5月7日，本课题组的科研成果-论文“Combining Disrupted and Discriminative Topological Properties of Functional Connectivity Networks as Neuroimaging Biomarkers for Accurate Diagnosis of Early Tourette Syndrome Children”[1]在神经科学领域的国际顶尖级期刊《Molecular Neurobiology》上正式发表。

中科院自动化所类脑智能研究中心神经影像计算与分析（NICA）课题组的何晖光研究员，领导团队的文宏伟、汪胜佩博士研究生，陈智强硕士研究生，联合北京儿童医院的多位医生专家，结合静息态功能磁共振成像和机器学习等技术，在儿童抽动秽语综合征的临床辅助诊断的研究方面取得了重要进展。

脑网络分析提供了一个新的途径来探索脑功能障碍与脑疾病相关的潜在结构性破坏之间的关联。相关研究证据也表明许多神经和精神疾病能被描述为一些连接的异常改变，主要表现为大脑区域之间得连接中断或异常整合。尽管在结合脑网络分析与机器学习等技术辅助神经与精神疾病临床诊断的研究领域，国内外已有许多出色的工作。但是在儿童抽动秽语综合征的研究领域却鲜有相关工作。

本研究基于多阈值网络融合的分类工作，采用了经典的相似网络融合（similarity networks fusion）的思想，将每个被试不同稀疏阈值的网络视为不同类型特征的表现，然后不同阈值网络之间相互交互迭代更新的方法，为每个被试构建最终的融合网络，然后基于图论提取网络拓扑特征，采用支持向量机方法进行后续的分类。分类结果显示多阈值网络融合后的特征更具有可区分性，明显地提升了抽动秽语综合征患儿和正常儿童的分类正确率，可以有效地辅助临床诊断，同时为抽动秽语综合征的病理学研究提供了潜在的neuroimaging biomarkers。

已发表论文的详细信息：

[1] Hongwei Wen, Yue Liu, Islem Rekik, Shengpei Wang, Zhiqiang Chen, Jishui Zhang, Yue Zhan, Yun Peng, Huiguang He. Combining Disrupted and Discriminative Topological Properties of Functional Connectivity Networks as Neuroimaging Biomarkers for Accurate Diagnosis of Early Tourette Syndrome Children. Molecular Neurobiology. (5-Year Impact Factor: 5.392) (Neuroscience: Q1(32/256))