Page 61 - 磁共振成像2024年7期电子刊

临床研究｜｜Clinical Articles 磁共振成像 2024年7月第15卷第7期 Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7

而 对 于 DMN 外 部 FC 设 置 的 阈 值 范 围 为 0.05~
0.000 001（间隔步长为 0.000 1）。在某个确定的阈值
下，当前 FC 与睡眠障碍因子分相关性的 P 值小于该
阈值时，便遴选进入后续计算。（4）针对每个被试，计
算在步骤（3）中保留的所有 FC 强度值的和构成一个
新的特征。对照步骤（3）中正相关的 FC 强度相加，
负相关的 FC 强度相加，正相关 FC 强度和减去负相
关 FC 强度和，从而得出 3 个不同的新特征。这 3 个
新特征分别构建三种不同的线性预测模型。（5）基于
3 个新特征，利用线性模型回归预测 MDD 患者的睡
眠障碍因子分。（6）利用步骤（1）所得的线性模型预
测所留的测试数据。在发现数据集中重复以上步骤
（1）~（6），最后得到发现集中所有被试的睡眠障碍因
子分的预测值。模型性能的评价指标为测试集中预测
值和真实值间的皮尔逊相关性。以上所有的步骤在基
于 DMN 内部 FC 和 DMN 外部 FC 的两类特征上分别
图 2 基于 DMN FC 的 CPM 模型预测性能。2A~2B 为基于 DMN 内部
进行。最终得到两种特征集各自的最佳预测结果。 FC 特征的 CPM 模型分别在发现数据集和外部独立验证集上的预测结
果；2C~2D 为基于 DMN 外部 FC 特征的 CPM 模型分别在发现数据集和
外部独立验证集上的预测结果。真实值为 MDD 患者的真实睡眠障碍
因 子 分 ；预 测 值 为 CPM 模 型 预 测 的 MDD 患 者 睡 眠 障 碍 因 子 分 。
DMN：默认网络；FC：功能连接；CPM：基于连接组的预测模型；MDD：
重度抑郁症。
Fig. 2 Prediction performances based on the FC of DMN in the CPM models.
2A and 2B refer the predictive results in the discovery dataset and the
independent validation dataset, respectively. 2C-2D are the prediction results of
CPM model based on DMN external FC feature on discovery data set and
external independent verification set respectively. The actual values refers to the
real scores of sleep disturbance in depressed patients, whereas the predicted
values are based on CPM predictions for sleep disturbance scores in these
individuals. DMN: default mode network; FC: functional connectivity; CPM:
connectome-based predictive modeling; MDD: major depressive disorder.

图1 CPM流程图。CPM：基于连接组的预测模型。
Fig. 1 The pipeline of CPM. CPM: connectome-based predictive modeling.

为了验证 CPM 方法构造模型的泛化性能，本研
究将发现数据集的所有被试按照 DMN 内部 FC 和
DMN 外部 FC 两种特征集，分别将训练时所得的最
佳 P 阈值固定到 CPM 模型中，得到各自特征集上统
一的回归预测模型。接着，分别在 34 例独立验证集
中进行回归测试。

2 结果
2.1 回归预测结果
在一系列不同的阈值下，DMN 内部 FC 特征在
发现数据集上预测的最佳结果如图 2A所示（阈值 P=
0.001，与睡眠障碍因子分呈正相关的 FC 特征），真实
睡眠障碍因子分与预测值间存在着显著的正相关
图 3 DMN 内部 FC 对睡眠障碍因子分预测具有高贡献性的特征分布
（r=0.244，P<0.001）。独立验证集中预测值与真实值 图。3A：冠状视图；3B：轴状视图； 3C：矢状视图。连接边的粗细表示
也存在显著的正相关（r=0.345, P=0.046）（图 2B）。 功能连接与睡眠障碍因子分的相关系数值。DMN：默认网络；FC：功能
连接。
DMN 外部 FC 特征在阈值 P=0.000 1，与睡眠障碍因 Fig. 3 The high contribution feature map based on the intra- FC of DMN
to predict sleep disturbance score. 3A: Coronal view; 3B: Axial view; 3C:
子分呈负相关的 FC 特征上出现最好的预测结果。 Sagittal view. The thickness of the edge reflects the correlation coefficient
其中发现数据集中的预测值与真实值间存在显著正 value between functional connectivity and sleep disturbance score of the
depressed patient. DMN: default mode network; FC: functional
相关（r=0.238，P<0.001）（图 2C），而在独立测试集中 connectivity.

·54 · https://www.chinesemri.com