基于多模态影像的吸烟成瘾分类预测研究.pdfVIP

摘要

吸烟成瘾是一种普遍存在的慢性疾病，会对吸烟者的身体健康和生活质量产生负

面影响。经统计我国吸烟人数超过3亿，15岁及以上人群吸烟率为26.6%，整体人群

吸烟率仍在较高水平。过往研究表明，吸烟会通过影响多个大脑区域的功能，进而影

响成瘾者信息处理、身体功能和情绪状态。然而，从青少年时期开始吸烟的人更有可

能在成年后转变为尼古丁依赖者。因此，研究吸烟的成瘾机制有助于了解吸烟的危害

以及为吸烟的预防提供科学依据。

目前关于吸烟成瘾的磁共振成像技术的研究大多数采用单个脑区的分析方法，然

而这种分析方法会忽略脑区之间的交互，对吸烟的诊断和预防都非常有限。相比于对

单个脑区进行分析，机器学习能够以多变量的方式来揭示大脑的微妙和复杂。使用这

种方法在个体上进行分类预测，能够取得较好的效果。本文从人脑连接度组学水平和

全脑体素水平两个方面对青少年吸烟成瘾的多模态影像数据进行分类预测，研究吸烟

成瘾在脑网络水平上的相关变化。

在本文中，我们对静息态功能磁共振（restingstate-funcationalMagneticResonance

Imaging，rs-fMRI）和弥散张量成像（DiffusionTensorImaging，DTI）利用图论分析

方法，构建结构网络和功能网络，探究吸烟成瘾的相关拓扑变化并通过功能连接

（functionalconnections，FC）矩阵和结构连接（structuralconnections，SC）矩阵对青少

年吸烟者和健康非吸烟者进行分类预测。研究结果表明，richclub差异节点位于右侧

背外侧额上回以及左侧内扣带回，吸烟组在richclub连接、feeder连接、local连接的

强度均大于对照组。在整个大脑网络进行SC-FC耦合分析，吸烟组表现出更低强度

的SC-FC耦合。利用功能网络和结构网络进行分类预测分析，功能连接矩阵的分类

准确率为83.87%，结构连接矩阵的准确率为80.65%。同时，挑选对预测吸烟成瘾至

关重要的特征连接。功能连接矩阵中的特征连接主要集中在躯体运动网络。结构连接

矩阵挑选的特征连接集中在默认模式网络。研究结果可能为进一步理解青少年吸烟成

瘾的大脑功能和结构异常提供了新的证据。

为了进一步探讨灰质在吸烟成瘾中的变化，本文通过采集T1加权图像，利用基于

形态学测量（voxel-basedmorphometry，VBM）的分析方法探索与吸烟成瘾相关的脑

灰质特征。研究发现吸烟组的灰质体积值在左侧楔叶、左侧楔前叶、左侧距状裂及周

围皮层、左侧舌回和小脑蚓部3区明显低于对照组。使用MVPA分析方法进行分类预

测，取得了77%的分类精度。研究结果表明灰质特征在吸烟成瘾的分类中能取得较好

的效果，但可能没有功能网络和结构网络提供的信息充足。

关键词：吸烟成瘾；多模态影像；脑网络；多变量模式分析；机器学习

Abstract

Smokingaddictionisawidespreadchronicdiseasethatnegativelyaffectssmokers’

healthandqualityoflife.ThenumberofsmokersinChinaexceeds300million,witha

prevalencerateof26.6percentamongpeopleaged15yearsandover,andtheoverall

populationsmokingrateremainsatahighlevel.Pastresearchhasshownthatsmoking

affectsinformationprocessing,physicalfunctioning,andemotionalstatesinaddictsby

affectingthefunctioningofmultiplebrainregions.However,individualswhobeginsmokin