10.3969/j.issn.1006-9852.2018.04.009
基于功能磁共振和机器学习的疼痛神经标志研究进展
疼痛是一种主观感受及大部分疾病的主要症状之一.病人的自主报告是临床中测量疼痛的金标准,但缺乏客观性和灵敏度,且不适用于无法报告的病人群体.近年来,多变量模式分析 (multivari-ate pattern analysis, MVPA) 应用机器学习 (machine learning, ML)方法分析疼痛状态下大脑的功能磁共振图像(functional magnetic resonance imaging, fMRI),以识别具有特异性的神经疼痛标志(Neurologic pain signature, NPS).fMRI神经疼痛标志 (fMRI-NPS) 是疼痛刺激和神经调节系统共同作用的结果,因此fMRI-NPS可作为个体的客观疼痛量化指标,并用于研究疼痛的病理生理学机制.本文综述基于ML方法识别的急、慢性疼痛病人的fMRI-NPS,及其应用于疼痛评估的研究进展,并总结fMRI-NPS在疼痛临床研究如神经病理学机制研究、药物疗效评估等方面的意义.
疼痛、功能磁共振、机器学习、分类
24
深圳市科技计划础研究学科布局JCYJ20160429181451546
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
281-287