论文部分内容阅读
脑卒中后抑郁症（Poststroke Depression, PSD）是指脑卒中发生后，以情绪低落、兴趣减退为主要病征的精神疾病，为脑卒中后发病率最高的精神类并发症，严重影响了脑卒中患者的康复进程和康复结果。截至目前，临床上对PSD的诊断尚无统一的标准，且缺乏专业化的仪器和特异性的生理指标进行评估，导致临床对PSD的误诊漏诊率偏高。为进一步探索EEG信号应用于PSD诊断中的可行性，本文采集了健康人、脑卒中后无抑郁症患者、脑卒中后抑郁症患者三类人群（各10人）的静息态EEG数据进行脑卒中后抑郁症EEG信号特异性分析。研究中提取了非线性动力学特征（LZC复杂度、样本熵）及基于偏定向相干性（PDC）的脑网络特征，运用统计学及拓扑网络方法分别对两类特征进行分析，探究脑卒中后抑郁症患者的特异性EEG信号特征。通过非线性动力学分析发现，脑卒中患者EEG信号复杂程度低于健康正常人，而脑卒中后抑郁症患者较无抑郁症患者在额叶、颞叶及枕叶复杂程度下降更为严重，且相关性研究发现额区EEG信号复杂程度与脑卒中后抑郁症严重程度显著相关（P<0.05），说明脑卒中后抑郁症患者神经元放电活动较其他两类人群更为简单有序，且特定脑区EEG信号复杂程度与抑郁症临床表现相关；各脑区α频段EEG信号复杂程度与距离脑卒中发病的时间显著相关（P<0.05），说明α节律神经元放电活动与脑卒中后康复情况相关。文中利用所选非线性特征参数对脑卒中后无抑郁症和脑卒中后抑郁症人群进行分类，可以达到最高85%的分类正确率，表明所选非线性参数对两类人群有较好的可分性，有望成为脑卒中后抑郁症的有效诊断指标。利用偏定向相干性进行脑网络分析发现，健康正常人、脑卒中后无抑郁症患者、脑卒中后抑郁症患者脑网络集群系数依次降低，中介中心度越来越分散；脑卒中后抑郁症患者与另两类人群相比核心节点有所转移，且节点核心地位下降，推测脑卒中后抑郁症患者心境调节通路出现失连接症状，网络运行效率降低。本文研究成果进一步揭示了脑卒中后抑郁症发病的电生理学机制，可为脑卒中后抑郁症的临床辅助诊断提供技术支持。