李 楊，牛 焱，扆夢楠，馬 垚，王 彬,2，李丹丹，李 瓊

(1.太原理工大學 信息與計算機學院，太原 030024；2.山西醫(yī)科大學第一醫(yī)院 影像科，太原 030001)

精神分裂癥(schizophrenia)是人類最常見的具有高患病率的精神疾患之一[1]，因其病程的遷移與反復給患者帶來了嚴重的精神缺損，給家庭和社會帶來了沉重的負擔。目前精神分裂癥的診斷方法有評估量表和影像學分析[2-3]，常用量表有陽性和陰性癥狀量表(PANSS)和簡明精神病評定量表(BPRS).目前，研究者致力于研究對精神分裂癥患者客觀且方便的判別方法。大部分研究借助于計算機斷層掃描(CT)和磁共振成像(MRI)等神經(jīng)影像技術研發(fā)輔助診斷方法[4-5]，但是，神經(jīng)影像學測試成本較高，數(shù)據(jù)分析復雜，較難進行廣泛推廣和運用[6-7]。因此，對精神分裂癥患者的判別亟需客觀且方便的輔助診斷方法，以提高醫(yī)生診斷的準確率。

研究表明精神分裂癥患者存在嚴重的認知功能缺陷，特別是在執(zhí)行控制和注意等方面[8-9]。因此，研究精神分裂癥患者的認知功能，對精神分裂癥的診斷和治療具有重要的應用價值[10]。研究表明，任務轉換是研究執(zhí)行控制的一種可靠且有效的度量方法，其為研究注意和任務干擾提供了巨大的可能性[11-12]。任務轉換是一種行為心理學實驗，該實驗是指當被試意識到當前的認知任務反應不合適時為改變?nèi)蝿辗磻匦屡渲镁褓Y源的控制過程[13]。學術上普遍認為精神分裂癥患者存在執(zhí)行功能障礙，國內(nèi)外研究表明精神分裂癥患者在任務轉換實驗中的反應時間顯著長于正常被試，這可能與患者的臨床癥狀有關如行動遲緩、意志活動減退等，導致反應時間延長[14]。

本研究提出采用機器學習的方法對任務轉換實驗行為學數(shù)據(jù)提取信息進行分類研究，挖掘行為學數(shù)據(jù)中的有效信息，并運用于精神分裂癥的輔助診斷研究。

1 方法和材料

1.1 被試

病人組(SC)由45名精神分裂癥患者組成，年齡22～49歲，正常對照組(NC)由55名性別和年齡與SC組相匹配的健康受試者組成，采用PANSS和BPRS量表對病人組進行了測試，測試結果如表1所示。數(shù)據(jù)來自于加州大學洛杉磯分校神經(jīng)精神病學研究小組的一個共享的數(shù)據(jù)集。參與者接受了神經(jīng)系統(tǒng)疾病和是否使用精神藥物等篩查。

表1 人口數(shù)據(jù)及量表測試結果Table 1 Demographic data and scale test results

1.2 任務轉換實驗(TST)

1.2.1 設備

任務轉換實驗是通過一款商業(yè)實驗軟件e-prime設計實現(xiàn)的。刺激呈現(xiàn)在一個17英寸的戴爾顯示器上，刷新率為85 Hz，分辨率為1 024×768.實驗中被試視線距離屏幕60 cm，通過他們慣用手的食指或中指按鍵盤上的左鍵或右鍵做出反應。

1.2.2 刺激

本實驗包括兩種任務:顏色判斷(紅色或綠色)或形狀判斷(圓形或三角形)，刺激類型包括4種：紅色三角形、紅色圓形、綠色三角形和綠色圓形(圖1).在這些實驗中，任務隨機呈現(xiàn)。

實驗中使用了兩種類型的提示，一種提示是直接指示任務名稱的單詞(COLOR表示顏色分類任務，SHAPE表示形狀分類任務)；另一種提示是字母(C表示顏色分類任務，S表示形狀分類任務)。

圖1 任務轉換實驗中四種刺激類型Fig.1 Four types of stimuli in task transformation experiments

1.2.3 程序

受試者在正式實驗之前先進行三組獨立的練習實驗：對顏色、形狀以及顏色和形狀之間的轉換分別進行8次反應實驗。練習實驗結束后，被試進行正式實驗。首先屏幕中心出現(xiàn)線索來提示被試應執(zhí)行哪類任務(以字母或單詞交替出現(xiàn))，出現(xiàn)時間為200 ms或1 200 ms，隨后刺激出現(xiàn)直到被試做出反應，綠色或三角形按左鍵反應，紅色或圓形按右鍵反應，4種刺激中存在一致的響應條件(綠色三角形或紅色圓形出現(xiàn)時，提示是沒必要的)和不一致的響應條件(綠色圓形或紅色三角形出現(xiàn)時，提示是有效提示)，反應結束后刺激消失，實驗間隔時間為600 ms，在此間隔后，下個實驗開始(見圖2).

圖2 實驗程序舉例Fig.2 Examples of experimental procedures

1.2.4 實驗結果記錄

本實驗中有3個最常被分析的變量：

1) 提示呈現(xiàn)時間。短提示條件下任務準備時間為200 ms，長提示條件下任務準備時間為1 200 ms.

2) 一致性。綠色三角形或者紅色圓形出現(xiàn)時為一致的響應條件，而綠色圓形或者紅色三角形出現(xiàn)時為不一致的響應條件。

3) 轉換條件。當前實驗是否與前一實驗響應任務相同，若任務相同為重復實驗，若任務不同為轉換實驗。

實驗記錄了以上3個變量各個情況下的8種反應時間。再根據(jù)8種反應時間計算獲得的相關認知變量：短提示條件下重復實驗和轉換實驗反應時間的差異為轉換代價；長提示條件下重復實驗和轉換實驗反應時間的差異為剩余轉換代價；轉換代價與剩余轉換代價的和為反應轉換代價；干擾指的是一致條件和不一致條件下的反應時間差異，同時也相應的計算出了短提示條件下的干擾和長提示條件下的干擾。

1.3 Relief算法

Relief算法由KIRA et al[15]在1992年提出，它根據(jù)各個特征和樣本的相關性賦予特征不同的權重，特征權重越大，表明該特征的分類能力越強。

特征權重向量W計算如下：

1) 初始化權重向量W[A]=0;

2) 找到樣本S的同類最近鄰H和異類最近鄰M；

3) 計算特征權重：

W[A]:=W[A]-diff(A,S,H)/m+diff(A,S,M)/m.

式中：diff(F,E1,E2)是特征F在樣本E1和E2中表達值的差異程度；m為抽樣次數(shù)。將求出的各個特征權重進行排序后，權重大于某個閾值的特征就構成了最終的特征子集，從而消除了無效特征。

1.4 支持向量機(SVM)

SVM是CORTES et al[16]于1995年提出的。其基本思想是通過恰當?shù)暮撕瘮?shù)將低維樣本空間中的非線性問題映射到高維空間中，在高維空間中構造一個間隔最大的線性分類面，將兩個不同的類正確分隔開[17]。

SVM的基本原理為：

設數(shù)據(jù)集

(xi,yi),xi∈Rd,yi∈{+1,-1},i=1,…,n.

(1)

求解最優(yōu)分類面即解決以下優(yōu)化問題:

(2)

式中：w為權重向量；b為偏差；C為懲罰因子；ζi為松弛變量。將上述問題轉換為它的對偶問題：

(3)

選擇多項式核函數(shù)在高維空間進行兩個樣本的內(nèi)積運算，解決上述問題后得到最優(yōu)分類函數(shù)：

(4)

其中，αi>0是與支持向量相關的系數(shù)。

2 結果與分析

2.1 行為學結果分析

在所有受試者中，有45名精神分裂癥患者和55名正常被試接受了任務轉換測試，表2總結了精神分裂癥組和正常被試組在各個條件下的反應時間數(shù)據(jù)，而實驗中的其他相關變量如表3所示。

表2 兩組被試在不同轉換條件下的反應時間Table 2 Response time of the two groups under different switch conditions ms

應用SPSS軟件對反應時間進行2×2×2×2的重復測量方差分析，其中，2(組別：SC，NC)×2(提示呈現(xiàn)時間：短提示，長提示)×2(一致性：一致，不一致)×2(轉換條件：有轉換，無轉換)為被試內(nèi)因素。結果表明，組別[F(1,43)=79.6,p<0.000 1,η2=0.649]、提示呈現(xiàn)時間[F(1,43)=467.1,p<0.000 1,η2=0.916]、一致性[F(1,43)=25.4,p<0.000 1,η2=0.371]和轉換條件[F(1,43)=136.7,p<0.000 1,η2=0.761]對反應時間的主效應顯著。同時，組別和轉換條件的交互作用顯著[F(1,43)=14.0,p<0.001,η2=0.245]，提示呈現(xiàn)時間和轉換條件的交互作用也很顯著[F(1,43)=63.2,p<0.000 1,η2=0.595].

表3 實驗相關變量Table 3 Experimental related variable

2.2 特征選擇

原始特征包括任務轉換實驗結果記錄(8個反應時間、1個準確率、3個轉換代價、3個干擾)以及年齡和性別共17個特征，經(jīng)過特征選擇之后短提示一致有轉換、短提示一致無轉換、短提示不一致無轉換、長提示一致有轉換、長提示一致無轉換、長提示不一致有轉換和長提示不一致無轉換7個高于平均權重的特征被選擇，分類權重如圖3(a)所示。

由圖可知篩選出來的特征集中在反應時間。認知心理學研究表明：反應時間包含了刺激呈現(xiàn)時間、感官感覺時間、感覺興奮傳遞時間、大腦處理興奮時間、大腦傳遞反應信號到運動器官的時間和運動器官啟動時間[18-19]，在本研究的注意轉換任務中，轉換代價和干擾主要反映的是大腦加工處理信息的時間。精神分裂癥患者在反應時間、轉換代價和干擾方面均存在異常。因此，進一步將特征細致分裂，把原始特征分為三大類：8個反應時間和1個準確率共9個直接測量獲得的行為學數(shù)據(jù)為第一類特征；3個轉換代價和3個干擾共6個與認知功能相關的為第二類特征；年齡和性別為第三類特征(實驗表明這兩個特征對分類結果沒有貢獻)。對第一類特征進行特征選擇，分類權重如圖3(b)所示。權重高于平均權重的短提示一致有轉換、短提示一致無轉換、短提示不一致無轉換、長提示一致有轉換和長提示一致無轉換5個特征被選擇；對第二類特征進行特征選擇，分類權重如圖3(c)所示。權重高于平均權重的轉換代價、剩余轉換代價和反應轉換代價3個特征被選擇。

圖3 不同特征組合分類權重Fig.3 Classification weight graph of different feature combination

2.3 SVM分類結果

基于17個原始特征(模型A)和經(jīng)過特征選擇選出的7個特征(模型B)分別創(chuàng)建SVM模型，通過比較靈敏度、特異度和分類準確率來衡量兩個模型的性能，分類結果如表4所示。此外，對兩個模型進行了受試者工作特征分析(ROC)，通過比較ROC曲線下的面積(YAUC)的大小來度量兩個分類模型的好壞。YAUC的值是指處于ROC曲線下方的那部分區(qū)域面積的大小，并且YAUC值越大表示分類器性能越好。兩個模型分類效果如圖4(a)所示，可以看出，經(jīng)過特征選擇之后分類效果變好。

同時針對第一類特征(模型C)、第二類特征(模型D)、被選擇的5個特征(模型E)、被選擇的3個特征(模型F)以及被選出的5個特征和3個特征的結合(模型G)各自創(chuàng)建的SVM模型進行分類效果比較，實驗結果如表4所示，五種模型的ROC曲線圖如圖4(b)所示，實驗結果表明模型G分類效果最好。

表4 七種模型的實驗結果Table 4 Experimental results of the seven models

圖4 7種SVM模型的ROC曲線和YAUC值Fig.4 ROC curves and YAUC values of seven SVM models

3 討論

精神分裂癥患者存在嚴重的認知功能損害，特別是在執(zhí)行控制、注意、記憶和處理速度等方面。研究表明執(zhí)行控制功能損傷是精神分裂癥患者認知功能中最重要的缺陷。研究精神分裂癥患者執(zhí)行控制功能的異常，并將這些異常行為測量作為判別表征，對精神分裂癥患者進行輔助診斷具有重要的應用價值。

對行為學數(shù)據(jù)的統(tǒng)計分析發(fā)現(xiàn)，精神分裂癥患者在反應時間上顯著慢于正常組，這表明精神分裂患者在感覺信息處理、注意、執(zhí)行控制等功能上存在顯著的不足。同時病人組執(zhí)行任務正確率也低于正常組，但還沒有達到統(tǒng)計學上的顯著水平[20]。另外，在任務轉換測試相關認知變量上也發(fā)現(xiàn)了精神分裂癥患者與正常人顯著不同。例如，當發(fā)現(xiàn)病人在轉換實驗短提示條件下表現(xiàn)出完整的轉換積極性，但在長提示條件下并沒有，可能是由于精神分裂癥患者在先前活動任務中的表現(xiàn)積極性消散得快，這也會導致在重復實驗短提示條件下的執(zhí)行效果保持不變，但是在長提示條件下執(zhí)行效果較差，這也進一步表明精神分裂癥患者的執(zhí)行控制功能受損，與以往的研究結果一致[21-22]。這些行為學測試能很好的描述精神分裂癥患者在認知功能上存在的異常情況，但是缺乏一種利用這些行為測試數(shù)據(jù)來對精神分裂癥患者進行個體分類的方法。

在本研究中，利用機器學習方法對多種特征組合進行行為數(shù)據(jù)的分類研究。首先對模型A進行篩選，發(fā)現(xiàn)篩選出的特征集中在反應時間(模型B)，模型B分類準確率為85%，比模型A高12%，說明精神分裂癥患者與正常人在反應時間上存在明顯差異，在完成認知任務時患者的執(zhí)行功能紊亂。接下來我們對模型C和模型D兩大類特征進行比較分析，發(fā)現(xiàn)模型C比模型D分類準確率高出20%，對兩類分別進行特征選擇，模型E和模型F分類準確率分別為88%和75%，表明反應時間和轉換代價對分類效果均有影響，因此，將兩類篩選出的特征集結合起來創(chuàng)建模型G，達到了90%的分類準確率，說明反應時間與轉換代價結合起來具有較強的區(qū)分能力，提高了SVM分類模型的性能，結果表明精神分裂癥患者存在執(zhí)行控制的損傷和轉換能力的缺陷，可將其作為一種輔助診斷的方法。

對各種模型分類效果進行綜合比較分析，結果表明短提示一致有轉換、短提示一致無轉換、短提示不一致無轉換、長提示一致有轉換、長提示一致無轉換、轉換代價、剩余轉換代價和反應轉換代價8個特征創(chuàng)建的SVM分類模型準確率最高，分類效果最好，與統(tǒng)計分析的結果一致。因此，本研究成功地將特征選擇與SVM結合起來，應用任務轉換行為學實驗，能夠客觀、有效地識別診斷出精神分裂癥個體。

4 結束語

本研究采用行為心理學測試，由計算機來進行計算，可重復檢驗、實驗任務耗時段約0.5 h.獲得的行為數(shù)據(jù)通過Relief特征選擇算法和SVM分類器可以快速建立有效的分類模型，達到了較高的分類準確率，數(shù)量化指標明確，可作為一種客觀且方便的輔助診斷判別方法，以提高醫(yī)生診斷的準確率。然而，對精神分裂癥的研究涉及多方面的理論和方法，本研究只采用了一種行為心理學實驗，考慮到任務轉換的復雜性，進一步研究其他類型的實驗和任務轉換的其他方面是很有必要的。

：

[1] 張玲.精神分裂癥治療依從性的研究進展[J].神經(jīng)疾病與精神衛(wèi)生,2007,7(5):404-407.

ZHANG L.Research progress in treatment adherence of schizophrenia[J].Neurological and Mental Health,2007,7(5):404-407.

[2] 周平,劉聯(lián)琦,張斌,等.卡爾加里精神分裂癥抑郁量表(中文版)信效度初步分析[J].中國心理衛(wèi)生雜志,2009,23(9):638-642.

ZHOU P,LIU L Q,ZHANG B,et al.Preliminary analysis of the reliability of Calgary depression scale (Chinese version)[J].Chinese Journal of Mental Health,2009,23(9):638-642.

[3] 朱春燕,汪凱.執(zhí)行功能與精神分裂癥[J].心理科學進展,2004,12(5):743-745.

ZHU C Y,WANG K.Executive function and schizophrenia[J].Advances in Psychological,2004,12(5):743-745.

[4] 高原.功能性磁共振成像(fMRI)在視覺注意研究中的應用[J].內(nèi)蒙古師大學報(哲社漢文版),2002,31(5):16-20.

GAO Y.The application of fMRI to the study of visual attention[J].Journal of Inner Mongolia Normal University (Philosophy & Social Science),2002,31(5):16-20.

[5] 倪睿,吳新年,齊翔,等.fMRI在視覺研究中的應用和進展[J].生物化學與生物物理進展,2000,27(3):254-257.

NI R,WU X N,QI X,et al.The application and achievements of fMRI in vision research[J].Progress in Biochemistry and Biophysics,2000,27(3):254-257.

[6] 張喆.神經(jīng)影像技術對心理學的貢獻及限度研究[J].學理論,2012(14):65-66.

ZHANG Z.Research on the contribution and limitation of neuroimaging technology to psychology[J].Theory Research,2012(14):65-66.

[7] 劉晉,林敬暉,洪楠.精神分裂癥影像學研究[J].中國介入影像與治療學,2014,11(2):121-124.

LIU J,LIN J H,HONG N.Imaging studies of schizophrenia[J].China's Involvement in Imaging and Therapeutics,2014,11(2):121-124.

[8] MEDALIA A,LIM R.Treatment of cognitive dysfunction in psychiatric disorders[J].Journal of Psychiatric Practice,2004,10(1):17.

[9] 向云.精神分裂癥與認知功能障礙[J].中華行為醫(yī)學與腦科學雜志,2005,14(7):620-622.

XIANG Y.Schizophrenia and cognitive impairment[J].Chin J of Behavioral Med Sci,2005,14(7):620-622.

[10] 王久菊,王鵬飛,權文香,等.精神分裂癥的語言認知特點及其腦機制[J].生物化學與生物物理進展,2015,42(1):49-55.

WANG J J,WANG P F,QUAN W X,et al.The linguistic cognitive characteristics of schizophrenia and its brain mechanism[J].Biochemical and Biological Advances,2015,42(1):49-55.

[11] WOODWARD T S,RUFF C C,NGAN E T.Short- and long-term changes in anterior cingulate activation during resolution of task-set competition[J].Brain Research,2006,1068(1):161.

[12] SABB F W,BEARDEN C E,GLAHN D C,et al.A collaborative knowledge base for cognitive phenomics[J].Molecular Psychiatry,2008,13(4):350-360.

[13] MONSELL S.Task switching[J].Trends in Cognitive Sciences,2003,7(3):134-140.

[14] LEE J,PARK S.Working memory impairments in schizophrenia:a meta-analysis[J].Journal of Abnormal Psychology,2005,114(4):599.

[15] KIRA K,RENDELL L A.The feature selection problem:traditional methods and a new algorithm[C]∥Proceedings of Tenth National Conference on Artificial Intelligence.San Jose:AAAI Press,1992:129-134.

[16] CORTES C,VAPMIK V.Support-vector networks[J].Machine Learning,1995,20(3):273-297.

[17] 謝剛,古赟,王芳,等.基于支持向量機的圖像語義提取研究[J].太原理工大學學報,2011,42(6):563-565.

XIE G,GU Y,WANG F,et al.Semantic extraction of image using support vector machines[J].Journal of Taiyuan University of Technology,2011,42(6):563-565.

[18] 陳曦.視覺認知心理學反應時實驗研究的新技術[J].華南師范大學學報(社會科學版),1996(4):70-74.

CHEN X.New techniques of experimental research on visual cognitive psychology reaction[J].Journal of South China Normal University(Social Sciences Edition),1996(4):70-74.

[19] STERNBERG S.Memory-scanning:mental processes revealed by reaction-time experiments.[J].American Scientist,1969,57(4):421.

[20] BARCH D M.What can research on schizophrenia tell us about the cognitive neuroscience of working memory[J].Neuroscience,2006,139(1):73.

[21] 楊麗霞.精神分裂癥患者的執(zhí)行功能的研究[D].上海：華東師范大學,2014.

YANG L X.Research on the executive function of patients with schizophrenia[D].Shanghai:East China Normal University,2014.

[22] REICHENBERG A,HARVEY P D.Neuropsychological impairments in schizophrenia:Integration of performance-based and brain imaging findings[J].Psychological Bulletin,2007,133(5):833-858.