脑科学圈| 孙俊峰、崔东红研究团队发现:精神分裂症和双相情感障碍患者存在失匹配负波缺陷

精神分裂症(SCZ)和双相情感障碍(BPD)是两种严重的精神疾病,它们不仅造成显著的认知和情感障碍,还带来沉重的社会和经济负担。尽管两者在临床表现上有所不同,但在感知异常和神经功能障碍方面存在重叠,这说明可能存在共同的神经机制。

失匹配负波(MMN)是一种反映听觉早期信息处理能力的脑电生物标志物,已有研究表明,SCZ患者普遍存在MMN缺陷,说明其在神经感知整合方面的障碍。尽管BPD中的研究结果尚不一致,但越来越多的证据表明BPD患者也存在MMN异常,揭示其可能作为跨诊断的精神疾病标志物。

上海市精神卫生中心孙俊峰及上海交通大学崔东红等研究团队联合于期刊Journal of Psychiatric Research上发表了题为“Mismatch negativity deficits in schizophrenia and bipolar disorder”的研究论文,基于中国人群的大规模样本,系统分析了SCZ和BPD患者的MMN表现,并结合脑电频谱与同步性分析,揭示了两类疾病在听觉信息处理上的神经机制差异

本研究旨在验证精神分裂症(SCZ)和双相情感障碍(BPD)患者中的失匹配负波(MMN)缺陷。研究人员从上海精神卫生中心和浙江大学招募了676名参与者,包括208名SCZ患者、144名BPD患者及324名健康对照组(HC)。

在实验过程中,使用E-Prime软件呈现听觉刺激。这些刺激包括持续时间为50ms的标准音调(1000Hz)和100ms的偏差音调用于dMMN范式,以及标准音调(1000Hz)和偏差音调(1200Hz)用于fMMN范式。脑电数据通过ANT Neuro公司的便携式脑电记录系统采集,同时记录眼电图(EOG)以监测眼动和眨眼。

图1 eego mylab脑电系统

在调整了年龄和性别因素后,协方差分析(ANCOVA)显示,无论是持续时间MMN(dMMN)还是频率MMN(fMMN),SCZ和BPD组的MMN幅度显著小于健康对照组(HC)。具体来说,在dMMN范式中,SCZ和BPD患者的平均幅度和峰值幅度均显著低于HC。类似地,在fMMN范式中,SCZ和BPD患者的平均幅度和面积也较HC小。

图2 左:个体和组平均的dMMN事件相关电位(ERPs)及地形图。(a) 所有被试dMMN的个体ERPs;(b) 三组各自的dMMN组平均ERPs;(c) 三组各自的dMMN地形图。右:个体和组平均的fMMN事件相关电位(ERPs)及地形图。(a) 所有被试fMMN的个体ERPs;(b) 三组各自的fMMN组平均ERPs;(c) 三组各自的fMMN地形图

通过事件相关频谱扰动(ERSP)和试验间相位相干性(ITC)分析发现,SCZ患者在θ(4-7 Hz)和α(8-12 Hz)频段的ITC和ERSP显著低于HC。特别是在处理标准和偏差刺激时,SCZ患者表现出更弱的神经同步性和功率变化。虽然程度较轻,但BPD患者同样显示出这些测量值的降低趋势。

图3 左:fMMN范式中的组平均θ和α频段ERSP。(a) 标准刺激的θ ERSP;(b) 偏差刺激的θ ERSP;(c) 标准刺激的α ERSP;(d) 偏差刺激的α ERSP。右:fMMN范式中的组平均θ和α频段ITC。(a) 标准刺激的θ ITC;(b) 偏差刺激的θ ITC;(c) 标准刺激的α ITC;(d) 偏差刺激的α ITC

进一步的相关性分析表明,在所有组别中,MMN的平均幅度与ERSP和ITC之间存在显著的负相关关系。这表明较低的MMN幅度通常伴随着较低的ERSP和ITC值,反映出听觉信息处理中的神经同步性和功率变化减弱。尤其值得注意的是,在SCZ患者中,dMMN的平均幅度与重复性神经心理状态评估量表(RBANS)得分呈负相关,提示认知功能的损害可能与MMN缺陷密切相关。

图4 左:dMMN范式中的组平均θ和α频段ERSP。(a) 标准刺激的θ ERSP;(b) 偏差刺激的θ ERSP;(c) 标准刺激的α ERSP;(d) 偏差刺激的α ERSP。右:dMMN范式中的组平均θ和α频段ITC。(a) 标准刺激的θ ITC;(b) 偏差刺激的θ ITC;(c) 标准刺激的α ITC;(d) 偏差刺激的α ITC

这些结果不仅确认了SCZ中的MMN缺陷,还揭示了BPD中类似的神经电生理异常,并提示这些指标可能作为评估认知功能损害的生物标志物。本研究为理解这两种疾病的病理机制提供了新的视角,并为进一步开发针对性诊断工具和治疗方法奠定了基础。

内容概要:本文系统研究了基于模型预测控制(MPC)与滚动时域估计(MHE)集成的控制方法,旨在实现动态系统的高精度目标点镇定。通过构建MPC与MHE的协同框架,利用MHE对系统状态进行实时、高效的滚动优化估计,克服传感器测量噪声与初始状态不确定的影响,并将估计结果反馈至MPC控制器,实现对未来控制序列的滚动优化,从而提升系统在复杂干扰不确定性环境下的镇定性能与鲁棒性。研究涵盖算法原理推导、数学建模、仿真设计与验证全过程,提供了完整的Matlab代码实现,充分展示了该集成策略在状态估计与反馈控制协同优化方面的优越性。; 适合人群:具备自动控制理论基础Matlab编程能力,从事控制工程、自动化、机器人、航空航天或相关领域研究的研发人员及研究生。; 使用场景及目标:①应用于移动机器人、无人机、自动驾驶等需要高精度状态反馈的自主系统目标点镇定任务;②解决系统状态不可直接测量或受强噪声干扰时的状态估计与反馈控制耦合问题;③为先进预测控制与状态估计算法的联合设计与工程实现提供可复现的技术范例与实践指导; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注MHE状态估计与MPC控制指令生成之间的数据交互逻辑与时序配合,并尝试在不同非线性系统模型上进行迁移测试,以深入理解MPC-MHE集成机制的核心优势与调参规律。
代码转载自:https://pan.quark.cn/s/a4b39357ea24 WeixinBot star this repo fork this repo python 网页版微信API,包含终端版微信及微信机器人 Contents Demo Web Weixin Pipeline Web Weixin API Discussion Group Recent Update Demo 为了确保能正常运行示例脚本,请安装所需的第三方包。 注:下面演示的图片与功能可能不是最新的,具体请看源码。 按照操作指示在手机微信上扫描二维码然后登录,你可以选择是否开启自动回复模式。 2 开启自动回复模式后,如果接收到的是文字消息就会自动回复,包括群消息。 3 名片,链接,动画表情地址位置消息。 4 5 网页版上有的功能目前基本上都能支持。 Web Weixin Pipeline Web Weixin API 登录 返回数据(String): 注:这里的appid就是在微信开放平台注册的应用的AppID。 网页版微信有两个AppID,早期的是,在微信客户端上显示为应用名称为;现在用的是,显示名称为。 返回数据(String): 返回数据(String): 返回数据(XML): 微信初始化 返回数据(JSON): 返回数据(JSON): 获取联系人信息 返回数据(JSON): 返回数据(JSON)同上 同步刷新 返回数据(String): 返回数据(JSON): 消息接口 返回数据(JSON): 返回数据(JSON): 发送表情 图片接口 多媒体接口 账号类型 消息类型 消息一般格式: 微信初始化消息 文本消息 图片消息 小视频消息 地理位置消息 名片消息 语音消息 动画表...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值