基于图卷积网络的MDD静息态功能磁共振功能连接性别差异研究

摘要

目的：利用图卷积网络（GCN）模型探究不同性别抑郁症（MDD）患者的功能连接差异，为实现MDD的精准诊治提供依据。方法：基于Rest-meta-MDD项目大样本多中心静息态功能磁共振数据，使用GCN模型分别对男性和女性样本进行独立训练，获得不同性别高鉴别脑区的拓扑特征及其与临床症状的相关性。结果：与支持向量机相比，GCN模型的平均分类准确率提高了5%以上。其中，男性组MDD和HC分类的平均准确率为77.91%，且右侧前额叶、右侧顶叶和左侧下顶叶的节点度与汉密尔顿焦虑量表得分呈显著正相关。女性组的平均准确率为79.71%，且右侧枕叶的节点介数与汉密尔顿抑郁量表得分呈显著负相关。结论：GCN提升了男性和女性MDD的分类准确率，提示男性MDD可能为焦虑型，而女性MDD则可能为抑郁型。

关键词

抑郁症 / 静息态功能磁共振 / 图卷积网络 / 性别