本页面由土耳其语自动翻译。 阅读原文

本页是借助人工智能编写的土耳其语摘要，介绍在第26届世界精神病学大会上报告的研究。研究归报告作者所有；引用时请查阅原始来源。

SO385

通过对脑电图衍生的神经群体模型参数进行动力系统分析，检测心境障碍的状态转换

DETECTING MOOD DISORDER STATE TRANSITIONS THROUGH DYNAMICAL SYSTEMS ANALYSIS OF EEG-DERIVED NEURAL MASS MODEL PARAMETERS

Freeman KII 神经群体模型使心境发作的转换能够被定义为可定位的分岔，而非不透明的评分阈值；但由于四群体模型在结构上无法达到 T³ 环面，因此它支持的是准周期环面破裂路径，而非严格的 Newhouse-Ruelle-Takens 路径。

鉴于脑电图生物标志物尚未能应用于临床，本研究旨在建立一个具有机制可解释性的动力系统框架，将心境发作的起始视为突触耦合增益空间中的分岔（bifurcation），而非某一静态特征的阈值。在方法上，Freeman KII 模型在八维状态空间中耦合四个群体（a = 0,22，b = 0,72 ms⁻¹），扫描四个增益参数（KEE、KEI、KIE、KII），利用解析雅可比矩阵和周期性 QR 重新正交归一化（QR re-orthonormalisation）计算 Lyapunov 谱，并依据零指数的数量对吸引子（attractors）进行分类（容差 ε = 3/T_测量）；海报中的所有图版展示的均为微分方程的性质，仅有一个图版将来自 34 人、123 次记录的跨次记录轨迹叠加在图谱上（仅有组别标签，无临床状态数据）。在增益平面的一个狭窄带内，可见固定点、极限环、准周期环面和奇异吸引子（strange attractor）依次出现，但该序列止于 T² 层级，且没有任何参与者进入环面带或混沌带。研究显示了两项结构性限制：在统一的速率比下，KII 最多包含两个独立频率；加入不同的 AMPA 和 GABA_A 动力学后，在 16 x 16 x 10 的增益网格中，48% 的点包含三个或更多不同频率，而在统一速率下该比例为 0%；另一方面，在 1,4 x 10⁴ 个增益点、八种兴奋性/抑制性动力学比值以及六种打破 W 对称性的方式下，不稳定特征值对数量的上限始终不变（四群体且 dim J = 8 时最多为 2 对，六群体时为 3 对，八群体时为 4 对）。由此得出结论：无论动力学如何，四群体模型均无法达到 T³，因此也无法实现严格的 Newhouse-Ruelle-Takens 路径；所观察到的序列属于仅需 T² 的 Afraimovich-Shilnikov 环面破裂路径。对抑制性增益 KIE 的扫描发现了嵌入混沌区间中的狭窄周期窗口，而在 KIE = 5,0 时对 KEE 进行的扫描也在 KEE ≈ 2,30 附近显示出类似窗口；为说明从原始脑电图估计 λ₁ 的不可靠性，在 Lorenz 系统的 x 分量上，Rosenstein 估计器仅因标度区间位置不同，就产生了 0,813 至 1,650 的斜率（真实值为 0,906）。局限性包括：KEI 和 KII 被固定；当扫描 KEI ∈ [0,5, 4,0] 时，34 名有多次记录的参与者中有 19 人（56%）跨越了真正的动力学状态边界，但该比例并不因诊断而异（Fisher 精确检验 p = 1,00）；为 KEI 选取一个同样具有合理依据的替代值，会使队列中 29% 的参与者被重新分类；以及从单次静息态记录的频谱中联合估计四个增益时，会收敛到三个彼此不一致的解。总体而言，该框架已获得数值验证，并明确了其所属模型类别的边界；它将状态转换表述为可定位的分岔，且依赖普适的神经动力学原理，而非特定人群的训练数据，因此在临床价值方面具有前景。不过，海报将模型与临床状态之间的对应关系作为有待检验的假设，而非既定结论；检验这些假设需要状态标签，以及治疗前后配对的记录。

全部 WCP 2026 摘要