G5 Artikkeliväitöskirja
Dysconnecitivity of oscillatory networks in major depression disorder (2021)
Värähtelyverkkojen merkitys vakavan masennuksen häiriössä

Liu, W. (2021). Dysconnecitivity of oscillatory networks in major depression disorder [Doctoral dissertation]. Jyväskylän yliopisto. JYU Dissertations, 450. http://urn.fi/URN:ISBN:978-951-39-8903-3

JYU-tekijät tai -toimittajat

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Liu, Wenya

eISBN: 978-951-39-8903-3

Lehti tai sarja: JYU Dissertations

eISSN: 2489-9003

Julkaisuvuosi: 2021

Sarjan numero: 450

Kirjan kokonaissivumäärä: 1 verkkoaineisto (69 sivua, 20 sivua useina numerointijaksoina)

Kustantaja: Jyväskylän yliopisto

Kustannuspaikka: Jyväskylä

Julkaisumaa: Suomi

Julkaisun kieli: englanti

Pysyvä verkko-osoite: http://urn.fi/URN:ISBN:978-951-39-8903-3

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Tiivistelmä

Suuri masennushäiriö (MDD, Major Depression Disorder) on yksi yleisimmistä psykiatrisista häiriöistä maailmanlaajuisesti, ja se vaikuttaa joka kuudenteen ihmiseen.Teoreettisten mallien näkökulmasta toiminnallisten verkostojen yhteyshäiriöitä pidetään kriittisenä syynä MDD:n kognitiivisiin ja emotionaalisiin toimintahäiriöihin. MDD:n patofysiologia on kuitenkin epäselvä, koska menetelmiä ja tietojoukkoja ei voida toistaa. MDD:n syyt ja ihmisen rakenne ovat monimutkaisia, ja uusia kokeellisia paradigmoja ja kehittyneitä menetelmiä tarvitaan MDD:n patofysiologisten mekanismien tutkimiseksi. Tässä väitöskirjassa tutkitaan MDD:n muuttunutta värähtelevää toiminnallista yhteyttä (FC, Functional Connectivity) musiikin kuuntelu-ja lepotilassa. Ensimmäisessä tutkimuksessa tutkitaan taajuuskohtaista staattista toiminnallista yhteyttä MDD:ssä musiikin kuuntelun aikana anturitasolla. Löysimme muuttuneita FC-verkkoja ja ei-lateralisoidun vaikutuksen delta-ja beeta-kaistoilta, ja saimme parhaan luokittelun suorituskyvyn beeta-kaistalla tukivektorikoneiden luokittelijan avulla. Toisessa tutkimuksessa ehdotimme kattavaa kehystä MDD:n värähtelyverkkojen epäyhteyden tunnistamiseksi lepotilassa aivokuoren lähteen tasolla. Ottaen täysin huomioon terveen ryhmän ja MDD-ryhmän välisen vierekkäisyyden ja spektritilojen epätäydellisen johdonmukaisuuden ja konstruoidun datan monisuuntaisen rakenteen, esittelimme ensin kytketyn tensorin hajoamismallin (CTD, Coupled Tensor Decomposition) musiikin kuuntelun aikana tallennetuille EEG-signaaleille. Tunnistimme kolme hyperyhteysverkkoa ja kolme hypoyhteysverkkoa, jotka luonnehtivat MDD:n häiriöverkkoja musiikin havaitsemisessa. CTD-mallin perusteella tutkimme myös MDD:n hyper-ja hypoyhteysverkkoja lepotilassa. Kolmannessa tutkimuksessa tutkimme anturitason verkkojen toimintahäiriöitä alfa-kaistalla. Neljännessä tutkimuksessa tutkimme lähdetason häiriöverkkoja, joille on tunnusomaista tila-ajallinen-spektrinen kovariaatiomuoto MDD:ssä. Yhteenvetona voidaan todeta, että tämä opinnäytetyö tutki värähtelyverkkojen mahdollisia biomarkkereita ja tarjosi lupaavia viitteitä MDD:n patokonektomian paljastamiseksi. Ehdotettu CTD-malliin perustuva analyysiputki voidaan laajentaa koskemaan myös muita psykiatrisia häiriöitä.

YSO-asiasanat: mielenterveyshäiriöt; masennus; patofysiologia; neuropsykologia; hermoverkot (biologia); EEG; signaalinkäsittely; signaalianalyysi; väitöskirjat

Vapaat asiasanat: major depression disorder; functional connectivity; coupled tensor decomposition; dynamic functional connectivity; oscillatory networks

Liittyvät organisaatiot

OKM-raportointi: Kyllä

Raportointivuosi: 2021