项目名称: 探测潜在抑郁症脆弱者的脑动态模型研究

项目编号: No.31271080

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 医药、卫生

项目作者: 王丽红

作者单位: 清华大学

项目金额: 80万元

中文摘要: 在正常人群中发现潜在的抑郁症、焦虑症易患者是早期预防心理疾病的关键。近年来,对抑郁症脆弱者脑内变化的研究虽得到了更多的关注,但大多数研究是依据家族史或幼年精神创伤史等来定义抑郁症脆弱性的。事实上,不是所有的有家族史或幼年精神创伤史的都是抑郁症脆弱者,有些人也可成为抑郁症抵御者。依据大脑对刺激的动态变化来定义抑郁症脆弱性应该是一个更客观的测量指标。本项目将利用反复的精神压力诱发的脑内动态变化建立抑郁症脆弱性的新模型,同时研究与这一生物标记相关的心理因素与环境因素,并验证这一生物学标记的可信度。我们将采集血样本,为日后研究基因与环境对脑功能的影响打下基础。 因我们将依据脑内对压力刺激的动态反应变化来观察判断每个人的结果,这不仅可以检测潜在的抑郁症焦虑症易患者,又可避免因脑功能成像信号的个体差异大而难以用来做个体化诊断的弊病。该方法将为脑功能成像在个体化诊断的临床应用上提供一个新方向。

中文关键词: 精神压力;动态分析;抑郁症的脆弱性;脑功能成像;注意力偏差

英文摘要: Identifying individuals who are potentially vulnerable to depression is an important step toward prevention of depression. There is an increasing interest in investigating underlying neural mechanisms of depression vulnerability to identify biomarkers for vulnerable individuals. So far, family history, risk genes, or early life stress (ELS) are typically used to define depression vulnerability. However, it is well-known that some individuals with ELS can develop resilience to depression. Therefore, using neural responses through functional magnetic resonance imaging (fMRI) to directly identify depression vulnerable individuals would be ideal and objective. However, because of large individual differences in fMRI responses, one can hardly use fMRI responses for individualized diagnosis. To compensate this weakness, we propose to observe neural responses to a repeated stressor dynamically and use the changing trend in neural activation within each subject to identify depression vulnerable individuals. In response to a repeated stressor, such as meeting deadlines for multiple grant submissions, some people habituate and neural responses in their emotional processing system decrease quickly (habituated emotional response, HER). But others may have prolonged emotional responses (PER) and even become sensitized to the

英文关键词: mental stress;dynamic analysis;depression vulnerability;fMRI;attention bias

成为VIP会员查看完整内容
1

相关内容

《智能制造机器视觉在线检测测试方法》国家标准意见稿
专知会员服务
19+阅读 · 2021年8月30日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
65+阅读 · 2021年6月3日
多模态情绪识别研究综述
专知会员服务
165+阅读 · 2020年12月21日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
64+阅读 · 2020年5月31日
主动学习(Active Learning)概述及最新研究
PaperWeekly
2+阅读 · 2022年1月6日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月16日
小贴士
相关VIP内容
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员