879
0
0
2025-01-13 07:57:59
2025-01-13
【摘要】華南理工大學生物醫學科學與工程學院吳凱教授與廣州醫科大學附屬腦科醫院吳逢春主任團隊合作，開展了基于腦電周期與非周期成分分離來分析重度抑郁癥神經生理機制及腦電生物學標志物的研究。2025年1月，《Biological Psychiatry: Cognitive Neuroscience and Neuroimaging》雜志錄用了題為《Individualized Spectral Features in First-episode and Drug-naïve Major Depressive Disorder: Insights from Periodic and Aperiodic EEG Analysis》的研究論文，華南理工大學材料科學與工程學院碩士研究生李嘉欣同學為第一作者。
重度抑郁癥（MDD）是一種常見的精神疾病，不同于正常的情緒波動，其主要癥狀通常表現為長期悲傷、強烈失去興趣、無法享受生活，在極端情況下還會導致自殺。檢測大腦的電生理活動在MDD的早期診斷和干預中發揮著重要作用，已有大量研究對腦電圖（EEG）頻譜進行了深入研究與分析，但仍存在一些局限性。最近研究表明，將EEG頻譜分解為周期性和非周期性成分，有助于識別電生理異常的驅動因素，并更好地識別個體差異。
本研究旨在闡明EEG中個體化周期和非周期性活動的病理變化及其與 MDD 癥狀的關系。 研究人員連續記錄了97名首發未用藥MDD患者和90名健康被試，在閉眼靜息狀態下的EEG數據。 通過“FOOOF ”算法獲得周期性振蕩和非周期1/f信號，并基于此計算了個性化頻譜特征。
圖1 研究方法及技術路線
研究發現，與健康被試相比，MDD患者的個體化a和b波段功率更高，尤其是大腦的后部區域，枕部電極的非周期性校正后a波段功率、右枕部電極的非周期性校正后b波段功率都顯著低于健康被試。在左右腦偏側化研究中，以健康被試為參照，MDD患者頂葉-枕葉后區的α活動不對稱消失。此外，分析結果還表明非周期1/f信號的截距特征與年齡呈顯著負相關，而與漢密爾頓抑郁評分呈顯著正相關。
 |
 |
圖2 研究結果
