs-fMRI data were acquired for each subject, and the functional network of attention was established based on previous meta-analysis. Then, the attention network was temporally segmented according to a series of sliding windows, and the temporal variability of attention network connectivity was calculated and then compared between the MDD and HC groups.Results Compared with the HC group, significantly increased temporal variability of attention network across all the nodes of the whole network (P=0.019) was observed in the MDD group, while no significant difference of temporal variability was observed in any individual node between the two groups. No significant correlation between the mean temporal variability of attention network and the scores of the depression and anxiety was found.Conclusions The results may indicate that the abnormally increased dynamic connectivity of attention network in patients with MDD are at the whole network level, instead of a localized change driven by regional abnormalities.
[关键词] 抑郁症;注意力网络;功能磁共振成像;动态连接;时间变异性
[Keywords] major depressive disorder;attention network;functional magnetic resonance imaging;dynamic connectivity;temporal variability

刘莎 1   张训 2   黄癸卯 1   杜碧茵 1   陈俊浩 1   成小芳 1   邹文锦 1*  

1 广州医科大学附属脑科医院放射科,广州 510370

2 广州医科大学附属脑科医院神经外科,广州 510370

邹文锦,E-mail:46016157@qq.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 2017年度广东省科技发展专项资金(公益研究与能力建设方向)项目 2017A020215008
收稿日期:2021-12-17
接受日期:2022-05-12
中图分类号:R445.2  R749.4 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.06.008
本文引用格式:刘莎, 张训, 黄癸卯, 等. 利用静息态功能磁共振成像探讨抑郁症患者注意力网络动态连接的整体变化[J]. 磁共振成像, 2022, 13(6): 40-44. DOI:10.12015/issn.1674-8034.2022.06.008

       抑郁症(major depressive disorder,MDD)是以持续情绪低落为主要表现的常见情绪疾病,注意力障碍是其重要的疾病表型之一[1]。MDD患者注意力障碍常出现在发病早期,甚至可早于情绪症状的发生[2],因此常常被忽视而错过了早期诊断和治疗的最佳时机[3]。MDD患者的注意力障碍主要表现为对负性情绪信息的偏倚性处理,即注意力难以从过度关注的负面信息中转移出来,从而导致负性情绪症状的发生和进行性加重[4, 5],并且与疾病复发率高度相关[6]

       尽管已有较多证据支持注意力障碍在MDD病理机制中的重要作用[4, 5],神经影像学研究也已对MDD患者注意力相关的脑功能表现有一定的剖析[7, 8],但实际上大脑对注意力功能的调控具有很强的动态波动特点,即需要短时间内切换与其他网络间联系以实现其自上而下,即从高级皮层到低级皮层的多级别控制[9, 10]。因此目前基于静态脑连接或任务态下自身激活情况的研究方法难以体现MDD患者注意力网络本身[11, 12]及其与其他功能网络(如情绪调节网络)协同性的动态关系[13, 14]。动态功能连接是一种新兴的研究技术,它把静息态功能分割为以30~60 s为单位的多个时间段,然后通过滑动窗显示脑功能在各个连续时间段的动态网络连接属性,可更好地反映脑功能连接随时间变化的特点[9,15]

       本研究首次通过动态功能连接技术,从时间维度观察MDD患者注意力网络内部脑功能连接的动态变化以寻找注意力相关的神经影像学特点,为临床及时发现MDD患者注意力变化提供客观性参考。基于MDD患者注意力障碍可早于情绪症状的发生[4, 5],本研究将有利于为临床早期诊断和制订治疗策略提供有效帮助。

1 材料与方法

1.1 研究对象

       本研究为病例—对照设计的观察性研究,纳入MDD组与健康对照组(healthy controls,HC)进行对比,分组标准为是否满足MDD诊断标准。MDD组为2018年4月至2020年3月在广州医科大学附属脑科医院门诊就诊及广告招募的患者。纳入标准:(1)符合美国精神障碍诊断与统计手册第四版(Diagnostic and Statistical Manual of Mental Disorders-Ⅳ,DSM-Ⅳ)关于MDD的诊断标准;(2)符合MDD患者汉密尔顿抑郁量表17项(Hamilton Depression Rating Scale for Depression-17 items,HAMD-17)评分≥17分;(3)年龄18~65岁;(4)右利手;(5)无认知障碍。排除标准:(1)其他器质性疾病或药物导致的继发性MDD;(2)近六个月内接受过电休克治疗;(3)酒精或药物依赖;(4)有自杀和自伤风险者;(5)磁共振扫描禁忌证;(6)有神经系统疾病病史。共纳入受试者73名,其中男21例,女52例,年龄范围21~52岁,中位数年龄29岁。

       HC组来源于广州医科大学附属脑科医院职工、学生及广告招募。纳入标准同MDD组(3)~(5)条,排除标准与MDD组相同。共纳入71名被试,其中男17例,女54例,年龄范围20~61岁,中位数年龄30岁。本研究经由广州医科大学附属脑科医院医学伦理委员会批准与监督(伦理编号2018014),所有受试者或其监护人均签署知情同意书。

1.2 仪器与成像方法

       本研究使用Philips Achieva 3.0 T X-series磁共振采集图像,配备8通道标准头部线圈(原机自带)。扫描前嘱咐被试静息平卧、闭眼,保持清醒;避免做主动思维活动;用海绵垫固定减少被试头动,佩戴耳塞以减少噪音影响;扫描操作由同1名经验丰富的影像技师完成。

       静息态功能磁共振成像(resting state-functional magnetic resonance imaging,rs-fMRI)扫描采用快速场平面回波序列,参数如下:重复时间 2000 ms,回波时间30 ms,翻转角90°,视野240 mm×240 mm,体素3.4 mm×3.4 mm×3.4 mm,层厚 4 mm,层数 33层,层间距0.6 mm,共240个时间容积图像。高分辨率三维结构像使用空间快速梯度回波序列,参数如下:重复时间8.2 ms,回波时间3.8 ms,翻转角 7°,FOV 256 mm×256 mm,体素1.0 mm×1.0 mm×1.0 mm,层厚1 mm,层数188层,层间距0 mm。

1.3 图像预处理

       使用DPABI (http://rfmri.org/dpabi)软件基于SPM8 (http://www.fil.ion.ucl.ac.uk/spm)软件包对影像图像数据进行预处理[16]。首先剔除功能数据前10个时间点图像以消除扫描开始时不稳定因素的影响,而后进行时间层校正、图像配准和头动校正(经线性变换后剔除头动位移大于1.5 mm或转动大于1.5°的受试者图像);采用DARTEL工具包进行图像空间标准化,将每个被试原始空间的3D-T1WI图像变换到标准蒙特利尔神经学研究所模板,随后将生成的变换矩阵配准到功能图像;对空间标准化之后的rs-fMRI图像以4 mm的半高全宽(full width at half maximum,FWHM)进行高斯核函数平滑;然后进行去线性漂移及滤波,去除线性趋势及频率范围在0.01~0.08 Hz以外的信号;最后回归处理6个头动参数、白质与脑脊液平均信号等8个协变量,以消除其影响。

1.4 构建注意力网络

       注意力网络是基于Kim等[15]对注意力相关脑区的Meta分析所得到的坐标点作为节点进行构建。取相关坐标作为中心点制作半径5 mm的球形作为注意力网络的节点,共定义18个节点,具体节点坐标及所在脑区见表1

表1  注意力网络节点与坐标
Tab. 1  The nodes and coordinates of attention network

1.5 注意力动态网络的计算

       动态网络连接的计算是基于Zhang等[17]的研究,首先将血氧饱和水平依赖(blood oxygen level dependent,BOLD)时间序列平均分成长度为ln个时间窗,用每个时间窗(第i个)的时间序列计算其网络连接矩阵(Fi)。对于任一个感兴趣区k,定义其在时间窗i内的连接信息为Fi,k。每个节点k的时间变异性Vk计算如公式(1)所示。

       其中i,j=1,2,3,…,n;ij。

       此外,时间序列进行了l-1次分割以确保变异性值不依赖于时间窗的分割数,并每次从第s时间点(s=1,2,…,l)开始分别计算Vk值,计算所有Vk的平均值作为最终Vk值,l的取值为l=10,11,12,…,20 (图1)。

图1  注意力网络连接时间变异性计算方法示意图。1A:定义注意力网络18个节点;1B:把血氧依赖水平时间序列平均分割成n个时间窗;1C:计算每个时间窗的网络时间变异性并构建矩阵,通过滑动窗显示时间变异性的动态关系。
Fig. 1  Schematic diagram of the calculation of temporal variability for attention network. 1A: Define 18 nodes for attention network; 1B: Equally segment the blood oxygen level dependent (BOLD) time series to n time-windows; 1C: Calculate the temporal variability and construct matrix for every time-windows, and show the dynamic relationship of temporal variability with sliding window.

1.6 统计学分析

       本研究采用SPSS 16.0进行统计学分析,MDD患者与HC两组之间年龄、受教育程度、HAMD及汉密尔顿焦虑量表(Hamilton Anxiety Scale,HAMA)得分的差别采用Mann-Whitney U-test进行评估(因样本不符合正态分布),性别采用卡方检验进行评估;两组注意力网络动态连接属性差别的比较采用repeated ANOVA检验,同时将年龄、性别、受教育程度和头动作为协变量以剔除其影响,P<0.05认为差异具有统计学意义。MDD患者注意力网络各节点动态连接与对照组比较采用Bonferroni校正,P<0.0028 (0.05/18)认为差异具有统计学意义。采用偏相关分析计算MDD患者注意力网络动态属性与HAMD、HAMA的相关性,将年龄、性别、受教育程度和头动作为协变量以剔除其影响,P<0.05认为差异具有统计学意义。

2 结果

2.1 人口学资料和临床心理测评结果分析

       MDD患者与HC组在年龄(P=0.231)、性别(P=0.573)、受教育程度(P=0.122)之间差异无统计学意义。两组HAMD (P<0.001)和HAMA (P<0.001)评分差异具有统计学意义,详见表2

表2  被试者的人口学资料及神经心理学量表评分
Tab. 2  Demographic and psychological data of participants

2.2 MDD患者注意力网络动态功能连接变化

       基于rs-fMRI对每一位被试成功建立了脑注意力网络并计算其时间变异性(图1)。重复测量分析将年龄、性别、受教育程度、头动作为协变量。结果显示注意力网络动态连接组间差异具有统计学意义,即注意力网络总体时间变异性存在异常升高的情况(F=5.596,P=0.019,图2),MDD组与HC组所有节点时间变异性值分别为0.71±0.03、0.70±0.03。ROI的多重比较结果示,注意力网络各节点的时间变异性在MDD和HC组之间差异无统计学意义。

图2  抑郁症组与健康对照组注意力网络功能连接时间变异性的组间比较。较健康对照组,抑郁症组总体上表现出时间变异性的升高。
Fig. 2  Comparison of temporal variability of attention network between patients with major depressive disorder (MDD) and healthy controls (HC). MDD group generally shows increased temporal variability of attention network as compared with HC group.

2.3 MDD患者注意力网络动态连接与疾病严重程度的相关性

       MDD患者的注意力网络平均时间变异性明显升高,因此本研究进一步将其与HAMD及HAMA评分进行相关性分析。与HAMD相关性r=-0.025,P=0.845 (图3);与HAMA评分相关性r=-0.055,P=0.654;相关性均无统计学意义。

图3  抑郁症患者注意力网络连接时间变异性与汉密尔顿评分(HAMD)的相关分析。
Fig. 3  Correlation between temporal variability of attention network and score of Hamilton Depression Rating Scale for Depression (HAMD) in patients with major depressive disorder.

3 讨论

       本研究通过静息态动态功能连接分析方法,发现MDD患者注意力网络总体的时间变异性较健康对照显著升高,验证了MDD个体在注意力网络的动态属性上存在异常的假设,为探讨MDD注意力障碍的神经病理机制提供了的客观参考。

3.1 MDD组注意力网络总体时间变异性变化

       既往研究认为脑网络动态连接与相应脑区激活程度及功能连接度呈负相关关系,即当功能脑区之间为了保持高效的信息传递,就会保持较高的BOLD活动及与之相匹配的高功能连接状态[10,18],而当传递信息较弱时,这些脑区之间的动态连接则会维持在一个较低的波动水平,此种负相关关系被视作大脑网络组织的平衡模式,借此促进脑网络构架的稳定性[7,15]。本研究所发现MDD患者注意力网络的平均时间变异性的升高,表明MDD患者注意力网络此平衡被打破,其注意力网络组织结构受到了破坏,继而反映了注意力网络对其他网络的top-down控制能力削弱[19]。既往静息态脑功能研究曾报道MDD患者注意力网络的静态连接显著降低[13,20],任务态功能磁共振研究及脑电研究则表明,MDD患者处理情感信息时,部分注意力相关脑区出现了异常活动并且与患者较长时间专注于负性情绪的现象相关[8,17,21]。因此,本研究所发现的注意力网络时间变异性的异常增大可能是MDD患者对负性情感信息处理存在偏倚性的异常脑功能体现,并可进一步诱发或加重抑郁情绪及相关的行为异常,从而形成MDD进行性加重的神经基础[22]。此外,既往的研究报道MDD患者情感网络节点(如杏仁体)的动态连接存在局部性异常变化[23, 24],但本研究却并无发现MDD患者注意力网络各节点局部的动态连接与健康对照存在差异,可能说明MDD患者的注意力网络功能改变是整体水平上发生的改变,而非某一功能节点的局域性变化[25]

3.2 MDD组注意力网络的平均时间变异性与抑郁、焦虑量表评分的关系

       本研究未发现注意力网络的平均时间变异性与HAMD及HAMA评分存在相关性,可能提示注意力网络的动态属性变化并非与MDD患者的抑郁、焦虑等临床症状之间存在直接的线性关系,这一结果与之前研究发现一致[26, 27]。换言之,MDD患者注意力网络动态连接的改变不能认为是造成MDD患者情感处理问题的直接原因,但有可能是患者产生认知功能障碍的机制之一[28]或作为前者的代偿机制[29]。值得注意的是,节点属性分析往往涉及重复测量导致的多次统计,存在一定的偶然性和假阳性,而总体的网络测度则往往较稳定[30]。因此,结合本文中整体动态连接异常的阳性发现以及节点属性的阴性发现,则更有理由相信该结果具有可重复性。

3.3 本研究的局限性

       本研究仍有局限之处:首先,样本量相对较小,且缺乏验证数据;其次,行为学方面,本研究只针对患者MDD症状进行评估,后续研究中仍需引入注意力相关测定来进一步探究注意力功能缺陷与网络变化的具体关联模式;最后,本研究未纳入随访研究,来观察抗抑郁治疗后注意力网络异常是否得以纠正或改善,因此有待后续研究进一步挖掘。

       综上所述,本研究揭示了MDD患者存在注意力网络整体水平上的动态功能异常,但并未发现存在网络内节点局部动态连接变化,提示MDD患者的注意力障碍可能是源于网络外因素,而非源于网络内局部所致的功能异常,为解释MDD患者注意力功能障碍的神经病理机制提供了一定的参考意义。在以后的研究中将扩大样本量,进一步探讨注意力网络与其他功能网络之间的关系,并结合结构网络或其他状态的影像资料进一步阐释MDD的病理机制。

[1]
Martin DM, Wollny-Huttarsch D, Nikolin S, et al. Neurocognitive subgroups in major depressive disorder[J]. Neuropsychology, 2020, 34(6): 726-734. DOI: 10.1037/neu0000626.
[2]
Schmidt GJ, Barbosa AO, de Assis SG, et al. Attentional subdomains' deficits in Brazilian patients with major depressive episodes[J]. Neuropsychology, 2021, 35(2): 232-240. DOI: 10.1037/neu0000719.
[3]
Shamai-Leshem D, Lazarov A, Pine DS, et al. A randomized controlled trial of gaze-contingent music reward therapy for major depressive disorder[J]. Depress Anxiety, 2021, 38(2): 134-145. DOI: 10.1002/da.23089.
[4]
Keller AS, Ball TM, Williams LM. Deep phenotyping of attention impairments and the 'inattention biotype' in major depressive disorder[J]. Psychol Med, 2020, 50(13): 2203-2212. DOI: 10.1017/S0033291719002290.
[5]
Giollabhui NM, Olino TM, Nielsen J, et al. Is worse attention a risk factor for or a consequence of depression, or are worse attention and depression better accounted for by stress? A prospective test of three hypotheses[J]. Clin Psychol Sci, 2019, 7(1): 93-109. DOI: 10.1177/2167702618794920.
[6]
Figueroa CA, DeJong H, Mocking RJT, et al. Attentional control, rumination and recurrence of depression[J]. J Affect Disord, 2019, 256: 364-372. DOI: 10.1016/j.jad.2019.05.072.
[7]
Liao XH, Yuan L, Zhao TD, et al. Spontaneous functional network dynamics and associated structural substrates in the human brain[J]. Front Hum Neurosci, 2015, 9: 478. DOI: 10.3389/fnhum.2015.00478.
[8]
Knyazev GG, Savostyanov AN, Bocharov AV, et al. Task-positive and task-negative networks in major depressive disorder: a combined fMRI and EEG study[J]. J Affect Disord, 2018, 235: 211-219. DOI: 10.1016/j.jad.2018.04.003.
[9]
Calhoun VD, Miller R, Pearlson G, et al. The chronnectome: time-varying connectivity networks as the next frontier in fMRI data discovery[J]. Neuron, 2014, 84(2): 262-274. DOI: 10.1016/j.neuron.2014.10.015.
[10]
Chen H, Liu K, Zhang B, et al. More optimal but less regulated dorsal and ventral visual networks in patients with major depressive disorder[J]. J Psychiatr Res, 2019, 110: 172-178. DOI: 10.1016/j.jpsychires.2019.01.005.
[11]
Brancati GE, Perugi G, Milone A, et al. Development of bipolar disorder in patients with attention-deficit/hyperactivity disorder: a systematic review and meta-analysis of prospective studies[J]. J Affect Disord, 2021, 293: 186-196. DOI: 10.1016/j.jad.2021.06.033.
[12]
Chudal R, Brown AS, Gyllenberg D, et al. Maternal serum C-reactive protein (CRP) and offspring attention deficit hyperactivity disorder (ADHD)[J]. Eur Child Adolesc Psychiatry, 2020, 29(2): 239-247. DOI: 10.1007/s00787-019-01372-y.
[13]
Whitfield-Gabrieli S, Wendelken C, Nieto-Castañón A, et al. Association of intrinsic brain architecture with changes in attentional and mood symptoms during development[J]. JAMA Psychiatry, 2020, 77(4): 378-386. DOI: 10.1001/jamapsychiatry.2019.4208.
[14]
Deng YJ, Han SG, Cheng DL, et al. Simultaneously decreased temporal variability and enhanced variability-strength coupling of emotional network connectivities are related to positive symptoms in patients with schizophrenia[J]. Brain Imaging Behav, 2021, 15(1): 76-84. DOI: 10.1007/s11682-019-00234-0.
[15]
Eijlers AJC, Wink AM, Meijer KA, et al. Functional network dynamics on functional MRI: a primer on an emerging frontier in neuroscience[J]. Radiology, 2019, 292(2): 460-463. DOI: 10.1148/radiol.2019194009.
[16]
Yan CG, Wang XD, Zuo XN, et al. DPABI: data processing & analysis for (resting-state) brain imaging[J]. Neuroinformatics, 2016, 14(3): 339-351. DOI: 10.1007/s12021-016-9299-4.
[17]
Zhang J, Cheng W, Liu ZW, et al. Neural, electrophysiological and anatomical basis of brain-network variability and its characteristic changes in mental disorders[J]. Brain, 2016, 139(Pt 8): 2307-2321. DOI: 10.1093/brain/aww143.
[18]
Kandilarova S, Stoyanov DS, Paunova R, et al. Effective connectivity between major nodes of the limbic system, salience and frontoparietal networks differentiates schizophrenia and mood disorders from healthy controls[J]. J Pers Med, 2021, 11(11): 1110. DOI: 10.3390/jpm11111110.
[19]
Dini H, Sendi MSE, Sui J, et al. Dynamic functional connectivity predicts treatment response to electroconvulsive therapy in major depressive disorder[J]. Front Hum Neurosci, 2021, 15: 689488. DOI: 10.3389/fnhum.2021.689488.
[20]
Wang X, Zhou H, Zhu XZ. Attention deficits in adults with Major depressive disorder: a systematic review and meta-analysis[J]. Asian J Psychiatr, 2020, 53: 102359. DOI: 10.1016/j.ajp.2020.102359.
[21]
Ai H, Opmeer EM, Marsman JC, et al. Longitudinal brain changes in MDD during emotional encoding: effects of presence and persistence of symptomatology[J]. Psychol Med, 2020, 50(8): 1316-1326. DOI: 10.1017/S0033291719001259.
[22]
Yan BY, Xu XP, Liu MW, et al. Quantitative identification of major depression based on resting-state dynamic functional connectivity: a machine learning approach[J]. Front Neurosci, 2020, 14: 191. DOI: 10.3389/fnins.2020.00191.
[23]
Wagner G, Li M, Sacchet MD, et al. Functional network alterations differently associated with suicidal ideas and acts in depressed patients: an indirect support to the transition model[J]. Transl Psychiatry, 2021, 11(1): 100. DOI: 10.1038/s41398-021-01232-x.
[24]
Zhu DM, Yang Y, Zhang Y, et al. Cerebellar-cerebral dynamic functional connectivity alterations in major depressive disorder[J]. J Affect Disord, 2020, 275: 319-328. DOI: 10.1016/j.jad.2020.06.062.
[25]
Bi K, Hua LL, Wei MB, et al. Dynamic functional-structural coupling within acute functional state change phases: evidence from a depression recognition study[J]. J Affect Disord, 2016, 191: 145-155. DOI: 10.1016/j.jad.2015.11.041.
[26]
Hou WL, Yin XL, Yin XY, et al. Association between stereopsis deficits and attention decline in patients with major depressive disorder[J]. Prog Neuropsychopharmacol Biol Psychiatry, 2021, 110: 110267. DOI: 10.1016/j.pnpbp.2021.110267.
[27]
Liu K, Zhao XH, Lu XB, et al. Effect of selective serotonin reuptake inhibitor on prefrontal-striatal connectivity is dependent on the level of TNF-α in patients with major depressive disorder[J]. Psychol Med, 2019, 49(15): 2608-2616. DOI: 10.1017/S0033291718003616.
[28]
Li XY, Zhang Y, Meng C, et al. Functional stability predicts depressive and cognitive improvement in major depressive disorder: a longitudinal functional MRI study[J]. Prog Neuropsychopharmacol Biol Psychiatry, 2021, 111: 110396. DOI: 10.1016/j.pnpbp.2021.110396.
[29]
Korgaonkar MS, Goldstein-Piekarski AN, Fornito A, et al. Intrinsic connectomes are a predictive biomarker of remission in major depressive disorder[J]. Mol Psychiatry, 2020, 25(7): 1537-1549. DOI: 10.1038/s41380-019-0574-2.
[30]
Figueroa CA, Cabral J, Mocking RJT, et al. Altered ability to access a clinically relevant control network in patients remitted from major depressive disorder[J]. Hum Brain Mapp, 2019, 40(9): 2771-2786. DOI: 10.1002/hbm.24559.

上一篇 颞叶内侧癫痫患者杏仁核体积变化的临床研究
下一篇 静息态功能磁共振成像观察帕金森病患者局部一致性的动态变化
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2