基于大规模扩展格兰杰因果的功能磁共振成像大麻使用者分类

文献中已表明大麻使用与脑网络连接的变化相关。我们提出大规模扩展格兰杰因果（lsXGC），并研究其能否利用静息态fMRI捕捉此类变化。该方法将降维与源时间序列增强相结合，并使用预测性时间序列建模来估计fMRI时间序列之间的有向因果关系。它是一种多元方法，因为能够在底层动态系统的所有其他时间序列存在的情况下识别时间序列的相互依赖关系。在此，我们研究该模型能否作为使用来自成瘾连接组预处理计划（ACPI）数据库的126名童年诊断为ADHD的成年受试者对大麻使用者与典型对照组进行分类的生物标志物。我们使用lsXGC估计的脑连接作为分类特征。特征提取后，我们通过Kendall's-tau秩相关系数进行特征选择，随后使用支持向量机进行分类。作为参考方法，我们将结果与互相关进行比较，互相关在文献中通常用作功能连接的标准度量。在100种不同训练/测试（90%/10%）数据划分的交叉验证方案中，对于所有测试的特征数量，lsXGC的均值准确率范围为[0.714, 0.985]，均值受试者工作特征曲线下面积（AUC）范围为[0.779, 0.999]，显著优于互相关所得结果，即均值准确率[0.728, 0.912]和均值AUC[0.825, 0.969]。我们的结果表明lsXGC作为大麻使用的潜在生物标志物的适用性。