CN109480866A - 一种利用瞳孔测量ppi的方法 - Google Patents
一种利用瞳孔测量ppi的方法 Download PDFInfo
- Publication number
- CN109480866A CN109480866A CN201811261586.1A CN201811261586A CN109480866A CN 109480866 A CN109480866 A CN 109480866A CN 201811261586 A CN201811261586 A CN 201811261586A CN 109480866 A CN109480866 A CN 109480866A
- Authority
- CN
- China
- Prior art keywords
- stimulation
- sound
- ppi
- weak
- subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Neurology (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Child & Adolescent Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种利用瞳孔测量PPI的方法,该方法的要点是:通过测定受试者惊反射刺激前后瞳孔的大小运用合理的运算公式得出受试者的PPI。本发明的方法可以用于鉴定存在感觉门控缺损的人群,包括健康人群中心理素质差或者抗压能力差的人群,也可以用于鉴定存在感觉门控缺损的临床病人。因此本发明的方法应用广泛,适宜推广。
Description
技术领域
本发明属于电生理领域,涉及一种测量PPI的新方法,具体涉及利用瞳孔测量PPI的方法。
背景技术
感觉门控(Sensory Gating,SG)主要反映大脑的抑制功能,具体为个体在工作环境中对无关刺激的滤过能力。当人体感觉门控机制存在障碍时,将无法屏蔽无关刺激,外界环境和自身刺激信息过多的涌入脑内,而无法将有限的认知加工资源集中于靶刺激,影响正常的认知过程,导致认知破裂和思维障碍。
感觉门控可通过事件相关电位P50及前脉冲抑制(Prepulse Inhibition,PPI)来测量,而PPI主要以惊反射抑制比来反映。惊反射(Startle Reflex)是人和动物应对突发性强刺激的防御性反应,常表现为肌肉的快速收缩,在日常生活中具有积极作用,但是它的出现也往往导致当下行为活动的中止,而干扰人和动物正常的认知加工过程。门控机制能有效地抑制惊反射,从而保证工作的正常进行。PPI就是在强刺激(惊刺激,即干扰信息)前50-300ms施加一个不引起惊反射的弱刺激(前脉冲刺激,即目标信息),通过惊反射降低的程度来反映大脑的抑制功能。PPI的关键是个体对弱刺激的感知。Graham的加工保护理论认为,弱刺激同时引发了一个兴奋-抑制过程,即对弱刺激的加工以及对后续刺激的抑制,用以保护对弱刺激的早期知觉编码。
PPI可塑性较好,可通过调整强刺激或弱刺激的强度及两者间隔时间等对实验范式进行调整。同时,它也是哺乳动物共有的感觉门控测量方法,广泛用于各项动物和人类研究中。
传统的PPI水平是通过肌电来测量,通过眼轮匝肌的肌电反映惊反射的抑制情况,而眨眼将无可避免的成为噪音污染数据,这是PPI稳定性不佳原因之一。所以如果希望PPI能真正应用于实践中,可能还需要对原有实验范式优化,提高PPI测查的效应值。
发明内容
为了克服现有技术的缺陷,本发明的目的是提供一种稳定性高的利用瞳孔测量PPI的方法。本发明的上述方法的原理如下:在受试者接受PPI实验范式测试过程中,随惊反射刺激呈现,将导致受试者交感神经兴奋致使瞳孔扩大。通过红外线眼动设备,记录瞳孔扩大程度,以刺激呈现前若干时间段作为基线,以刺激呈现后扩大的瞳孔直径作为测量指标,计算不同条件下瞳孔直径扩大的百分比,从而得出瞳孔测量PPI的方法。
为了实现上述目的,本发明采用了如下技术方案:
根据本发明的一个方面,本发明提供了一种测量PPI的方法,其特征在于,所述方法通过测定瞳孔的大小来测定PPI。
进一步,所述方法包括如下步骤:
(1)设置知觉空间分离范式或知觉空间重合范式;
(2)测定刺激前后受试者的瞳孔大小;
(3)按照以下公式计算PPI:
刺激前瞳孔大小记为基线S0;
强刺激瞳孔大小记为S1,弱+强刺激瞳孔大小记为S2;
PPI=(S1-S2)/(S1-S0)×100%。
优选地,所述强刺激是长度为150ms白噪声,所述弱刺激是长度为40ms白噪声。
在具体实施方案中,所述弱刺激和强刺激间时间间隔为120ms。
在具体实施方案中,所述弱刺激和强刺激间时间间隔为60ms。
进一步,所述方法还包括如下步骤:
选择声音素材:长度为15s的白噪声作为背景噪声,长度为150ms白噪声的弱刺激声音,长度为40ms白噪声的强刺激声音;声音信号利用声卡输入到监听耳机呈现给受试者;以下是各声音具体参数:
背景声:白噪声,分为左声道或右声道领先3ms,持续时间15s,声压级60dB SPL;弱刺激:白噪声,分为左声道或右声道领先3ms,持续时间150ms,声压级65dB SPL;强刺激:白噪声,持续时间40ms,100dB SPL;当背景声与弱刺激领先声道不相同时,即造成知觉空间分离;而当两者领先声道重合时,则是知觉空间重合。
更进一步,所述方法还包括如下步骤:
测试准备流程:受试者坐在检查椅上,头部固定于头托上,眼睛距眼动仪显示器合适的距离。全身肌肉放松,嘱实验过程中尽量保持清醒,双眼注视屏幕,尽量保持头部固定不动;对各声音素材进行学习,每个声音素材学习数遍,对所有被试给予相同的指导语,背景声和弱刺激需被试分辨左声道或右声道领先,对被试进行单眼3点刻度眼动校准,嘱被试注视前方十字,开始测试。测试前30分钟内不允许吸烟。
在具体的实施方案中,受试者眼睛距眼动仪显示器距离为60ms,每个声音素材学习3遍。
本发明采用的设置知觉空间分离范式或知觉空间重合范式步骤如下:
整个测试包含数个区组,每个区组包含数个试次;每个区组内背景噪声左声道领先或右声道领先保持不变,区组间声道领先左右交替进行;每组刺激序列如下:先给予2个仅有强刺激的试次,让被试适应测试环境,此试次值不纳入最后统计;然后给出强刺激和弱+强刺激组合,弱-强刺激间时间间隔为120ms或60ms,弱刺激左声道领先或右声道领先,各5个试次,每个试次的时间间隔为10~20s不等,平均15s,试次随机呈现。
在具体实施方案中,整个测试包含4个区组,每个区组包含27个试次。
根据本发明的另一个方面,本发明提供了前面所述的测量PPI的方法在评价受试者感觉门控功能中的应用。评价感觉门控功能的步骤如下:
(1)利用前面所述的测量PPI的方法测量受试者的PPI;
(2)与健康受试者相比,如果一个受试者的PPI百分比显著降低,则说明该受试者存在感觉门控缺损。
根据本发明的又一个方面,本发明提供了前面所述的测量PPI的方法在评价人的抗压能力中的应用,评价人的抗压能力的步骤如下:
(1)利用前面所述的测量PPI的方法测量健康受试者的PPI;
(2)与健康受试者的平均PPI相比,如果该健康受试者的PPI百分比显著降低,则说明该健康受试者属于健康受试者中抗压能力差的一类人。
根据本发明的又一个方面,本发明提供了前面所述的测量PPI的方法在评价人的心理素质中的应用,评价人的心理素质的步骤如下:
(1)利用前面所述的测定PPI的方法测定健康受试者的PPI;
(2)与健康受试者的平均PPI相比,如果该健康受试者的PPI百分比显著降低,则说明该健康受试者属于健康受试者中心理素质差的一类人。
存在感觉门控缺损的人群包括正常人群和临床病人。存在感觉门控缺损的正常人群包括上面提到的抗压能力差的人、心理素质差的人。存在感觉门控缺损的临床病人包括创伤性脑损伤患者、阿尔兹海默氏病患者、恐慌症患者、舞蹈病患者、精神***症患者。因此为了研究利用瞳孔测量PPI这一方法的有效性,选择的研究对象可以是正常人群,也可以是临床患者,只要存在感觉门控缺损的人都可以作为本发明的研究对象。考虑到研究对象收集的难易程度以及结果判断的难以程度,在本发明的具体实施方案中,申请人选择了精神***症患者作为研究对象。虽然本发明采用了精神***症患者作为研究对象,并不是说本发明的利用瞳孔测量PPI这一方法只适用于精神***症患者的筛选,利用精神***症患者作为研究对象仅仅是为了证明利用瞳孔测量PPI这一方法的有效性,本发明的结论同样适用于正常人群,即本发明的利用瞳孔测量PPI这一方法可以有效的用于筛选心理素质强或者抗压能力强的正常人群。
感觉门控的正常功能应该是调节到脑的感觉传入量,如果一个人处在危险的时刻,他需要及时获悉所有的声音,那么此时感觉门控通路需要允许大脑变得非常敏感,但如果声音已经探测到或如果环境非常嘈杂,那么大脑就需要强烈地进行过滤,以防止大脑被无关的声音分散注意力或变得心烦意乱或精神错乱,因此本发明的利用瞳孔测量PPI这一方法可以通过筛选心理素质强或者抗压能力强的正常人群,让需要较好抗压能力或较好心理素质的特殊任务的执行成为可能,从而提高特殊任务的执行效率。
如本文所述,“受试者”包括人或者除人之外的动物。在实际应用中,常需要进行PPI测量的动物就是狗,比如导盲犬、警犬、搜救犬等等。
如本文所述,“正常人”与“健康受试者”可以互换使用。
如本文所述,“受试者”与“被试”可以互换使用。
附图说明
图1显示PPI范式示意图;
图2显示首发未用药精神***症患者、慢性患者及健康受试者的神经心理测验结果;
图3显示首发未用药精神***症患者、慢性患者及健康受试者的PPI结果;
图4显示诊断首发未用药精神***症患者、慢性患者的基于MCCB、P50和PPI模型的ROC曲线,其中,A:Logistics回归模型,B:随机森林模型;
图5显示诊断首发未用药精神***症患者、健康受试者的基于MCCB、P50和PPI模型的ROC曲线,其中,A:Logistics回归模型,B:随机森林模型;
图6显示诊断慢性患者、健康受试者的基于MCCB、P50和PPI模型的ROC曲线,其中,A:Logistics回归模型,B:随机森林模型。
具体实施方式
在描述本发明之前,应当理解本发明不限于所述的具体方法和实验条件,因为这类方法和条件可以变动。还应当理解本文所用的术语其目的仅在于描述具体实施方案,并且其意图不是限制性的,本发明的范围将仅由所附的权利要求书限制。
除非另外定义,否则本文中所用的全部技术与科学术语均具有如本发明所属领域的普通技术人员通常理解的相同含义。
虽然在本发明的实施或测试中可以使用与本发明中所述相似或等价的任何方法和材料,本文在此处例举优选的方法和材料。
实施例1PPI测量
一、数据来源
所有被试都经过DSM-IV(The Diagnostic and Statistical Manual of MentalDisorders)临床定式访谈(Structured Clinical Interview for DSM-IV,SCID)筛查。患者被试为2015年12月至2017年1月符合入组标准的在首都医科大学附属北京安定医院住院的首发未用药精神***症患者及慢性精神***症患者各35名;正常被试为与患者被试在性别、受教育年限、智商等匹配,符合入组标准的健康人群共35名。除去不配合被试(首发未用药患者组3名、慢性患者组1名)外,共收集被试101名,采集人口学及临床资料,包括性别、年龄、受教育年限等,还包括患者被试的病程、服药剂量、阳性和阴性症状评定量表(Positiveand Negative Syndrome Scale,PANSS)。同时还采集改善精神***症认知的评估和治疗研究(the Measurement and Treament Research to Improve Cognition InSchizophrenia,MATRICS)编制的MATRICS共识认知成套测验(MATRICS ConsensusCognitive Battery,MCCB),瞳孔测量PPI,脑电P50。
二、数据采集工具
刺激呈现计算机:DELL,X16DELL,X16DELL,X16-96076
眼动采集***:SR Research SR Research SR Research公司Eyelink 1000Plus眼动仪
脑电采集***:EGI EGI公司128导脑电记录设备
声压校正仪:Larson Davis,AUDit and System 824
声卡:Creative,SB X Creative
监听耳机:Sennheiser,HD600
筛查量表:DSM DSM-IV临床定式访谈(SCID)
一般资料收集量表:自制病例报告表(Case Report Form,CRF)
临床症状评估:阳性与阴症状评定量表(PANSS)
智力评估:简易韦氏智力测试
神经认知评估:MATRICS共识认知成套测验(MCCB)
三、研究对象
样本(病例)选择方法
入组标准:
(1)年龄16-55岁,右利手初中及以上文化程度;
(2)受试者和/或受试者家属、监护人签署知情同意书;
(3)视力或矫正常,双侧瞳孔等大圆约2~5mm;
(4)无色盲、严重斜视及眼科疾病影响瞳孔大小记录者;
(5)无听力***疾病(纯音觉阈限≤40dB SPL);
(6)对照组:无明确诊断的精神疾病、神经***和其他严重躯体史;无神经、精疾病家族史;与患者组的年龄、性别、受教育程度相匹配;
患者组:符合SCID精神***症诊断标准;入组时无明确的除精神***症外的其他精神疾病、神经***和其他严重躯体疾病史;无神经***疾病家族史。病程小于3年且未用药入首发患者组,大于5年入慢性患者组。
排除标准:
(1)妊娠或哺乳期妇女,因其他躯体疾病不能中断使用药物者;
(2)近2个月使用过影响瞳孔大小药物者;
(3)对照组:最近两个月内献血或作为被试被采血者;当前或曾经服用过抗精神病药、抗抑郁药、中枢***(包括***)、情感稳定剂者或接受过电休克治疗者;
患者组:极度兴奋、冲动、不合作者;研究者认为被试在研究过程中会有***或暴力行为者;6个月内参加过其他科研治疗或受过MECT治疗的患者。
四、样本的采集及处理方法
抽样方法采用方便抽样,被试纳入并签署知情同意书后进行SCID筛查,未患精神疾病且符合入排标准者入健康被试,患精神***症者根据入排标准及病程要求入患者被试。对一般人口学资料、临床资料、MCCB、瞳孔测量PPI、脑电P50进行资料的收集。
五、研究方法
1、一般资料收集方法
通过问卷的形式,由主试询问被试的一般人口学资料,如被试为患者,还将询问被试的病史资料等。PANSS评分由2名经严格培训并实施一致性评定合格的临床医师施测。
2、简易韦氏智力测试
测查韦氏智力测试的4个维度,包含知识量表、相似量表、填图量表、木块量表。由3名经严格培训的主试进行施测。
3、MCCB认知测试
测试的认知维度包括:信息处理速度、注意/警觉、工作记忆、词语学习、视觉学习、推理和问题解决、社会认知。由3名经严格培训的主试进行施测。为避免被试疲劳,中间可有5~10分钟的休息。
4、瞳孔测量PPI
(1)实验设备:SR Research公司Eyelink1000Plus眼动仪。
(2)实验地点:被试PPI瞳孔测量将在听觉隔音屏蔽室中进行,保持一定光亮和温度。
(3)声音素材:所需声音素材皆由使用MATLAB函数库中的“randn()”生成,抽样率为48kHz。生成长度为15s的白噪声作为背景噪声。另外生成长度为150ms白噪声的弱刺激声音,及长度为40ms白噪声的强刺激声音。声音信号利用声卡(Creative,SB X-FI)输入到森海塞尔监听耳机呈现给被试。利用声压校正仪(Larson Davis,AUDit and System 824)进行声压校正。以下是各声音具体参数:背景声:白噪声,分为左声道或右声道领先3ms,持续时间15s,声压级60dB SPL;弱刺激:白噪声,分为左声道或右声道领先3ms,持续时间150ms,声压级65dB SPL;强刺激:白噪声,持续时间40ms,100dB SPL。当背景声与弱刺激领先声道不相同时,即造成知觉空间分离(Perceived Spatial Separation,PSS);而当两者领先声道重合时,则是知觉空间重合(Perceived Spatial Co-location,PSC)。
(4)测试流程
嘱被试坐在检查椅上,头部固定于头托上,眼睛距眼动仪显示器60cm。全身肌肉放松,嘱实验过程中尽量保持清醒,双眼注视屏幕,尽量保持头部固定不动。对各声音素材进行学习,每个声音素材学习3遍,对所有被试给予相同的指导语,背景声和弱刺激需被试分辨左声道或右声道领先,对被试进行单眼3点刻度眼动校准,嘱被试注视前方十字,开始测试。测试前30分钟内不允许吸烟。
(5)测试范式
整个测试包含4个区组(Block),每个区组包含27个试次(Trial)。每个区组内背景噪声左声道领先或右声道领先保持不变,区组间声道领先左右交替进行。每组刺激序列如下:先给予2个仅有强刺激的试次,让被试适应测试环境,此试次值不纳入最后统计;然后给出强刺激和弱+强刺激组合(弱-强刺激间时间间隔为120ms或60ms,弱刺激左声道领先或右声道领先)各5个试次,每个试次的时间间隔为10~20s不等(平均15s),试次(伪)随机呈现,使用眼动仪记录瞳孔大小。具体范式见图1。
(6)统计指标
刺激前200ms瞳孔大小记为基线S0;
强刺激瞳孔大小记为S1,弱+强刺激瞳孔大小记为S2;
计算瞳孔大小变化百分比PPI=(S1-S2)/(S1-S0)×100%。
5、脑电P50测试
(1)实验设备:EGI公司128导脑电记录仪。
(2)实验地点:被试脑电P50测试将在听觉隔音屏蔽室中进行,保持一定光亮和温度。
(3)声音素材:成对刺激(S1、S2),每个刺激持续时间1ms,刺激间隔时间为500ms;每对刺激间隔8~12s,整个测试共80对刺激。
(4)测试流程
测量被试头部大小,自眉心开始经耳上及枕骨粗隆再到眉心为周长。选择合适电极帽,给被试戴好后嘱其坐在检查椅上,进行阻抗检测,要求所有电极阻抗小于50Kω。嘱被试全身肌肉放松,实验过程中尽量保持清醒,双眼注视屏幕,减少头部晃动。对所有被试给予相同的指导语。
使用EGI公司Net Station软件记录数据,记录时以Cz点作为参考电极(Reference),COM点接地(Ground)。采样率(A/D)为1000Hz,低通(Low-pass)0.3Hz,高通(High-pass)80Hz。
(5)脑电分析
使用EEGLAB工具包对脑电进行分析。首先定位电极位置(Channel Location);重置参考电极(Re-reference),离线分析P50时,以全脑平均为参考电极;滤波(Filters):带宽0.3Hz~40Hz;分段(Segmentation):按刺激前100ms和刺激后200ms分段;剔除电极(Channel Rejection):移除坏的电极并且插值坏导;独立成分分析(IndependentComponent Analysis,ICA):去除肌电、心电、垂直眼动、水平眼动等明显的伪迹;基线校正(Baseline Correction):以刺激前100ms的脑电为基线进行基线校正;叠加平均(Average):按标记(Mark)进行叠加平均,得出P50指标。
(6)统计指标
振幅(Amp,Amplitude):S1Amp,S2Amp,P50差异值(S1-S2),单位V;潜伏期(Lat,Latency):S1Lat,S2Lat,单位ms;比值:S2/S1。
注意要点:主要分析Cz点P50指标;S2波幅为0或为负数时,则认为S2被完全抑制,统一记为“0”;S2/S1波幅比值最大值为2。
6、统计方法
(1)各组间均数的比较
方差齐且正态分布,单因素方差分析;不符合方差分析标准,Kruskal-Wallis检验。
(2)关联性分析:各组对连续变量采用Person分析,分析瞳孔测量PPI与PANSS、MCCB、P50等指标的相关性。
(3)比较MCCB、P50、瞳孔测量PPI对疾病的分类效果:采用Logistics回归(Logistics Regression)和随机森林(Random Forest)方法,计算三组变量对应模型的ROC曲线下面积,并应用Delong Test比较各ROC差异是否具有统计学意义。
(4)统计检验具有统计学意义的标准设为0.05。
7、结果
(1)一般人口学及临床资料统计
纳入符合入组标准的首发未用药患者组(First Episode patients,FE)被试35例,因不配合剔除3例被试,共采集32例被试数据,其中男性18例,女性14例,平均年龄24.1±7.5岁,平均受教育年限12.5±2.7年,平均智商99.7±12.6;吸烟者4例,精神疾病阳性家族史8例;平均发病年龄21.5±7.2岁,平均病程15.3±14.6月;未用药;平均阳性量表得分20.1±5.8,平均阴性量表得分22.5±8.3,平均一般精神病理量表得分38.7±6.5,平均PANSS总分81.7±13.1。
纳入符合入组标准的慢性患者组(Chronic Schizophrenia patients,CS)被试35例,因不配合剔除1例被试,共采集34例被试数据,其中男性18例,女性16例,平均年龄33.6±10.2岁,平均受教育年限12.8±2.5年,平均智商94.7±15.3;吸烟者11例,精神疾病阳性家族史9例;平均发病年龄20.4±7.1岁,平均病程139.9±90.7月;以奥氮平为标准药,各个药物经有效剂量换算,平均用药13.6±13.6mg/d;平均阳性量表得分22.2±5.8,平均阴性量表得分23±7.7,平均一般精神病理量表得分41.6±9.1,平均PANSS总分86.9±16.9。
纳入符合入组标准的健康对照组(Healthy Control subjects,HC)被试35例,共采集35例被试数据,其中男性17例,女性18例,平均年龄34.6±10.3,平均受教育年限13.3±2.5年,平均智商106.2±12.4;吸烟者8例,精神疾病阳性家族史无。具体见表1。
表1首发未用药精神***症患者、慢性患者及健康受试者的人口学和临床特征
注:a.Chi-square test,卡方检验;NA:Not Available,不适用;FE:FirstEpisode patients,首发未用药精神***症患者;CS:Chronic Schizophrenia patients,慢性精神***症患者;HC:Healthy Control subjects,健康受试者;PANSS:Positive andNegative Syndrome Scale,阳性和阴性症状量表;P Score:Positive Symptom Subscale,阳性量表得分;N Score:Negative Symptom Subscale,阴性量表得分;G Score:GeneralSymptom Subscale,一般精神病理量表得分.
(2)MCCB认知评估结果
将FE、CS和HC的MCCB认知测查的7项分领域分及MCCB总分进行单因素方差分析,结果显示三组被试在信息处理速度、注意/警觉、词语学习、推理和问题解决、MCCB总分这5个项目上的差异具有统计学意义(见图2),**P<0.01,**P<0.001。进一步对各组间进行两两比较(经Bonferroni法校正)发现,只有FE与HC、CS与HC间的差异具有统计学意义。具体见表2。
表2首发未用药精神***症患者、慢性患者及健康受试者的神经心理测验比较
注:MCCB:MATRICS Consensus Cognitive Battery,MATRICS共识认知成套测验;SoP:Speed of Processing;A/V:Attention/Vigilance;WM:Working Memory;VerL:VerbalLearning;VisL:Visual Learning;RaPS:Reasoning and Problem Solving;SC:SocialCognition.
(3)脑电P50结果
将FE、CS和HC的脑电P50的6项指标进行单因素方差分析,结果显示三组被试在P50S2Amp、P50S2Lat、P50Ratio项目上的差异具有统计学意义。进一步对各组间进行两两比较(经Bonferroni法校正)发现,P50S2Amp项目中FE与HC具有统计学意义,P50S2Lat项目中FE与HC及CS与HC间的差异具有统计学意义,P50Ratio项目中各组间差异不具有统计学意义。具体见表3。
表3首发未用药精神***症患者、慢性患者及健康受试者P50和PPI的比较
注:P50:事件相关电位P50成分;PPI:Prepulse Inhibition,前脉冲抑制;P50S1Amp:P50S1Amplitude,P50S1刺激振幅;P50S2Amp:P50S2Amplitude,P50S2刺激振幅;P50S1Lat:P50S1Latency,P50S1潜伏期;P50S2Lat:P50S2Latency,P50S2潜伏期;P50Diff:P50Difference,P50差异值;P50Ratio:P50抑制比;PSC120:Perceived Spatial Co-location PPI with Inter-stimulus Interval(ISI)=120ms,ISI为120ms知觉空间重合PPI范式;PSS120:Perceived Spatial Separation PPI with ISI=120ms,ISI为120ms知觉空间分离PPI范式;PSC60:ISI为60ms知觉空间重合PPI范式;PSS60:ISI为60ms知觉空间分离PPI范式.
(4)瞳孔测量PPI结果
将FE、CS和HC的瞳孔测量PPI进行单因素方差分析,结果显示三组被试在PSC120、PSS120、PSS60项目上的差异具有统计学差异(见图3),**P<0.01,**P<0.001。进一步对各组间进行两两比较(经Bonferroni法校正)发现,只有FE与HC、CS与HC间的差异具有统计学意义。具体见表3。
实施例2瞳孔测量PPI的有效性检测
基于MCCB、P50、瞳孔测量PPI的疾病分类模型
1、FE组与CS组的分类效果
将FE组标记为1,CS组标记为0,分别基于MCCB认知评估各变量(8项)、脑电P50各变量(6项)和瞳孔测量PPI(4项),利用Logistics回归和随机森林算法建模,并采用10折交叉验证(10-fold Cross Validation,10-fold CV)绘制ROC曲线(Receiver OperatingCharacteristic curves,ROC curves),通过Delong Test评估模型优劣(见图4)。结果显示,各模型准确率53.0%~68.2%,ROC曲线下面积(ROC Area Under Curvrs,AUC)54.2%~73.8。总体上来说,MCCB、P50、PPI三者的分类模型差异不明显,区分FE组与CS组效果都不佳。具体见表4。
2、FE组与HC组的分类效果
将FE组标记为1,HC组标记为0,分别基于MCCB认知评估各变量(8项)、脑电P50各变量(6项)和瞳孔测量PPI(4项),利用Logistics回归和随机森林算法建模,并采用10折交叉验证(10-fold Cross Validation,10-fold CV)绘制ROC曲线,通过Delong Test评估模型优劣(见图5)。结果显示,PPI变量组的Logistics回归模型准确率高达82.1%,AUC为85.5%,与MCCB组和P50的差异具有统计学意义;PPI的随机森林模型准确率为76.1%,AUC为83.9,与MCCB组变量的差异具有统计意义。具体见表4。
3、CS组与HC组的分类效果
将CS组标记为1,HC组标记为0,分别基于MCCB认知评估各变量(8项)、脑电P50各变量(6项)和瞳孔测量PPI(4项),利用Logistics回归和随机森林算法建模,并采用10折交叉验证(10-fold Cross Validation,10-fold CV)绘制ROC曲线,通过Delong Test评估模型优劣(见图6)。结果显示,PPI变量组模型准确率最高达86.9%,AUC最高达94.5%,无论是Logistics回归模型还是随机森林模型,PPI变量组模型都要优于MCCB组和P50组,并且差异具有统计学意义。具体见表4。
表4基于MCCB、P50、PPI的疾病分类模型
注:FE vs.CS:Differentiating CS from FE,FE与CS的分类效果;FE vs.HC:Differentiating FE from HC,FE与HC的分类效果;CS vs.HC:Differentiating CS fromHC,CS与HC的分类效果;Acc:Accuracy,准确率;Sens:Sensitivity,敏感度;Spec:Specificity,特异度;AUC:Area Under the ROC curve,ROC曲线下面积;Logistics:Logistics Regression Model,Logistics回归模型;RF:Random Forest Model,随机森林模型.
a.MCCB vs.PPI P=0.013,P50vs.PPI P=0.003(DeLong's test for twocorrelated ROC curves)
b.MCCB vs.PPI P=0.018(DeLong's test for two correlated ROC curves)
c.MCCB vs.PPI P=0.027,P50vs.PPI P=0.000(DeLong's test for twocorrelated ROC curves)
d.MCCB vs.PPI P=0.004,P50vs.PPI P=0.002(DeLong's test for twocorrelated ROC curves)
此外应理解,在阅读了本发明的上述讲授内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (10)
1.一种测量PPI的方法,其特征在于,所述方法通过测定瞳孔的大小来测量PPI。
2.根据权利要求1所述的方法,其特征在于,所述方法包括如下步骤:
(1)设置知觉空间分离范式或知觉空间重合范式;
(2)测定刺激前后受试者的瞳孔大小;
(3)按照以下公式计算PPI:
刺激前瞳孔大小记为基线S0;
强刺激瞳孔大小记为S1,弱+强刺激瞳孔大小记为S2;
PPI=(S1-S2)/(S1-S0)×100%。
3.根据权利要求2所述的方法,其特征在于,所述强刺激是长度为150ms白噪声,所述弱刺激是长度为40ms白噪声。
4.根据权利要求2或3所述的方法,其特征在于,所述弱刺激和强刺激间时间间隔为120ms。
5.根据权利要求2或3所述的方法,其特征在于,所述弱刺激和强刺激间时间间隔为60ms。
6.根据权利要求2的方法,其特征在于,所述方法还包括如下步骤:
选择声音素材:长度为15s的白噪声作为背景噪声,长度为150ms白噪声的弱刺激声音,长度为40ms白噪声的强刺激声音;声音信号利用声卡输入到监听耳机呈现给受试者;以下是各声音具体参数:
背景声:白噪声,分为左声道或右声道领先3ms,持续时间15s,声压级60dB SPL;弱刺激:白噪声,分为左声道或右声道领先3ms,持续时间150ms,声压级65dB SPL;强刺激:白噪声,持续时间40ms,100dB SPL;当背景声与弱刺激领先声道不相同时,即造成知觉空间分离;而当两者领先声道重合时,则是知觉空间重合。
7.根据权利要求2的方法,其特征在于,所述方法还包括如下步骤:
测试准备流程:受试者坐在检查椅上,头部固定于头托上,眼睛距眼动仪显示器合适的距离。全身肌肉放松,嘱实验过程中尽量保持清醒,双眼注视屏幕,尽量保持头部固定不动;对各声音素材进行学习,每个声音素材学习数遍,对所有被试给予相同的指导语,背景声和弱刺激需被试分辨左声道或右声道领先,对被试进行单眼3点刻度眼动校准,嘱被试注视前方十字,开始测试。测试前30分钟内不允许吸烟。
8.根据权利要求7所述的方法,其特征在于,受试者眼睛距眼动仪显示器距离为60ms,每个声音素材学习3遍。
9.根据权利要求2的方法,其特征在于,设置知觉空间分离范式或知觉空间重合范式步骤如下:
整个测试包含数个区组,每个区组包含数个试次;每个区组内背景噪声左声道领先或右声道领先保持不变,区组间声道领先左右交替进行;每组刺激序列如下:先给予2个仅有强刺激的试次,让被试适应测试环境,此试次值不纳入最后统计;然后给出强刺激和弱+强刺激组合,弱-强刺激间时间间隔为120ms或60ms,弱刺激左声道领先或右声道领先,各5个试次,每个试次的时间间隔为10~20s不等,平均15s,试次随机呈现。
10.根据权利要求9所述的方法,其特征在于,整个测试包含4个区组,每个区组包含27个试次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261586.1A CN109480866A (zh) | 2018-10-26 | 2018-10-26 | 一种利用瞳孔测量ppi的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811261586.1A CN109480866A (zh) | 2018-10-26 | 2018-10-26 | 一种利用瞳孔测量ppi的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109480866A true CN109480866A (zh) | 2019-03-19 |
Family
ID=65692786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811261586.1A Pending CN109480866A (zh) | 2018-10-26 | 2018-10-26 | 一种利用瞳孔测量ppi的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109480866A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246551A (zh) * | 2021-11-01 | 2022-03-29 | 苏州市广济医院 | 一种诊断精神***症的***及其应用 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030131369A1 (en) * | 2001-09-24 | 2003-07-10 | Allen Keith D. | Metabotropic glutamate receptor 4B (mGluR4) disruptions, compositions and methods relating thereto |
CN103637774A (zh) * | 2013-12-18 | 2014-03-19 | 王昌利 | 一种人类震惊反射实验***及其工作方法 |
CN203619569U (zh) * | 2013-10-21 | 2014-06-04 | 中国科学院深圳先进技术研究院 | 一种震惊反射测试装置 |
CN107007919A (zh) * | 2017-04-11 | 2017-08-04 | 北京大学 | 一种听觉注意ppi调节*** |
-
2018
- 2018-10-26 CN CN201811261586.1A patent/CN109480866A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030131369A1 (en) * | 2001-09-24 | 2003-07-10 | Allen Keith D. | Metabotropic glutamate receptor 4B (mGluR4) disruptions, compositions and methods relating thereto |
CN203619569U (zh) * | 2013-10-21 | 2014-06-04 | 中国科学院深圳先进技术研究院 | 一种震惊反射测试装置 |
CN103637774A (zh) * | 2013-12-18 | 2014-03-19 | 王昌利 | 一种人类震惊反射实验***及其工作方法 |
CN107007919A (zh) * | 2017-04-11 | 2017-08-04 | 北京大学 | 一种听觉注意ppi调节*** |
Non-Patent Citations (1)
Title |
---|
MICHELLE I.C. DE HAAN: "The influence of acoustic startle probes on fear learning in humans", 《SCIENTIFIC REPORTS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114246551A (zh) * | 2021-11-01 | 2022-03-29 | 苏州市广济医院 | 一种诊断精神***症的***及其应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190110754A1 (en) | Machine learning based system for identifying and monitoring neurological disorders | |
CA3113322C (en) | Systems and methods for cooperative invasive and noninvasive brain stimulation | |
JP6124140B2 (ja) | 患者の認知機能の評価 | |
CN105658134B (zh) | 脑健康的多模态药理诊断评价 | |
RU2428110C2 (ru) | Система и способ для диагностики нарушений деятельности ствола головного мозга | |
CN104135920B (zh) | 将脑信号与脑状态的有意改变和无意改变关联 | |
JP3581319B2 (ja) | 脳活動自動判定装置 | |
WO2014150684A1 (en) | Artifact as a feature in neuro diagnostics | |
KR102379132B1 (ko) | 디지털 컨텐츠 기반 치료 정보 제공 장치 및 방법 | |
Zhang et al. | Coherence in P300 as a predictor for the recovery from disorders of consciousness | |
JP7323137B2 (ja) | 人工知能に基づく脳情報提供装置及び方法 | |
Manjur et al. | Detecting Autism Spectrum Disorder and Attention Deficit Hyperactivity Disorder Using Multimodal Time-Frequency Analysis with Machine Learning Using the Electroretinogram from Two Flash Strengths | |
Frick et al. | Detection of schizophrenia: A machine learning algorithm for potential early detection and prevention based on event-related potentials. | |
CN109480866A (zh) | 一种利用瞳孔测量ppi的方法 | |
Buettner et al. | Machine Learning Based Diagnostics of Developmental Coordination Disorder using Electroencephalographic Data | |
Swati et al. | Machine learning systems for detecting schizophrenia | |
Garcıa-Camba et al. | Auditory brainstem response in Wave VI for the detection of learning disabilities | |
CN109199413A (zh) | 一种利用瞳孔测量ppi的*** | |
RU2722056C1 (ru) | Способ диагностики парафильных расстройств с применением трекинга глаз | |
US20220023312A1 (en) | Methods and systems for detecting psychotic disorders associated with serotonin receptor deficiencies | |
WO2020218493A1 (ja) | リファレンス刺激 | |
Fickling | Technical development of the brain vital signs framework as an objective and practical test for concussion | |
Tychkov et al. | Development of a Medical Decision Support System for the Assessment of Anxiety-Phobic Disorders Using Virtual Reality Technology | |
Atchuthan et al. | Classification of noxious and non-noxious event-related potentials from S1 in pigs using a convolutional neural network | |
Mansouri | Detecting Changes in Neurological Status Using Electroencephalography Signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190319 |