专栏首页思影科技Molecular Psychiatry:内在连接组是预测重性抑郁缓解的生物标志

Molecular Psychiatry:内在连接组是预测重性抑郁缓解的生物标志

请点击上面“思影科技”四个字,选择关注作者,思影科技专注于脑影像数据处理,涵盖(fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动)等,希望专业的内容可以给关注者带来帮助,欢迎留言讨论,也欢迎参加思影科技的其他课程。(文末点击浏览)

虽然重度抑郁症(MDD)与不同的神经网络之间的功能耦合改变有关,但抗抑郁治疗改善这些功能的程度尚不清楚。功能连接是否可以作为治疗反应的生物预测标志物也不清楚。针对这个问题·,来自澳大利亚悉尼大学的研究者使用全脑功能连接分析来识别抗抑郁治疗后缓解的神经信号,并识别治疗反应的连接预测因子。该研究发表在Molecular Psychiatry杂志,具体内容如下:

研究要点

163名MDD患者和62名健康被试在治疗初期(基线)和8周随访期间接受了功能核磁共振(fMRI)检查。患者被随机分配艾司西酞普兰、舍曲林或文拉法辛-XR(缓释)抗抑郁药,并在随访时评估缓解情况。对333个脑区两两之间功能连接的基线测量进行分析,以确定在治疗前就能区别治疗缓解(MDD-R)和治疗抵抗(MDD-NR)患者的连接组特征。然后研究这些连接组的差异,以确定它们是否在治疗后发生了改变,能否将患者与对照组进行区分以及治疗后改变是否与药物类型有关。最后研究者发现无论何种药物类型,通过默认模式网络(DMN)内更强的连接性,治疗缓解和治疗抵抗者得以区分。

具体来说:在DMN和额顶叶及躯体运动网络之间,在DMN和视觉、边缘、听觉和腹侧注意网络之间,在额顶叶和躯体运动网络和背侧注意网络之间。MDD-NR(治疗抵抗)组这一基线低连接也将他们与对照组区分开来,并在治疗后增加。相比之下,在基线和缓解后,MDD-R(治疗缓解)组的连接性均高于对照组,这表明了一种特征性质的连接组特征。在大规模的内在大脑网络之内和之间增加的功能连接可能是标志抑郁患者使用抗抑郁药后急性恢复的特征。

关键字:生物标志物;默认模式网络

研究背景

抗抑郁药仍然是MDD的一线治疗方法,然而超过50%的患者在最初的治疗中没有达到缓解。一线治疗药物治疗无效不仅延长了恢复时间,而且减少了对后续药物的反应,加重了患者及其家人、医疗卫生系统以及社会的巨大疾病负担。了解抗抑郁作用的神经生物学机制对阐明理想预后的特点至关重要。在过去的几十年里,利用先进的神经成像技术进行的深入研究已经揭示了抑郁症的神经生物学基础。然而,研究者对一些人服用抗抑郁药后恢复而另一些人没有恢复的神经机制的理解仍然相当匮乏。

人类的大脑本质上由不同的、功能上一致的网络组成,这些网络的同步性是认知和情感过程的基础。MDD与这些内在的大脑网络内部和之间的异常相互作用有关,特别是那些调节内在意识状态的网络(默认网络,DMN),外部警觉性(背侧注意网络,DAN),涉及自上而下 的注意力和情绪调节(额顶叶网络,FPN和带状盖网络),涉及情绪处理(情绪网络,AN)和监测突出刺激事件的脑网络(腹侧注意网络,VAN)。已知这些网络间异常交流的特定模式导致了MDD的核心认知和情感症状。

越来越多的人开始关注通过使用静息态或基于任务的fMRI来测量抗抑郁药物对MDD患者大脑连接的影响。抗抑郁药一直被认为会改变DMN和皮质边缘结构的功能连接,而对认知控制网络(FPN)的功能影响甚微。然而,现有的抗抑郁治疗反应的影像学研究很少,这些研究主要针对有限的样本量。这些研究中的大多数还采用了一种预先定义的基于种子点的连接性分析,这种分析只考虑了大脑的一小部分区域。虽然这种聚焦的方法对检测特定的大脑网络或特定的神经连接是有用的,但它限制了从整体、系统的层面去理解这些治疗如何影响大脑及其内在的功能网络。最后,这些先前研究的主要焦点是了解抗抑郁药对神经变化的影响,以及这些变化是否与症状变化相关。很少有研究探讨治疗前的内在神经特征是否会使个体对抗抑郁药物产生不同反应。基于先前同时使用抗抑郁药物和非药物治疗的研究,有一些证据表明,内在大脑连接,特别是与DMN相关的,与治疗预后有关。

在这里,研究者采用了一种复杂的、全连接组的方法来调查163名抑郁症患者在治疗前能够预测抗抑郁药物治疗效果的大规模的内在脑功能网络。在为期8周的临床随访实验中,研究者利用功能磁共振扫描采集并分析了治疗前和随机采用三种一线抗抑郁药之一治疗8周后的内在功能连接。研究者还检验了基线时与治疗缓解有关的特征性脑网络连接能否区分MDD患者和健康患者,治疗后它的改变是与任意药物的使用还是与特定药物的使用有关。基于先前的证据,研究者假设治疗前与DMN相关的功能连接也许能够区别MDD-R与MDD-NR,在MDD和健康个体之间也存在差异,并且此特征性连接在治疗后也会发生改变。研究者的全连接组方法为验证DMN连接的特异性提供了一种强大的、全面的、区域性的无偏倚方法。

实验材料与方法

被试选取:

本项研究包括了所有来自iSPOT-D影像队列研究的完成基线和治疗8周后fMRI扫描的参与者。有163名重性抑郁患者(基线时招募了204名)和62名年龄、性别匹配的健康志愿者(流程见原文附图S1)。iSPOT-D的研究方案、临床评估和纳入/排除标准在本研究团队之前的一篇文章中有详细描述。简而言之,根据DSM-IV诊断标准、简明国际神经精神访谈,以及17项汉密尔顿抑郁评分量表(HRSD17)≥16,明确了MDD的主要诊断标准。基线时,所有的MDD患者要么是未用药,要么经历了至少5个药物半衰期的洗脱期。健康对照组要求不存存在DSM-IV轴I规定的神经精神疾病,并且HRSD17评分小于或等于7。MDD患者非盲随机地接受不同剂量的艾司西酞普兰、舍曲林或文拉法辛缓释片(文拉法辛- XR)药物治疗,疗程为8周,之后再完成相应的磁共振扫描。

研究者的志愿者们从初级保健机构、社区和专业精神病学机构中招募,目的是使样本更具有代表性。医生根据常规的临床经验用药和调整药物剂量,并非严格按照说明书推荐的剂量范围。第8周时HRSD17≤7的MDD患者被归入治疗缓解组(MDD-R表示治疗缓解;MDD-NR表示治疗抵抗)。除HRSD17评分外,还记录了患者的年龄、性别、抑郁发作年龄、抑郁持续时间、既往抑郁发作次数、既往治疗情况、忧郁特性、42项抑郁-焦虑-应激量表(DASS)评分。样本量的计算作为整个纵向研究原始方案的一部分,能够使1个标准差时达到80%的统计效力。参与者根据机构审查委员会(西悉尼地方卫生局人类研究伦理委员会)的伦理指南签署了书面知情同意书。

实验设计和统计分析:

A、图像采集

本研究扫描使用通用(GE)Signa HDx 3T磁共振扫描仪,采用8通道头颅线圈进行数据采集。核磁共振数据采集包括5个功能磁共振和1个3D-T1加权结构磁共振扫描。这5个功能磁共振的信息在以往的研究中有说明,简单来说包括:

1、听觉怪球任务评估选择性注意力,

2、持续操作任务评估工作记忆,

3、GO-NoGo试验任务的行为抑制,

4、情感面孔的有意识处理,

5、情感面孔的无意识处理。

功能相采用平面回波成像序列,参数设定如下: 重复时间=2500 ms 、回波时间=27.5ms、偏转角= 90°、矩阵大小= 64´64、轴位层数为40层、层厚3.5mm。3D-T1加权结构相的参数为:重复时间/回波时间=8.3/3.2ms、偏转角=11°,反转时间=500ms, 矩阵大小= 256´256, 矢状位层数为180层、层厚1mm。

B、图像预处理

使用SPM8对数据进行预处理和统计分析。预处理步骤依次为:

使用来自所有5个任务态的功能核磁数据估计内在功能连接。使用重新排列和展开的方法对fMRI图像进行了头动校正(realign)和几何失真校正(unwarp),时间层校正,归一化到MNI空间并进行平滑处理。由于头动是静息态数据中的一个关键问题,因此对于高头动(从一个时间点到下一个时间点的逐帧位移)或信号强度变化比较大的时间点数据进行了删除(时间上加掩模的方式),以减少运动和相关伪影的影响。对于每个fMRI任务,每个实验条件下的反应都在一般线性模型框架中进行建模。每个任务的附加协变量包括从脑室和白质模板中提取的平均时间信号,以及经过上上述的全脑信号以及头动信息。为了分离出内在功能连接性的估计,研究者对将任务协变量作为干扰信号的模型进行了体素水平的时间序列回归,并分析了该模型的残差。在去噪之后,对时间序列进行滤波(0.009Hz <f<0.08Hz)。使用此方法估计的内在连通性已在以前的静息态功能连接中得到验证。

为了生成全脑功能连接组,研究者使用基于Gordon等人的高分辨率模板,将每个个体的大脑图像分割成333个大脑区域或节点。该模板使用静息状态的功能连接模式来定义代表假定的、功能上一致的大脑区域,提供了基于内在的大脑功能网络的标签。提取每个区域的内在功能时间序列,并与其他每个区域进行关联,得到每个个体的333*333的区域间功能连接矩阵。利用Fisher z变换将相关系数转化为z分数。细分方案的具体选择会影响网络分析的结果。为了确保无论选择何种脑分割方案,研究者的发现都是稳健的,研究者也使用了基于AAL图谱的进行第二次解剖分割。(见本文附表)

统计分析

基于研究目的的统计分析步骤依次如下:

1、识别一个基于脑连接组的能够预测抗抑郁治疗结果的生物标志物

使用基于网络的统计(NBS)来评估三个治疗组的MDD-R和MDD-NR参与组在治疗前功能连接方面的差异。与体素水平的MRI研究中使用的基于集群的校正策略类似,NBS处理由连接数据引起的多重比较问题时,在相互连接的子网络而不是单个连接的层次上评估原假设。研究者首先对每个连接分别进行双样本t检验,以检测两组连接值的显著差异。首先将阈值设为p<0.001,得到高于阈值的连接。然后,计算该阈值网络中连接分量的大小。在这种情况下,被连接分量是一组节点,可以通过一组阈上连接进行连接。随机排列每组的成员,在新的分组上进行之前的检验,储存每次得到的最大连接分量,并重复分析(1000次置换)以此得到一个零经验分布,并估计各观测分量大小的统计显著性。

每个观测分量的修正p值被估计为大于观测值的空分量大小的比例。观察到的p<0.05的分量经分量水平校正后被认为是区分两组的重要子网络。提取所识别的子网络的每个连接的功能连接性估计值。在补充分析(附录S2)中,研究者测试了这一连接特征的连接性与人口统计学和临床症状之间的关系,并在控制这些变量后对MDD-R和MDD-NR进行了比较。研究者使用这些特征建立预测模型来区分MDD-R和MDD-NR个体并在交叉验证框架中评估了人口学和临床测量的预测价值(附录S3)。在下面的分析中(2-4)研究者对每个单独网络间的连接取了一个平均值。研究者还计算了每对固有网络间的平均连接用于下面的分析。为了控制由于测量数量而导致的多重检验,研究者使用benjaminii - hochberg FDR校正p<0.05进行统计。

2、不同药物对连接组预测生物标志物是否有不同的影响?

为了测试在统计分析1中确定的子网络中的功能连接与治疗结果的相关是否因使用的抗抑郁药种类而不同,研究者使用方差分析(ANOVA)包含两个被试间的混杂因素:治疗结果(MDD-R/MDD-NR)和抗抑郁药类型(SSRIs类艾司西酞普兰和舍曲林,以及5 -羟色胺-去甲肾上腺素再摄取抑制剂类(SNRI)文拉法辛- XR)。研究者测试了治疗结果和抗抑郁药类型之间交互作用与功能连接的关系。

3、连接组生物预测标志物是否是抑郁患者特有的?

为了测试基线状态下被识别出的子网络中的功能连接在MDD组和对照组是否不同,研究者用方差分析将分组(MDD/对照)作为被试间因素比较了提取出的连接值。为了识别出确定的子网络之外的其他连接诊断特征,研究者还使用NBS对MDD组和对照组进行了探索性的全脑连接性比较。(见补充分析S4)

4、连接组预测生物标志物能否在8周的治疗后发生改变?

为了检验识别出的子网络功能连接经过治疗后与基线水平是否发生了变化,研究者使用了ANOVA分析将随访前后(时间)作为被试内因素,分组(根据治疗结果将MDD分组:MDD-R,MDD-NR,对照组)作为被试间因素。研究者检验了随访前后和分组之间的交互作用,并进行了事后测试来描述任何重要的相互作用。

结果

参与者的人口学和临床数据统计结果如下:

影像学数据统计结果如下:

一、MDD-R和MDD-NR治疗前功能连接网络的差异

应用NBS分析法发现了一个包含59个节点和86个边的连接组信号,它的功能连接在治疗前的MDD-R和MDD-NR之间存在显著差异(MDD-R > MDD-NR; p = 0.021 多重比较校正)。这个连接组特征如下:

⑴DMN的网络内内在功能连接增强(MDD-R > MDD-NR)

⑵网络间功能连接增强:

①DMN、额-顶与躯体运动网络之间,

②DMN与视觉、边缘、听觉和腹侧注意网络之间,

③额-顶与躯体运动网络和背侧注意网络之间(MDD-R > MDD-NR)。

连接度和年龄、性别、治疗有关,但是在控制了这些因素后,两组之间的连接度差异依然很显著。与只使用人口学和临床数据的模型相比,这个识别出的连接组特征能够显著提高预测治疗缓解和治疗抵抗的准确(p<0.001;见附表S1: 没有连接度的交叉验证模型的准确性/有连接度的交叉验证模型的准确性 = 61.5%/ 68.8%;;敏感度 = 52.6%/63.1%;;特异度=72.4%/72.4%)。

图1 上面一行:区分缓解者与未缓解者的治疗前特征性连接组网络(NBS分析法得出的结果)。

下面一行:节点颜色表示由Gordon 等定义的内在静息态脑网络组成成分。构成此特征的不同网络内和网络间的连接模式组成见表2。线段的粗细代表感兴趣网络之间的显著连接相对于所有可能连接的数目,线段越粗代表网络之间具有的显著连接数目越多。条形图(均数和标准差)显示了各组基线和治疗后的平均连接度。在该网络特征中,平均连接度存在显著的时间*组相互作用。星号表示事后检验时两者之间存在显著的统计结果(p < 0.05)。

DMN:默认网络,FPN:额-顶叶网络, SM:躯体运动, VAN:腹侧注意网络, DAN:背侧注意网络, CON:带状盖脑网络, L:左, R:右, MDD-R:缓解组, MDD-NR:未缓解组,Ctrl :健康对照

如果您对fMRI研究感兴趣,可点击以下文字,详细了解:也可以添加微信siyingyxf进行咨询 :

第二十四届磁共振脑影像基础班(重庆)

第九届脑影像机器学习班(重庆)

第十三届磁共振脑网络数据处理班(南京)

第二十七届磁共振脑影像基础班(南京)

二、根据抗抑郁药的类型,这种连接组预测生物标志物与预后的关系是否存在差异?

治疗结果与抗抑郁药的类型之间没有显著的相互作用,或者抗抑郁药对这种特征的连接度测量没有显著的作用,这表明这种生物影像预测标志物对三种抗抑郁药的反应一致。

三、这种连接组预测生物标志物在基线时就能将抑郁患者与健康人区分开来?

基线时,健康对照与整个抑郁患者相比在此特征脑连接组上的平均连接度没有显著差别(p=0.078)。但是与抑郁组相比,健康对照组在此连接组的默认网络与额-顶叶网络之间的连接显著加强(FDRp<0.05)。

四、在8周的治疗后此连接组预测生物标志物是否发生了变化?

此特征中整个网络的平均连接度存在显著的组别*时间交互作用(p=0.011),特殊的是只在躯体运动和腹侧注意网络之间存在显著的组别*时间相互作用(FDRp<0.05;见表3和图2)。

有显著时间*组别相互作用的网络连接被列在了上表中(*表示显著FER校正 p<0.05)

图二展示网络内部和网络之间的连接在缓解组与非缓解组的区别。 条形图显示了在基线和后处理(均值和SD)下的连接值。只有SM-VAN连接存在显着的时间*分组交互作用(FDRp <0.05)。

事后比较提示治疗后只有MDD-NR组的功能连接加强了(对照组和MDD-R组治疗前后功能连接没有改变)。基线时与MDD-R和健康对照组相比,MDD-NR组的功能连接显著减低。治疗后,尽管功能连接正常化了(与对照组相比没有明显改变),但是MDD-NR组在此特征连接组上的平均连接度依然比MDD-R组低。另一方面,不论是在治疗前还是在治疗后,MDD-R组在此特征连接组上的平均连接度都显著高于对照组。针对躯体运动-腹侧注意网络连接性,MDD-R组与健康对照相比在治疗前后都无差异,与MDD-NR相比在治疗后无差异。

讨论

在使用了三种常用处方抗抑郁药(两种选择性5 -羟色胺再摄取抑制剂:艾司西酞普兰和舍曲林和一种5 -羟色胺和去甲肾上腺素再摄取抑制剂:文拉法辛-XR)之一8周以后,研究者利用一种复杂的、全连接组分析方法对与治疗缓解有关的内在功能连接进行了分析。

研究者的研究着眼于在不同的认知、情感和自我反思功能中发挥关键作用的大规模内在大脑网络,并且揭示了一个按照缓解状态和服药种类分层的样本的脑网络水平的连接。具有广泛的高于正常脑网络功能连接值的病人,特别是与默认网络、额-顶和躯体运动网络有关时,更有可能从抗抑郁药治疗中受益并且得到缓解。研究者特别注意到的一个发现是与健康对照相比,基线时MDD患者出现了一个功能连接明显降低的特征性连接组标志。新发现表明:临床缓解实际上可能需要完整的或更强的内在网络间连接,而不是简单从异常连接转向正常。这种效应似乎在与自我意识和认知控制相关的大脑网络尤其突出。

默认网络(DMN)是专注于内部精神状态的大脑的网络,它的活动通常与其他涉及到参与注意警觉和定向等功能的内在网络相反。DMN与其他大脑网络之间的相互作用,以及它与抗抑郁治疗反应之间的关系,在以前的脑电图研究中也引起了人们的兴趣。研究者使用不同的基于功能磁共振成像的应用全连接组分析的方法评估跨网络的内在功能连接性。研究者将这种方法应用于生物标记试验,将舍曲林与其他两种活性抗抑郁药物进行比较。此外,研究者评估了治疗后功能连接性的变化,并且与经过相同时间的健康人做了对比。研究者的发现表明,与DMN相关的连接性是所有这三种治疗缓解有关的预后标志。研究者的研究进一步表明运用不同的方法评估局部和全脑的连接性和一致性可能将成为重要的抗抑郁治疗效果预测标志。研究者的研究结果也支持先前的报道,默认网络的功能和结构连接性与抑郁症的治疗结局有关。

研究者的数据也探讨了药物对神经连接的影响。所有MDD患者在治疗前的特征连接组上有显著的连接性增加,治疗后连接正常化。但是当以治疗结局分组时,只有MDD-NR组在随访扫描过程中表现出治疗前功能连接增加。虽然这反映了此特征性预测连接组的平均连接性,但这种效应在腹侧注意网络的额下回区和躯体运动网络的中央后回区之间最强。抑郁症的特征是缺乏将注意力转移到突出事件上的能力,这些结果提示了抗抑郁药的作用可能是针对与显著性和躯体感觉相关的连接。在本研究中,对于那些在急性期没有缓解的患者,连接性的变化和症状的变化之间也缺乏相关性,这与他们的非缓解状态一致。这些参与者仍有可能在更长的治疗时间后得到缓解,这需要未来进一步地研究。

另一方面,MDD-R(和对照组)在基线和随访扫描中表现出一致的连接性。这一观察结果对于进一步理解连接性与临床结果的关系具有重要意义。在这种情况下,“急性”缓解似乎取决于比正常水平更高的内在网络连接的预先存在,特别是在自上而下控制注意力和情绪的关键区域,这些区域通常被认为是抑郁症认知和情绪处理能力受损的基础。没有这一点,大脑可能无法进行临床变化所需的塑造。虽然研究者假定任何临床变化(症状改善或缓解)都需要神经层面的潜在变化,但这对于内在的功能连接可能不是真的。可能任务态触发的神经变化与在完整的内在组织之上的临床变化的关系比静止状态下发生的更直接。然而,这种可能性需要进行系统的研究,特别是目前还缺乏评估静息连接变化与抗抑郁药物治疗后症状改善之间关系的研究。研究结果差异的一个原因可能是在研究者的研究中使用了任务剩余,尽管在静息和剩余的大脑网络之间有很强的相似性。未来的研究还应该评估静息和任务相关功能连接的差异。

研究者的研究也为不同类型抗抑郁药的治疗结局与脑内在连接之间的关系提供了证据。据研究者所知,以往没有研究比较过不同类型抗抑郁药对内在功能连接性的影响。在研究者的研究中,MDD患者被随机分配服用三种常用抗抑郁药物中的一种。研究者的研究发现的连接组特征似乎与抗抑郁药物的一般反应有关,研究者没有观察到与使用的三种抗抑郁药物相关的连接差异。这可能表明,高于正常的内在连接性可能是一个必要的不同类型药物治疗抑郁症的基础。尽管这还有待于在研究者的研究中使用的药物之外的其他药物中进行测试。在临床上,这可能意味着具有异常的内在连接减少的MDD患者不太可能从一线抗抑郁药物治疗中获益。这些患者是否能从另一种治疗方案中获益,即在抗抑郁药之前或与抗抑郁药联合使用时使DMN连接正常化,还需要进一步研究。

研究者的发现仅限于研究中使用的三种常用的抗抑郁药物,这些发现是否适用于其他现有的抗抑郁药物还有待验证。研究者的研究也缺少一个安慰剂组,这限制了研究者区分抗抑郁治疗的具体效果和自发缓解的能力。先前的研究发现已经确认了静息状态连接在预测安慰剂效应中的作用。研究者的研究也包括了那些未接受过药物治疗或使用过抗抑郁药的参与者。即使在研究者的分析中控制了之前治疗的影响后研究者的脑网络结果仍然具有显著性,并且在目前的研究中,正在接受治疗的患者在参加本次实验之前经历了一个洗脱期,但是由于之前的治疗对当前抗抑郁作用的影响而产生的任何偏差都不能被排除。研究者进行交叉验证分类分析来预测治疗结果,主要是为了识别最佳的预测模型特征,并提供一个操作示例,说明研究者识别的神经测量法如何有助于治疗决策。尽管研究者的样本量相对于之前研究抗抑郁治疗的神经预测因子的样本量是可观的,而且研究者使用了交叉验证分类数据分析法,但这些发现只能被认为是初步的,还未在独立的队列中进行重复。任务诱发和内在功能连接的集成将是未来研究的一个有趣方向。

在精神疾病的诊断和预后中使用连接组来识别新的大脑网络是一个重要的方法学进步。通过这种方法,研究者已经确定了抗抑郁药物急性不缓解背后的内在大脑网络。在这些网络中强于正常的连接性可能是使用抗抑郁药物有效的先决机制。

这一识别的连接特征在抑郁症的临床治疗中具有作为预后标志的潜力。

总结:

本文通过简明的全脑ROI-wise功能连接分析来预测抑郁症药物治疗的有效性,效果拔群。

如需原文及补充材料请加微信:siyingyxf 或者18983979082获取,如对思影课程感兴趣也可加此微信号咨询。

本文分享自微信公众号 - 思影科技(siyingkeji),作者:杨晓飞

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-12-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Biological Psychiatry: 童年的社会隔离对大鼠大脑功能连接性的影响

    为探究精神疾病中早期社会压力领域的一般风险因素,对断奶后社会性隔离(post-weaning social isolation, PWSI)饲养的啮...

    用户1279583
  • 幻听中语言网络、听觉网络和记忆网络的交互障碍

    听觉言语幻觉(AVH,也就是幻听)在精神病患者中出现,但也作为其他病症的一种症状,甚至在健康人中也存在。目前关于AVH起源的几种理论趋于一致,神经影像学研究表明...

    用户1279583
  • DMN:大脑的默认网络

    这篇文章综述由世界著名的脑成像专家Marcus E.Raichle教授撰写,Raichle 教授来自圣路易斯华盛顿大学(Washington Univers...

    用户1279583
  • 从扫描序列的标准化做起,西门子医疗正在中国布这样一盘棋

    2018年3月IPO后,西门子医疗表现持续稳健。在GE、Philips、Siemens Healthineers)医疗三巨头中,GE换帅,飞利浦转型。相比较而言...

    AI掘金志
  • C++核心准则SF.4:在其他声明之前include .h文件

    Minimize context dependencies and increase readability.

    面向对象思考
  • springboot入门(4)_web开发

    springboot入门(4)_web开发 摘要: 前几篇大概介绍了demo的搭建运行,Thymeleaf模板引擎的整合还有运行原理(主要是自动默认配置star...

    Java帮帮
  • 全选,反选

    用户3055976
  • 企业面试题: 关于JS在使用过程中 0.1+0.2!=0.3 的问题

    【友情提示:舒克老湿意在为各位准备从事前端工程师岗位的小伙伴提供思路,所有代码仅供参考,切勿背题!!理解问题以及提高自己解决问题的能力最为重要!如果你有更好的解...

    舒克
  • [2013.11.13][cpp]检测机器大端或者小端

    ApacheCN_飞龙
  • bootstrap 查询 展示 分页 常用**

    <!doctype html> <html> <head> <meta charset="utf-8"> <title>联想控股</title> <m...

    用户5760343

扫码关注云+社区

领取腾讯云代金券