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