稀疏与低秩约束下的耦合典型张量分解(SLRCCPD):精神分裂症的多频动态功能网络连接分析

《Frontiers in Neuroscience》:CCPD under sparsity and low-rank constraints: multi-frequency dynamic functional network connectivity analysis in schizophrenia

【字体: 大 中 小 】 时间:2026年05月08日 来源:Frontiers in Neuroscience 3.2

编辑推荐:

  本研究旨在采用耦合典型多向分解(CCPD)方法,从健康对照(HC)与精神分裂症(SZ)受试者的多频动态功能网络连接(dFNC)张量中联合提取组共享的连接模式及组特异的时间与频率信息。研究基于COBRE数据集的145名受试者(71名SZ与74名HC),通过组独立

  
本研究旨在采用耦合典型多向分解(CCPD)方法,从健康对照(HC)与精神分裂症(SZ)受试者的多频动态功能网络连接(dFNC)张量中联合提取组共享的连接模式及组特异的时间与频率信息。研究基于COBRE数据集的145名受试者(71名SZ与74名HC),通过组独立成分分析(group ICA)与滤波器组连接框架构建多频dFNC张量。研究人员提出了一种新颖的稀疏与低秩约束CCPD(SLRCCPD)模型用于分解dFNC张量,该模型引入L1范数正则化以增强显著连接,并基于核范数实现低秩近似以提升聚类质量。结果显示,在听觉、躯体运动、认知控制、视觉及小脑网络这五个共享动态模块内,SZ与HC之间存在显著的连接差异。对组特异时间-频率权重的聚类分析表明,与HC相比,SZ在低频频段与高频频段的状态3中具有显著更高的分数时间与停留时间,且在所有频段下的状态转换次数更少。所提出的SLRCCPD框架能有效捕获精神分裂症异常的跨频段动态功能连接,为探究脑部网络动力学与该疾病的机制研究提供了新的计算工具与实证路径。
该研究针对静息态功能磁共振成像(rs-fMRI)数据中动态功能网络连接(dFNC)分析的局限性展开。传统滑动窗口法存在窗口尺寸效应且具有低通特性,难以捕捉全频段dFNC特征,且现有研究多局限于低频段,忽略了不同频段神经振荡的特异性。同时,精神分裂症(SZ)患者表现出的感觉运动整合异常、默认模式网络(DMN)功能紊乱等病理机制尚未在多频段动态层面得到充分解析。为此,研究人员开发了稀疏与低秩约束下的耦合典型张量分解(SLRCCPD)框架,旨在联合分析健康对照(HC)与SZ群体的多频dFNC差异,揭示疾病相关的脑网络动态异常标记。
研究采用了几项关键技术方法:首先基于公开COBRE数据集(含145名受试者,71名SZ与74名HC),利用组独立成分分析(group ICA,模型阶数100)提取41个感兴趣独立成分(IC),划分为7个脑网络(ICN);随后采用滤波器组连接方法,通过无限脉冲响应(IIR)滤波器将信号划分为3个频段(0–0.025 Hz、0.025–0.050 Hz、0.100–0.130 Hz),构建大小为820(IC对)×348(窗口×频段)×受试者数的三维dFNC张量;进而提出SLRCCPD模型,在耦合分解框架下对共享连接矩阵施加L1范数稀疏约束以增强显著连接,对组特异时间-频率权重施加核范数低秩约束以提升后续聚类性能;最后结合K-means聚类算法对时间-频率权重进行状态划分,并采用曼-惠特尼U检验(Mann–Whitney U test)评估组间差异。
研究结果如下:
3.1 不同共享连接矩阵的ICN连接结果
通过分析五个共享动态模块的网间连接强度(Abr),发现模块1、2、5以正连接为主,其中躯体运动网络(SM)与认知控制网络(CC)、视觉网络(VIS)连接较强,默认模式网络(DMN)与CC、VIS呈正相关;模块3全部为负连接,模块4除小脑(CB)与皮下(SUB)呈弱正连接外其余多为负连接,视觉网络(VIS)与听觉(AUD)、SM、CC、DMN的负连接尤为显著。
3.2 ICN的连接贡献分析
在模块1与2中,SM与CC的连接贡献度最高;AUD与CB在所有模块内的网内连接强度均较低,但在模块2、3、4中表现出负贡献,提示这两个网络内部连接变异性较大。
3.3 HC与SZ的组特异动态模块
组间差异主要体现在模块4与5:模块4中HC多数连接低于SZ,且两组连接符号相反(SZ多为负,HC多为正);模块5中HC的DMN与AUD、SM连接强于SZ。统计分析显示模块4的HC强度低于SZ,模块5则相反。
3.4 不同频段的时态分析
对各频段时间权重进行聚类获得3种稳定状态。状态转移概率显示,频段1与3中状态3的停留概率最高(>0.85),频段2中状态2的停留概率较高,不同频段的转移模式存在显著差异。
3.5 HC与SZ的时间状态差异
频段1与3中,SZ在状态3的分数时间(FT)与停留时间(DT)显著高于HC,且所有频段下SZ的状态转换次数(NT)均显著低于HC,表明SZ的脑网络状态灵活性受损。
3.6 与其他方法的比较
相较于普通CCPD、仅低秩约束CCPD(LRCCPD)及仅稀疏约束CCPD(SCCPD),SLRCCPD在动态模块与频段分析中识别出更多的显著组间差异对,验证了稀疏与低秩联合约束的有效性。
讨论与结论部分指出,SLRCCPD框架通过融合滤波器组连接与张量分解,克服了传统滑动窗口法的频段局限,成功提取了SZ特有的多频动态异常。研究发现SZ在状态3的过度滞留及状态切换减少,可能与幻觉、注意力分散等认知损伤相关。该框架为精神疾病的神经影像标志物挖掘提供了新视角,未来可结合Tucker分解等方法进一步优化计算效率与模型解释性。论文发表于《Frontiers in Neuroscience》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号