کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
318750 539114 2016 9 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
Multivariate pattern analysis of obsessive–compulsive disorder using structural neuroanatomy
ترجمه فارسی عنوان
تجزیه و تحلیل الگوی چندمتغیره اختلال وسواس اجباری با استفاده از کالبدشناسی اعصاب ساختاری
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
اختلال وسواسی اجباری؛ تصویربرداری رزونانس مغناطیسی ساختاری؛ تجزیه و تحلیل الگوی چندمتغیره ؛ ماشین بردار پشتیبانی؛ طبقه بندی فرآیند گوسی
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی روانپزشکی بیولوژیکی
چکیده انگلیسی

Magnetic resonance imaging (MRI) studies have revealed brain structural abnormalities in obsessive–compulsive disorder (OCD) patients, involving both gray matter (GM) and white matter (WM). However, the results of previous publications were based on average differences between groups, which limited their usages in clinical practice. Therefore, the aim of this study was to examine whether the application of multivariate pattern analysis (MVPA) to high-dimensional structural images would allow accurate discrimination between OCD patients and healthy control subjects (HCS). High-resolution T1-weighted images were acquired from 33 OCD patients and 33 demographically matched HCS in a 3.0 T scanner. Differences in GM and WM volume between OCD and HCS were examined using two types of well-established MVPA techniques: support vector machine (SVM) and Gaussian process classifier (GPC). We also drew a receiver operating characteristic (ROC) curve to evaluate the performance of each classifier. The classification accuracies for both classifiers using GM and WM anatomy were all above 75%. The highest classification accuracy (81.82%, P<0.001) was achieved with the SVM classifier using WM information. Regional brain anomalies with high discriminative power were based on three distributed networks including the fronto-striatal circuit, the temporo-parieto-occipital junction and the cerebellum. Our study illustrated that both GM and WM anatomical features may be useful in differentiating OCD patients from HCS. WM volume using the SVM approach showed the highest accuracy in our population for revealing group differences, which suggested its potential diagnostic role in detecting highly enriched OCD patients at the level of the individual.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Neuropsychopharmacology - Volume 26, Issue 2, February 2016, Pages 246–254
نویسندگان
, , , , , , , , ,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت