АЗ анатомиялык өзгөчөлүктөрү колдонуу Патологиялык жана келишимдик патологиялык Интернет Чет басмырлоо (2018)

. 2018; 9: 291.

Жарыяланган онлайн 2018 Jun 29. чтыкта:  10.3389 / fpsyt.2018.00291

PMCID: PMC6033968

PMID: 30008681

жалпылаган

Интернет оюн оору (IgD) көп диагностикалык жана Психикалык бузулуу статистикалык колдонмосуна (DSM-5) акыркы нускасы тогуз негизги критерийлердин негизинде диагноз жатат. Бул жерде биз мындай белги негизделген категорияга эсептөө негизинде жашыруун которулуп, мүмкүн, жокпу, карап. Структуралык MRI (sMRI) жана жайылышына салмактанып MRI (dMRI) маалыматтар 38 оюнчулар IgD менен оорурун, 68 кадимки оюнчулар IgD ээ эмес, деген диагноз менен сатылып алынган, ал эми 37 дени сак эмес оюнчулар. Биз MRI маалыматтардан 108 боз заттын (GM) өзгөчөлүктөрү жана ак зат (WM) түзүлүшү жаратты. логистикалык регрессия эми 108 анатомиялык топтун ортосундагы айырма үчүн маанилүү адамдарды тандап алуу өзгөчөлүктөрү, тартипсиз жана кадимки оюнчулар дени сак эмес оюнчулар карата, тиешелүүлүгүнө жараша, 43 жана 21 өзгөчөлүктөрү жагынан катышкан, колдонулган тартипке кийин тартипсиз Gamers кадимки оюнчулар карата 11 өзгөчөлүктөрү боюнча сунушталган. божомолдоочу катары сейрек анатомиялык өзгөчөлүктөрүн колдонуп колдоо багыты машиналарды (Айдин) жылы, тартипсиз жана кадимки оюнчулар тактык 98% ашпаган менен ийгиликтүү басмырлоого, сергек эмес оюнчулар эмес, тартипсиз жана кадимки оюнчулар ортосунда классификация салыштырмалуу оор болду. Бул жыйынтыктар, айрыкча азык-оюн дени сак адамдар ошол абалга шартында DSM-5 белгилер менен категорияланган катары патологиялык эмес жана патологиялык оюнчулар, сейрек анатомиялык өзгөчөлүктөргө өкүлдөрү болушу мүмкүн деп ойлойм.

Keywords: интернет оюн башаламандык, диагностикалык классификация, структуралык MRI, жайылышына салмактанып MRI, тартипке регрессия

тааныштыруу

Ондогон жылдар бою патологиялык көз каранды катары сунушталган кийин да (), Ал жакында гана интернет оюн оору деген (IgD) диагностикалык жана Психикалык бузулуу статистикалык колдонмосуна (DSM) саналган эле. DSM (DSM-5) бешинчи жана толуктоолор менен () Андан ары изилдөө үчүн шарт катары IgD аныкталган жана диагноздоо үчүн тогуз критерийлер каралган. тогуз-пункт IgD шкала боюнча белги негизделген категория--жылы (IgD антителолору) DSM-5 сунуш, беш же андан көп критерийлерин дуушар бир чеги IgD аныктоо үчүн колдонулган. Бул кесип-пункт жетиштүү маанилүү клиникалык начарлашы азап ойундарына айырманы да (), IgD антителолору заттар дихотомикалык мүнөзү сөзсүз диагностикалык oversimplification же эместикти билдирет.

симптомдорун тышкары, IgD байланыштуу бузулушу ар кандай көп байкалат, жок эле дегенде, анатомиялык өзгөрүүлөрүн. Чынында эле, иш бир топ орган мээде IgD түзүмдүк өзгөртүүлөр менен байланышы бар экенин көрсөттү: боз зат (GM) көлөмүнүн рышы (-), Камеранын кабыктары азайтуу (), Ал эми жоготуу ак зат (WM) актыгын (, ) Адатта көргөзүлө баштады. IgD байланыштуу бул анатомиялык өзгөрүүлөр, мисалы, мээ иштетүүчү параметрлери Эпке башка адамдар IgD менен адамдарды айырмалай катары кызмат кыла албайт деп ойлойм. Башкача айтканда, IgD диагнозу ордуна DSM-5 негизинде белги-негизделген категория- аркылуу караганда, анатомиялык Эпке эсептөө башкаруу жолу аркылуу жүргүзүлүшү мүмкүн. Бул аракеттер психиатрия үчүн эсептөө ыкмаларын колдонуу менен сүрөттөлгөн диагноз ары жылдыруу аракеттерине ылайык болушу мүмкүн (), Машина үйрөнүү (Эмгек боюнча атайын маалымат-кууп ыкмалар) психикалык оорунун диагнозун чечүү үчүн ().

Бул макалада биз IgD диагностикалоо боюнча анатомиялык Эпке аркылуу белги негизделген IgD антителолору негизинде категория- жана эсептөө негизинде жашыруун ортосундагы байланышты издеп. мээнин кээ бир GM жана WM компоненттери диагностикалык жашыруун үчүн ашыкча же бул ишке тиешеси жок маалыматтарды камтышы мүмкүн болот, анткени, биз Ирээтке кетүү колдонуу менен сейрек анатомиялык өзгөчөлүктөрүн тандоо үчүн умтулган. Биз бул белги боюнча категорияга IgD аныктоо үчүн классификация моделин түзө турган сейрек анатомиялык өзгөчөлүктөрү боюнча өкүлү боло турган ойлоп чыгарылды. IgD деген диагноз патологиялык оюнчулар IgD көбүрөөк окшош эмес оюн дени сак адамдар эмес, бар деп диагноз оюнчулар караганда деп ойлогон эле, башкача айтканда, азык-патологиялык оюнчулар болуп саналат; Ошентип, Патологиялык оюнчулар эмес оюн дени сак адамдар менен байланыштуу эмес патологиялык оюнчулар менен салыштырганда өзгөчөлүктөрдүн көп саны менен мүнөздөөгө болот. Мындан тышкары, биз эмес патологиялык оюнчулар патологиялык оюнчулар же эмес оюн дени сак адамдар аз айырмалуу болушу мүмкүн экендиги жөнүндө маселени чечүү үчүн келген. Келишимдик Патологиялык оюнчулар баштады сыпаттама симптомдору боюнча эмес оюн дени сак адамдар менен жакын мамиледе болот деп ойлоп калышы мүмкүн, бирок мындай түшүнүк эсептөө негизинде жашыруун аркылуу далилдениши керек деп ойлошкон.

Материалдар жана ыкмалар

Катышуучулар

Интернетке негизделген оюндарды ойноп 237 катышуучуларынын арасында 106 адамдар IgD диагностикалоо боюнча клиникалык психолог менен өзүн-өзү билдирди IgD антителолору жана структуралык маегинде ортосунда келбөө көрсөткөн, же өтүп кеткен болчу, же туура эмес мээ иштетүүчү маалыматтар жаткандарды эске албаганда тарабынан тандалып алынган. IgD антителолору, 38 жеке негизинде (27.66 ± 5.61 жыл 13 аял) беш IgD антителолору даана тартипсиз ойундарына жана 68 адамдарды белгиленген жок дегенде канааттандырып (27.96 ± 6.41 жыл; 21 аял) көпчүлүк бир IgD антителолору пункт боюнча канааттандырылат ачаар болду кадимки оюнчулар. экиден же төрт жашка IgD антителолору ден канааттандырып адамдар да алынып салынган, анткени алар тартипсиз жана кадимки оюнчулар ортосунда дагы бир тобу катары көрүүгө мүмкүн эле (). Мындан тышкары, Интернетке негизделген оюндарды ойнобогон 37 адам (25.86 ± 4.10 жаш; 13 аял) өзүнчө жумушка алынып, алар ден-соолугу чың оюнчулар деп аталышкан. Бардык катышуучуларда коштошуучу оорулардын жоктугу тастыкталды. Бардык катышуучулардан Хельсинкинин Декларациясына жана андан кийинки оңдоолорго ылайык жазуу жүзүндө макулдук алынган жана изилдөө Кореянын Сеул шаары, Сеул Сент-Мария ооруканасында Институционалдык кароо кеңеши тарабынан жактырылган.

MRI маалыматтарды алуу

Структуралык MRI (sMRI) жана жайылышына салмактанып MRI (dMRI) маалыматтар 3 T MAGNETOM Verio системасын (Siemens AG, Erlangen, Германия) колдонуу менен чогултулган. sMRI маалыматтарды топтоого магниттелиши даярдалган тез градиент Эхо тизмегин менен өткөрүлдү: sagittal учак тилкелери санын = 176, кесим туурасы = 1 мм, Булакта көлөмү = 256 × 256, жана учагында чечим = 1 × 1 мм . dMRI маалыматтарды алуу үчүн, жайылышына градиент коддоо 30 багыттар боюнча аткарылган менен b = 1,000 с / мм2 жана бир-атылган ок Эхо-жалпак иштетүүчү катар колдонулган: өзөк тегиздигине бүдүрчөлөр саны = 75, кесим туурасы = 2 мм, Булакта көлөмү = 114 × 114, жана учагында чечим = 2 × 2 мм.

MRI маалыматтарды иштетүү

CAT12 киргизилген Tools (http://www.neuro.uni-jena.de/cat/) SMRI маалыматтарды иштеп чыгуу үчүн колдонулган. мээ көлөмү сүрөтү, анын ичинде ар кандай GM ткандарын, бөлүүгө эле, WM жана corticospinal суюктук, ошондой эле стандарттык мейкиндиктеги шилтеме мээге аянттарды катталган. voxel негизделген Гистология (VBM) жылы, voxel акылман GM көлөмү бир voxel көлөмү GM болуу ыктымалдыгы көбөйтүү жолу менен, андан кийин ошол баалуулуктар башчысы көлөмүнүн айрым айырмачылыктар тууралуу үчүн жалпы ичиндеги көлөмү бөлүнгөн бааланат. жер үстүндөгү негизделген Гистология (МДБ) жылы, камеранын кубаттуулугу чагылтуу негизделген кубаттуулугу ыкмасын (колдонуп эсептелген).

dMRI маалыматтарды иштетүү

Tools тилин 5.0 киргизилген (http://fsl.fmrib.ox.ac.uk/fsl/) DMRI маалыматтарды иштеп чыгуу үчүн колдонулган. Бардык сүрөттөр менен кошо ээ болгон күчүн бурканга бөлүүдө алынган b = 0 с / мм2 ирим учурдагы айынан бурмаланган жана башкы кыймыл үчүн туура. А жайылышына тензору, анын ичинде бөлчөк Anisotropy ар voxel мээнин ичинде, жана жайылышына тензору-алынган параметрлер боюнча үлгү болгон (FA), эаады (MD) билдирет, октук эаады (AD) жана радиалдык эаады (RD) эсептелген жок, бир жайылышына Тензор жөнүндө ар кандай балта менен бирге үч diffusivities берген, FA үч октун ортосундагы эаады айырмачылыктардын аянттарында суммасынын өлчөмү тамыры катары эсептелинет, ал MD үч балта боюнча орточо эаады, негизги огу зор эаады катары доордун жана RD жашы жете элек эки октун бирге diffusivities орточо эле. Колдонуу баракчада негизделген мейкиндик боюнча статистика (TBSS) () Тилин 5.0 ишке, жайылышына тензору-алынган параметрлеринин карталар аянттарды стандарттык мейкиндиктеги шилтеме мээге катталган, алар андан кийин WM баракча скелет көздөй көрсөтүлүп турган.

Мүмкүнчүлүк муун

бир классификация моделин иштеп чыгуу үчүн эки негизги кадамдар өзгөчөлүгү муун жана тандап алуу болуп саналат. Биз neuroanatomy келген өзгөчөлүктөрдү түзүлгөн, атайын WM баракчалар топтомун бир көлөмүн жана GM аймактарда комплексин дыгын жана бүтүндүгүн жана эаады жөнүндө. GM көлөмүн жана камеранын дыгын аныктоо voxel акылман карталардын VBM алынган жана МДБнын кийин, тиешелүүлүгүнө жараша, параметрлер 60 GM региондорунда ар бир (стол үчүн баа берилди S1), Hammers Atlas эле parcellated (), Анын ичинде бардык voxels боюнча орточо. анын ичинде FA эсептик жайылышына тензору-алынган параметрлерге ээ, м.и.к., доордун жана RD TBSS алынган WM баракча скелет voxel акылман карталар, параметрлери ар 48 WM баракчаларды (стол үчүн эсептелген эле S2), ICBM DTI-81 Atlas эле parcellated (), Анын ичинде бардык voxels боюнча орточо. Кыскасын айтканда, биз GM жана WM параметрлеринин сегиз аралашма берген эки GM жана WM төрт параметрлерин параметрлерин, болуп эсептелет. GM жана WM параметрлери ар бир айкалыштыруу үчүн, 60 GM аймактарында жана 48 WM китепчелер көрсөткүчтөрдү 108 анатомиялык өзгөчөлүктөрүн жалпы курамы.

Ирээтке регрессия менен озгочолугу тандоо

белгилердин санын азайтуу, өзгөчө белгилеринин көп сандаган жана байкоолор саны чектелген маалыматы боюнча, маанилүү. белгилердин саны боюнча байкоо жүргүзүү чектелген саны үн overfitting алып келиши мүмкүн, регулярлаштыруу азайтуу же моделге жөнүндө кошумча маалыматтарды же чектөөлөрдү киргизүү менен overfitting алдын алууга жардам берет, бир ыкмасы болуп саналат. 108 өзгөчөлүктөрү бардык жашыруун пайдалуу жана зарыл маалыматтарды камтышы мүмкүн эмес болгондуктан, биз Ирээтке кетүү колдонуу аркылуу кээ бир сейрек топтомун тандалды. Тактап айтканда, Lasso () Жана ийкемдүү таза () Ирээтке логистикалык регрессия үчүн пайдаланылган. Lasso айып мөөнөтү же регулярлаштыруу параметр, λ, башкача айтканда, логистикалык регрессия модели боюнча баасы баа өлчөмүн чектөө кирет. Л-жылы өсүш нөл-бааланган сандары алып келет, анткени, Lasso азыраак божомолдоочу менен кыскартылган логистикалык регрессия модели менен камсыз кылууда. чоюлгуч таза да жогорку салыштырмалуу божомолдоочу дарылоодо Lasso чектөө жоюу, өзгөчө Lasso жана тоо кыркасы регрессиянын гибрид регулярлаштыруу параметрин кошуу менен, ал нөлгө барабар сандары коюу менен кыскарган логистикалык регрессия модели өндүрөт ().

үч топтун ар бир жуп менен жашыруун үчүн, биз логистикалык регрессия модели боюнча 108 neuroanatomic өзгөчөлүктөрү арасында маанилүү божомолдоочу аныктоо Lasso и резинка тор колдонулат. үч топтун ар бир жуп бардык адамдардын 108 өзгөчөлүктөрү, маалымат булагы жазуу үчүн стандартташтырылган A, анда ар бир сап бир байкоону, ал эми ар бир тилке бир божомолдоону билдирген. Жеке адамдардын жашына жана жынысына GM жана WM параметрлерине тийгизген таасирин оңдоо үчүн калдыктарды түзүүчү матрица, R, Алынган: R = I-C(CTC)-1C кайда I болгон аныктык ългънън C курагына жана жынысына карабастан адаштырышты covariates код бир Булакта болгон. Андан кийин карата колдонулган A адаштырышты covariates чыгып regressing кийин калдыктарынын алуу үчүн: X = RA.

такталган маалыматтар Булакта эске алып, X, Жана жооп берүү, Y, Ал жеке адамдардын, эки сабактарды код, 10 эсе кайчылаш текшерүү (CV), бир регулярлаштыруу параметр издөө үчүн колдонулган λMinErr, Сыналган моделге терс журналы-ыктымалдыкты аныкталган калкына жагынан минималдуу ката, караштырылган текшерүү короолоруна орточо. Болбосо, ар бир CV ийри каталар бар, анткени регулярлаштыруу параметр, сыналган Л, λ1SEОшол Л өсүп Регулярлаштыруу багытта минималдуу CV ката стандарттык ката ичинде табылдыMinErr да каралды. Башкача айтканда, токой өзгөчөлүктөр Л тандаган1SE, Сейрек өзгөчөлүктөрү Л боюнча аныкталат, ал эмиMinErr. азыраак божомолдоочу менен Ирээтке логистикалык регрессия модели издеп Бул тартиби 108 анатомиялык белгилерин камтыган GM жана WM параметрлери ар бир айкалыштыруу үчүн бир нече жолу болгон.

тандалган өзгөчөлүктөрдүн аткаруу

сейрек жана токой белгилердин пайдалуу баа берүү үчүн, аткаруу мүнөздүү (ROC) кыйшык иштеп кабыл өлчөө менен колдоо багыты машиналарды (SVMs) бардык 108 өзгөчөлүктөрү менен өзгөчөлүктөрү жана моделдин кыскарган саны модели менен салыштырууга болот. беш эсе резюмемди тарабынан оптималдаштырылган өзөк кызматтын жана hyperparameters катары сызыктуу ядро ​​менен, бир Айдин үч топтун ар бир жуп бардык адамдар үчүн даярдалган эле. ROC сызыгын (AUC) аянт аны аткаруу сандык чарасы катары ар бир моделге эсептелинип. Опбул тесттер () Моделдердин ар бир жуп менен AUC салыштырууга алынган. AUC бир учурда айырмаланган кийин p0.05 бир жуптан, аткаруу эки моделдер окшош болууга тийиш эмес деп эсептелчү.

Classification тактыгы

классификация моделдерге курууга белгилеринин тукумуна жана тандоодон тартып схемалык жол-сүрөттө келтирилген Figure1.1. үч топтун ар бир жуп, Айдин классификация моделдери божомолдоочу катары тандалып өзгөчөлүктөрдү колдонуу менен иштелип чыккан. Биз өргүү-бир чыгып CV схемасын, мындай деп-жылдын үлгүсүндөгү жалпы классификация тактыгы ар таштап чыккан адам үчүн эсептелген жана ал бардык адамдарга боюнча орточо алынган колдонуу менен классификация моделдин так баа берди. так статистикалык маанилүүлүгү алмаштыруу тесттерди колдонуу менен бааланат. үч топтун ар бир жуп менен жашыруун үчүн эмпирикалык нөл бөлүштүрүү жолу жеке бренды permuting жана permuted жарлык менен байланышкан так өлчөө менен түзүлдү. unpermitted этикеткалар бир учурда анык эмес бөлүштүрүүгө же барабар жогору болгон үчүн ченеди тактык кийин p0.05 бир жуптан, ал кокустан даражасында (так = 50%) кыйла айырмаланып сактоого чечкиндүү болгон. Мындан тышкары, бир чаташтыруу Булакта үч топтун ар бир жуп айырмасы карата сезимталдык жана өзгөчөлүктөрүн сүрөттөө үчүн телегейи тегиз болду.

 

Сүрөттү кармап, тышкы, мисал, ж.б. Object аты fpsyt-09-00291-g0001.jpg болуп саналат

Схемалык жол тартипсиз оюнчулар арасындагы жашыруун үчүн моделдерди курууга анатомиялык өзгөчөлүктөрүн муун жана тандап алуу (DG) жана дени сак эмес оюнчулар (HN) тартып, нормалдуу оюнчулар ортосунда (NG) жана HN жана DG жана NG ортосунда. GM, боз зат; WM, ак зат.

натыйжалары

Мүмкүнчүлүк тандоо

Figure Figure22 108 тандалып өзгөчөлүктөрүн көрсөтүп, алардын сандары баа менен өзгөчөлүктөрү, ошондой эле стол Table11 үч топтун ар бир жуп менен жашыруун үчүн Ирээтке логистикалык регрессия модели байланыштуу ылайыктуу маалыматты сүрөттөйт. Мындан тышкары, Figure S1 λ минималдуу CV ката жана канча өзгөчөлүктөрү берди шоу Л тандаган1SE ошондой эле Л боюнчаMinErr. минималдуу CV ката өзгөчөлүгү тандоо боюнча Lasso (Lasso салмагы = 1) алган дени сак эмес оюнчулар жана нормалдуу оюнчулар арасындагы жашыруун сактоо үчүн жана башка жашыруун үчүн ийкемдүү торго (Lasso салмагы = 0.5) тарабынан.

 

Сүрөттү кармап, тышкы, мисал, ж.б. Object аты fpsyt-09-00291-g0002.jpg болуп саналат

Үч топтун ар бир түгөйүнүн ортосундагы классификациялоо үчүн регистрацияланган логистикалык регрессияда тандалган нейроанатомиялык өзгөчөлүктөр. Тартипсиз оюнчулар (DG) дени сак оюнчулар эмес (HN) менен DG, кадимки оюнчулар (NG) HN менен NG ортосундагы классификацияда 1, ал эми DG NG менен DG ортосундагы классификацияда 1 деп коддолгон. Тилкенин көлөмү тиешелүү белгинин коэффициентинин өлчөмүн билдирет, мисалы, нөлгө барабар эмес коэффициенттердин өзгөчөлүктөрү тандалат. Көрсөтүлгөн мээлерде боз зат жана ак заттын тандалган өзгөчөлүктөрүнө ылайык келген компоненттери жогору турат. Кызыл же көк түстөгү өзгөчөлүктөр sp деӊгээлинде аныкталган сканердик өзгөчөлүктөргө кирет1SE ошондой эле сейрек өзгөчөлүктөрү менен Л боюнча аныкталатMinErrЖылы, ал эми сары же кызгылтым гана сейрек өзгөчөлүктөрү киргизилген адамдарга көрсөтүлөт. мээ компоненттеринин бренд катары Tables берилет S1 жана S2. L, калган; R, туура.

стол 1

үч топтун ар бир жуп менен жашыруун үчүн тартипке логистикалык регрессия ылайыктуу маалымат.

 HN vs. DGHN vs. NGNG vs. DG
параметрGMтуурасытуурасыкөлөм
 WMFARDMD
Lasso салмагы0.510.5
Л тандалган сейрек өзгөчөлүктөрMinErrCV ката37.368141.7876133.3857
 белгилеринин No.432111
Л тандалган токой өзгөчөлүктөр1SECV ката46.568150.0435141.2622
 белгилеринин No.34121
 

Lasso салмагы тартипке логистикалык регрессия Lasso (Lasso салмагын = 1) же чоюлгуч тор менен жүргүзүлгөн же көрсөтүп турат (Lasso салмагы = 0.5).

HN, дени сак эмес оюнчулар; DG, тартипсиз оюнчулар; NG, кадимки оюнчулар; GM, боз зат; WM, ак зат; FA, бөлчөк жонгуч; RD, радиалдык эаады; MD, эаады билдирет; CV, кайчылаш текшерүү.

дени сак эмес оюнчулар чейин тартипсиз оюнчулар басмырлоосуз, 43 λ боюнча тандалган өзгөчөлүктөрдүнMinErr 24 GM аймактардын кубаттуулугу жана 19 WM баракчаларды FA түздү, жана 34 Л боюнча тандалган өзгөчөлүктөрдүн1SE 15 GM аймактардын дыгын жана 19 WM баракчаларды Суйуум түздү. дени сак эмес оюнчулар чейин нормалдуу оюнчулар айырмасы жылы 21 λ боюнча тандалган өзгөчөлүктөрдүнMinErr 12 GM аймактардын кубаттуулугу жана 9 WM китепчелер RD түзгөн, жана 12 Л боюнча тандалган өзгөчөлүктөрдүн1SE 6 GM аймактардын дыгын жана 6 WM китепчелер Д. түздү. тартипсиз жана нормалдуу оюнчулар ортосунда номенклатурасында, 11 λ боюнча тандалган өзгөчөлүктөрдүнMinErr 7 GM аймактарда көлөмүн жана 4 WM колмо-MD, бир Л тандалган өзгөчөлүктү түздү1SE бир GM облусунун көлөмүнө туура келген.

тандалган өзгөчөлүктөрдүн аткаруу

белгилердин санын азайтууга бардык 108 өзгөчөлүктөрү менен моделге модели аралыгында аткаруу SVMs менен оюнчулар жана дени сак эмес оюнчулар ар бир түрү ортосундагы басмырлоосуз AUC жагынан окшош болгон (Figure (Figure3) .3). тартипсиз жана нормалдуу оюнчулар арасындагы жашыруун, үлгү Л боюнча же тандалган өзгөчөлүктөрдүн мененMinErr (AUC = 0.83, p = 0.006) же Л боюнча1SE (AUC = 0.72, p <0.001) бардык 108 өзгөчөлүктөрү бар моделге караганда начар иштешин көрсөттү (AUC = 0.90).

 

Сүрөттү кармап, тышкы, мисал, ж.б. Object аты fpsyt-09-00291-g0003.jpg болуп саналат

жок моделдердин арасында алуучудан мүнөздүү кыйшык иштеп аянтынын (AUC) жагынан колдоо жана багыты машина менен үч топтун ар бир жуп менен жашыруун үчүн өзгөчөлүк тандоо аткаруу менен салыштыруу. белгилердин кыскарган сандардын модели Л тандалган сейрек жана токой өзгөчөлүктөр менен ылайык келет, ал эми 108 өзгөчөлүктөрү модели (туташ сызык менен белгиленген), өзгөчөлүгү тандоо жок деген туура келетMinErr (Үзүк сызык менен көрсөтүлгөн) жана λ1SE (Толкун-чекиттүү сызык менен белгиленген), тиешелүүлүгүнө жараша. HN, дени сак эмес оюнчулар; DG, тартипсиз оюнчулар; NG, кадимки оюнчулар.

Classification тактыгы

өзгөчөлүктөрдү колдонуу SVMs менен номенклатурасында Л тандалганMinErr, Тактык мүмкүнчүлүк денгээлде караганда бир кыйла жогору, жогору 98% болду (p Оюнчулардын ар бир түрүн дени сак эмес оюнчулардан айырмалоодо <0.001) (Figure4A) .4A). Баллдын дагы деле мүмкүнчүлүк денгээлде караганда бир кыйла жогору болгон (p = 0.002) эмес, тартипсиз жана кадимки оюнчулар арасындагы жашыруун эле аз эле 69.8%, атайын тартипсиз оюнчулар туура аныктоо аз сезимталдыкты (47.4%) көрсөтүү. Л боюнча аныкталат токой өзгөчөлүктөр1SE көрсөткөн сыяктуу аткаруу (Figure (Figure4B) 4B), Ал эми кадимки оюнчулар тартып тартипсиз оюнчулар туура айырмачылыктын көп төмөн сезимталдык (2.6%) көрсөттү.

 

Сүрөттү кармап, тышкы, мисал, ж.б. Object аты fpsyt-09-00291-g0004.jpg болуп саналат

Башаламандык колдонууда үч топтун ар бир жуп менен жашыруун менен тал- (A) сейрек жана (B) Л боюнча аныкталат токой өзгөчөлүктөрMinErr жана Л боюнча1SEТиешелүүлүгүнө жараша, колдоо багыты машина менен. Төмөнкү-оң клетка классификация тактыгын (КБА) билдирет, төмөнкү-сол бир клетка чыныгы терс баасы (TNR) же өзгөчөлүгү, төмөнкү-ортоңку клетка чыныгы оң чен (TNR) же сезгичтик, жогорку-оң клетка терс жарыш балл (ТДК ), жана орто-оң клетка оң жарыш балл (PPV). TP, чыныгы оң; TN, чыныгы терс; FP, жалган оң; FN, жалган, терс.

талкулоо

Бул макалада биз патологиялык жана DSM-5 сунуш IgD антителолору менен категориясына катары эмес патологиялык оюнчулар сейрек анатомиялык өзгөчөлүктөрү менен көрсөтүлүшү мүмкүн, жокпу, текшерип умтулган. тартипсиз жана нормалдуу оюнчулар дени сак эмес оюнчулар карата, тиешелүүлүгүнө жараша, 43 жана 21 өзгөчөлүктөрү боюнча сунушталган. Мындан тышкары, тартипсиз оюнчулар 11 кадимки оюнчулар карата өзгөчөлүктөрү боюнча сунушталган. сейрек анатомиялык өзгөчөлүктөрүн колдонуп, тартипсиз жана кадимки оюнчулар дени сак эмес оюнчулар ийгиликтүү басмырлоого болушу мүмкүн, бирок, тартипсиз жана кадимки оюнчулар ортосунда классификация салыштырмалуу оор болду.

DSM-5 сунуш IgD антителолору менен IgD симптому негизделген баяндама категорияга көп кабыл алган жатат. IgD антителолору эмпирикалык мөөнөтү бир нече өлкөлөрдө ырастаган да (, , ), Беш же андан көп IgD антителолору ден дуушар босогосу белгилүү бир чечим болушу мүмкүн эмес, ошондой эле Интернет-негизделген оюндарды ойноп адамдарды болуп бөлүнүшүнүн башка жолдору сунуш берилиши мүмкүн (). да көбөйүп элге жеткиликтүү болуп, мисалы, мээ иштетүүчү маалыматтарды, ошондой эле жүрүм-турум, жана симптоматикалык маалыматтарды клиникалык маалыматтарды, бир нече түрлөрү, болгондуктан, кошумча маалымат көбүнчө психикалык оору аныктоо үчүн ишке кабыл алынышы мүмкүн. байланыштуу сандык маалымат көлөмдүү үчүн, атап айтканда, мээнин иштетүүчү маалыматтарды эсептөө жолдорун үчүн ылайыктуу жана божомолдоо үчүн пайдалуу болмок. Чындап эле, мээ иштетүүчү маалыматтар клиникалык тиешелүү маселени чечүү үчүн алдын ала башка клиникалык маалыматтарга караганда, жогорку интеллектуалдык баалуулуктарды ээ болду ().

ML-негизделген катары диагностикалык классификация Жакында башка жаман жүрүм-, баш аламандыктар үчүн колдонулду (-), IgD симптому негизделген категорияга ошондой эле эсептөө негизинде жашыруун бир кыйынчылык пайда болот. Анткени IgD төмөнкү мээнин анатомиялык аномалиялар бир нече жолу, мурунку өткөрүлгөн изилдөөлөрдүн негизинде маалым болгон (-, ), Биз IgD аныктоо үчүн мээ иштетүүчү маалыматтарды мүмкүн Эпке мындай анатомиялык маалымат болуп эсептелет. Бул изилдөөдө, биздин максат жеке класстар арасында анатомиялык айырмачылыктар баяндаган тышкары, жетиштүү жогорку классификация аткарууну камсыз кылуу мүмкүн маанилүү анатомиялык өзгөчөлүктөрүн комплексин аныктоо болду.

Биз 108 анатомиялык өзгөчөлүктөрү арасында маанилүү адамдарды тандап, кылдат Ирээтке регрессия. Биз GM жана WM параметрлеринин сегиз аралашма каралып жатканда, параметрлерди кошулмалардын үч топтун ар бир жубу айырмалоо үчүн тандалып алынган. GM аймактардын ичке жана WM баракчаларды бүтүндүгүн айкалышы GM аймактардын көлөмү жана WM китепчелер эаады айкалышы патологиялык ойундарына айырмалоо үчүн жакшы болчу, ал эми дени сак эмес оюнчулар чыккан патологиялык ойундарына айырмалоо үчүн жакшы болчу эмес патологиялык оюнчулар келген. Мындан тышкары, көп мээ компоненттери, адатта, ден соолугу эмес оюнчулар чейин патологиялык эмес жана патологиялык оюнчулар айырмасы үчүн маанилүү болгон neuroanatomic өзгөчөлүктөрү катары кызмат кылган, бирок, кээ бир GM облустарында жана WM баракчалар эмес патологиялык ойундарына мүнөздөлөт, бирок патологиялык оюнчулар жок . Бул жыйынтыктар GM жана WM параметрлер белгилүү бир айкалышы Жашыруун сакталууга тийиш болгон топторго жараша тандалат керек, ошондуктан алар анатомиялык Эпке катары GM жана WM көрсөткүчтөрдүн жалпыга мыкты артист айкалышы болушу мүмкүн эмес экенин көрсөтүп турат.

эмес Патологиялык оюнчулар айырмасы үчүн дени сак эмес оюнчулар чейин Патологиялык оюнчулар айырмалабастан салыштырмалуу сейрек өзгөчөлүктөрдүн аз сан эмес патологиялык оюнчулар патологиялык оюнчулар жана дени сак ортосундагы өткөөл баскычында турат чагылдырат эмес оюнчулар. Мындан тышкары, оюнчулар жана дени сак эмес оюнчулар ар бир түрү ортосунда басмырлоонун караганда оюнчулар эки жихаддын ортосундагы жашыруун үчүн азыраак сейрек өзгөчөлүктөрү патологиялык эмес жана патологиялык оюнчулар жагынан бири-бирине анча окшошпогон деп билдирет аларды дени сак эмес оюнчулар окшош эмес караганда neuroanatomy жөнүндө. Демек, сейрек өзгөчөлүктөрү менен түзүлгөн классификация модели оюнчулар эки жихаддын ортосундагы жашыруун менен 98% Ылдыйкы ар бир оюнчулар түрү жана дени сак эмес оюнчулар, бирок так ортосунда басмырлоосуз 70% дан жогору тактык берди. Башкача айтканда, азык-патологиялык оюнчулар дени сак эмес оюнчулар, ошондой эле патологиялык оюнчулар айырмалуу болгон, бирок патологиялык эмес жана патологиялык оюнчулар айырмалоо боюнча чектөөлөр болгон жок.

оюнчулар эки типтеги Бул салыштырмалуу төмөн айырмалуулукка бир нече көз караш көрүнөт. Биринчиден, белги негизделген категория- жана эсептөө негизинде жашыруун ортосундагы дал келбестиктер сунуш берилиши мүмкүн. сунуш диагностикалык IgD антителолору беш же андан көп критерийлерди дуушар босого IgD ашыкча диагнозун алдын алуу үчүн эскиче тандалып алынды (да), IgD чектен канааттануу neuroanatomy олуттуу патологиялык өзгөрүүлөрдү азап эмес, оюнчулар болушу эсепке алынышы мүмкүн эмес. Атап айтканда, биз бир гана оюнчулар IgD Бул макалада көрсөтүлгөндөй, ашык эмес Медиа-дени сак адамдар көбүнчө алыс болушу мүмкүн болгон эмес, деп диагноз үчүн, IgD антителолору ден IgD босогосунда кадимки оюнчулар катары кыйла төмөн канааттандырган ойундарына киргизилген. Экинчиден, анатомиялык Эпке гана таянып жашыруун бир көйгөй кетүү мүмкүн. Classification аткаруу Патологиялык эмес жана патологиялык оюнчулар арасында көбүрөөк окшош эместик басып башка Эпке келем, анын ичинде аркылуу жакшыртса болот. Атап айтканда, мээнин иш өзгөртүүлөр себеби IgD менен көрсөткөн (жатат-), Мээ иш-милдети, ошондой эле анатомия мээ Эпке каралышы мүмкүн. Андан тышкары, биз интернет оюн көз карандылыкты интернет оюн көз карандылык, башка себептерден улам да, бери дегенде, ар кандай ички жана тышкы эмес, коркунуч болуп саналат жана көп кырдуу бөлүктөн мээде гана бөлүгүн түзөт өзгөрүүлөрдү белгилеп кетким келет (), Азык-оюн дени сак адамдар оюнчулар патологиялык эмес жана патологиялык оюнчулар ортосунда, ошондой эле айырмасы жашыруун үчүн толук моделдер киргизилиши керек.

Бул жерде биз Ирээтке кетүү, мындай Lasso и резинка торго катары sparsity-көмөк estimators колдонуп колдонушууда, классификация моделдер үчүн маанилүү өзгөчөлүктөрүн аныктоо. өзгөчөлүк тандап алуу же dimensionality кыскартуу менен, чынында, методикалык айырмачылыктар жана ыкмалардын ар кандай үлгү курулуш тандалган өзгөчөлүктөрдүн пайдалануу үчүн пайдаланса болот бар (). Ирээтке кетүү менен биздин мамиле анатомиялык өзгөчөлүктөрүн жана sparsity жөнүндө априори гипотезасын алып келет. Бул изилдөө ишенип эле, мындай бир гипотеза жагымдуу шартта, регрессия таба мамиле болушу мүмкүн тартипке жана сейрек өзгөчөлүктөрү тандалып алынган жыйындысы жетиштүү жогорку аткаруу классификация моделдерин түзүү болушу күтүлөт. Бирок көп sparsity негизинде жөнөкөй классификация моделдер ар дайым окшош же жакшыртууну көрсөтүү мүмкүн эмес экенин белгилей кетүү керек. Ооба, регулярлаштыруу параметр боюнча sparsity даражасы ар кандай тандоо арасында көбүрөөк sparsity мындай патологиялык эмес жана патологиялык оюнчулар арасындагы жашыруун катары жакшы аткарууга моделин атайын көбүрөөк татаал классификация көйгөйлөр, камсыз кылуу мүмкүн эмес.

Мындан тышкары, биз өтө таанымал адамдардын катарына кирет, анткени, классификация моделдерин куруу үчүн ML техникасы катары SVMs колдонушкан. Башка өркүндөтүлгөн ыкмалары, анткени тажрыйба жагдайды боюнча аткаруу көз каранды ар түрдүү ыкмалары ортосунда салыштырмалуу аткаруу түзүлүшү мүмкүн эмес болсо да, классификация аткарууну жакшыртуу үчүн колдонулушу мүмкүн (). Башка жагынан алып караганда, классикалык статистикалык ыкмалар менен ML ыкмалары ортосунда салыштырмалуу аткаруу үчүн, биз, ошондой эле логистикалык регрессия бөлүү жүргүзүлгөн жана эки ыкмалары, тактап айтканда, логистикалык регрессия жана SVMs, жашыруун аткарууда салыштырмалуу экенин көрсөткөн (Figure S2). классификация аткарууда ML техникалык классикалык статистикалык ыкмалар дайым төмөн эмес экенин кыдырууну мүмкүн ().

Учурдагы изилдөө, биз IgD бул белгиси боюнча категорияга бөлүү моделдерин курамы сейрек анатомиялык Эпке боюнча берилиши мүмкүн ачып бердим. Мындан тышкары, биз эмес Патологиялык оюнчулар neuroanatomy жагынан алганда, азык-оюн дени сак адамдар эмес, патологиялык оюнчулар анча айырмаланбаган болуп калышы мүмкүн экенин көрсөттү. Ошентип, учурдагы диагностикалык системалары DSM-5 алтын стандарттары катары сүрөттөлгөн категория- таянып эмес патологиялык оюнчулар сыяктуу анатомиялык өзгөртүүлөрдү киргизүү менен байланышкан ошол эле объективдүү Эпке колдонуу менен көбүрөөк этияттык менен диагноз керек да деп ойлойм. эсептөө ыкмаларды кабыл алуу психиатрия боюнча кайтарылгыс тренд болуп сезилет, бирок иш жүзүндө клиникалык шарттарда ошол колдонуу үчүн дагы да узак жол жок болушу мүмкүн. Мээ элестетүүлөр жана башка клиникалык маалыматтардан сейрек өзгөчөлүктөрү оптималдуу тандоо Search кийинки изилдөөлөр жүргүзүлгөн болушу керек, жана узак мөөнөттүү келечекте, бул иш-аракеттер IgD эсептөө негизделген диагноз өбөлгө болмок.

Author салымдары

D-JK жана J-WC изилдөө түшүнүгү жана долбоор үчүн жоопкер болгон. ГК катышуучулардын клиникалык типтештирүү жана тандоо жүргүзүлгөн. CP маалыматтарды талдоо жана кол жазманы иштелип чыккан. Бардык жазуучулар сын мазмунду карап жана жарыялоо үчүн акыркы нускасын бекитилген.

пайыздык арыздын чыр

Жазуучулар изилдөө кызыкчылыктардын мүмкүн болуучу чыр-чатак катары боло турган кандайдыр бир соода же каржылык мамилелер жок жүргүзүлдү деп.

Шилтемелер

 

Каржылоо. Бул изилдөө Кореянын Улуттук кору аркылуу Brain илимий изилдөө программасы (NRF) Кореяда илим министрлиги жана МКТ (NRF-2014M3C7A1062893) тарабынан каржыланып тарабынан колдоого алынган.

 

 

Кошумча материал

Ушул макала үчүн Кошумча материалдар онлайн тапса болот: https://www.frontiersin.org/articles/10.3389/fpsyt.2018.00291/full#supplementary-material

шилтемелер

1. Жаш KS. Интернетке көз каранды: а жаңы клиникалык баш аламандыктын пайда. CyberPsychol Behav. (1998) 1: 237-44. 10.1089 / cpb.1998.1.237 [Cross-ж]
2. Америка психиатриялык бирикмеси жана диагностикасы Психикалык бузулуу статистикалык Manual, 5th арналган. Washington, DC: Америка психиатриялык бирикмеси Publishing; (2013).
3. Ko CH Йен JY, Chen SH, Wang PW, Chen CS Йен cf. Taiwan-жылы жаштар арасында DSM-5 интернет оюн аламандыктын диагностикалык критерийлерди баалоо. J Psychiatr Рез. (2014) 53: 103-10. 10.1016 / j.jpsychires.2014.02.008 [PubMed] [Cross-ж]
4. Ko CH, Hsieh TJ, Wang PW, Лин WC Йен CF, Chen CS, .Удаалаш. . боз зат тыгыздыгын өзгөртүү жана интернет оюн бузулган улуулардын amygdala иш байланышын үзгүлтүккө учураткан. Prog Neuropsychopharmacol Biol психиатрия (2015) 57: 185-92. 10.1016 / j.pnpbp.2014.11.003 [PubMed] [Cross-ж]
5. Lin X, Dong G, Wang Q, Du X. ши- боз зат жана "Интернет оюн көз каранды" ак заттын көлөмү. Addict Behav. (2015) 40: 137-143. 10.1016 / j.addbeh.2014.09.010 [PubMed] [Cross-ж]
6. Wang H, Jin C, K Yuan, Шакир TM, Мао C, Niu X, .Удаалаш. . интернет оюн бузулган өспүрүмдөр менен боз зат көлөмүн жана таанып-контролдоо өзгөртүү. Front Behav Neurosci. (2015) 9: 64. 10.3389 / fnbeh.2015.00064 [КУП акысыз макала] [PubMed] [Cross-ж]
7. Yuan K, Ченг P, Dong T, Би Y, Xing L, Ю D, жана башкалар. . онлайн ойноо көз карандылыктан кеч өспүрүмдүк CORTICAL кубаттуулугу деп божомолдонот. PLoS ONE (2013) 8: e53055. 10.1371 / journal.pone.0053055 [КУП акысыз макала] [PubMed] [Cross-ж]
8. Dong G, Кейн E, Huang J, Du X. Diffusion тензору иштетүүчү интернет оюн көз каранды .Гипоталамус жана арт cingulate борбору бузулууларды айтылат. J Psychiatr Рез. (2012) 46: 1212-6. 10.1016 / j.jpsychires.2012.05.015 [КУП акысыз макала] [PubMed] [Cross-ж]
9. Xing L, Yuan K, Би Y, Yin J, Cai C, Feng D, жана башкалар. . Азайтылган була бүтүндүгүн жана интернет оюн бузулган өспүрүмдөр саттан башкаруу. Brain Рез. (2014) 1586: 109-17. 10.1016 / j.brainres.2014.08.044 [PubMed] [Cross-ж]
10. Бессон P, Dinkelacker V, Valabregue R, Thivard L, Леклерк X, Baulac M, жана башкалар. . сол жана оң чыкыйдагы эпилепсия түзүмдүк байланыш айырмачылыктар. Neuroimage (2014) 100: 135-44. 10.1016 / j.neuroimage.2014.04.071 [PubMed] [Cross-ж]
11. Huys QJ, Майа TV, Frank MJ. клиникалык колдонмолорго, дедуктирлештирбейт бир көпүрө катары эсептөө психиатрия. Nat Neurosci. (2016) 19: 404-13. 10.1038 / nn.4238 [КУП акысыз макала] [PubMed] [Cross-ж]
12. Lemmens JS, Valkenburg PM, бутпарас да. интернет оюн тартипсиздик масштабдуу. Psychol баалоо. (2015) 27: 567-82. 10.1037 / pas0000062 [PubMed] [Cross-ж]
13. Данкеге R, Yotter RA, Гезер шаарын C. CORTICAL кубаттуулугу жана борбордук беттик баалоо. Neuroimage (2013) 65: 336-48. 10.1016 / j.neuroimage.2012.09.050 [PubMed] [Cross-ж]
14. Smith SM, Jenkinson M, Johansen-Берг H, Rueckert D, Николс TE, Маккей-жылы, жана башкалар. . Баракчалар негизделген мейкиндик боюнча статистика: voxelwise көп тийиш жайылышына маалыматтарды талдоо. Neuroimage (2006) 31: 1487-505. 10.1016 / j.neuroimage.2006.02.024 [PubMed] [Cross-ж]
15. Hammers A, курбашы R, Кепп MJ, Free SL, Майерс R, Lemieux L, .Удаалаш. . Үч өлчөмдүү максималдуу ыктымалдуулук адамдын мээсинин атлас, убактылуу көнчөгүнө өзгөчө шилтеме берүү менен. Hum Brain Mapp. (2003) 19: 224-47. 10.1002 / hbm.10123 [PubMed] [Cross-ж]
16. Мори S, Oishi K, Йианг H, L Йианг Ли X, Akhter K, .Удаалаш. . бир ICBM Калыпка жайылышына тензору элестетүүлөр негизинде Stereotaxic ак зат атлас. Neuroimage (2008) 40: 570-82. 10.1016 / j.neuroimage.2007.12.035 [КУП акысыз макала] [PubMed] [Cross-ж]
17. Tibshirani R. Регрессиялык азайышы жана Lasso аркылуу тандоо. J Roy Stat Soc Ser B (1996) 58: 267-88.
18. Zou H, Hastie Т. Регулярлаштыруу и резинка торго аркылуу өзгөрүлмө тандоо. J Roy Stat Soc Ser B (2005) 67: 301-20. 10.1111 / j.1467-9868.2005.00503.x [Cross-ж]
19. Theodoridis S. Machine Learning: A технологияны аялдар эркектер менен бөлүшпөйт жана оптималдаштыруу дешет. Лондон: Academic Press; (2015).
20. Аэропорт ER, США DM, Кларк-Пирсон DL. эки же андан көп салыштырмалуу алуучу аймактарды салыштырып мүнөздүү ийилген иш: а параметрикалык эмес мамиле. Биометрикалык (1988) 44: 837-45. 10.2307 / 2531595 [PubMed] [Cross-ж]
21. Cho SH, Кайя JH. Интернет Жылнаама'дан Disorder масштаб (K-IgD антителолору) Корея нускасынын далили: чоъдорго бир жамаат үлгүдөн ачылыштар. Корея J Clin Psychol. (2017) 36: 104-17. 10.15842 / kjcp.2017.36.1.010 [Cross-ж]
22. Sigerson L, Li, поселкалык, Чунг MWL, Luk JW, Чэн C. психометрикалык кытай интернет оюн башаламандык масштабда касиеттери. Addict Behav. (2017) 74: 20-6. 10.1016 / j.addbeh.2017.05.031 [PubMed] [Cross-ж]
23. Бёрк Куинлэн E, Dodakian L, J, МакКензи A, Le V, Wojnowicz М, ж.б. кара. . Нейрон милдети, жаракат алуу, ошондой эле мээге Түрчөсү мээге кийин дарылоо кирешелерден алдын ала. Энн Neurol. (2015) 77: 132-45. 10.1002 / ana.24309 [КУП акысыз макала] [PubMed] [Cross-ж]
24. Pariyadath V, Stein EA, Росс TJ. мамлекеттик иш байланышын эс-жылдын Машина үйрөнүү классификация тамеки статусун божомолдойт. Front Hum Neurosci. (2014) 8: 425. 10.3389 / fnhum.2014.00425 [КУП акысыз макала] [PubMed] [Cross-ж]
25. Fedota JR, Stein EA. Эс-мамлекеттик иш байланыш жана никотинге көз карандылык: biomarker өнүктүрүүнүн келечектери. Ann NY Акад Sci. (2015) 1349: 64-82. 10.1111 / nyas.12882 [КУП акысыз макала] [PubMed] [Cross-ж]
26. Ahn WY, Ramesh D, Moeller FG, Vassileva J. машина-үйрөнүү ыкмаларын зат пайдалануу оорулардын турум белгилерин аныктоо үчүн пайдалуу: impulsivity көлөмүн учурдагы кокаин көз карандылык божомолдоочу эле. Front Психиатрия (2016) 7: 34. 10.3389 / fpsyt.2016.00034 [КУП акысыз макала] [PubMed] [Cross-ж]
27. Ahn WY, Vassileva J. Machine-окуу апийимге жана стимулдаштыруучу көз каранды зат-белгилүү бир жүрүм-турум белгилерин аныктайт. Drug Ичкилик изде. (2016) 161: 247-57. 10.1016 / j.drugalcdep.2016.02.008 [КУП акысыз макала] [PubMed] [Cross-ж]
28. Percy C, França M, Dragičević S, D'avila Garcez A. Онлайндагы кумар оюндарынын өзүн-өзү четтетүү жөнүндө божомолдоо: көзөмөлдөнгөн машина үйрөнүү моделдеринин аткарылышын талдоо. Int Gambl Stud. (2016) 16: 193–210. 10.1080 / 14459795.2016.1151913 [Cross-ж]
29. Ding WN, Sun JH, Sun YW, Чжоу Y, Li L, Xu JR, .Удаалаш. . Интернет оюн көз карандылыктан өспүрүмдөр өзгөртүлүшү демейки тармак эс-мамлекеттик иш байланыш. PLoS ONE (2013) 8: e59902. 10.1371 / journal.pone.0059902 [КУП акысыз макала] [PubMed] [Cross-ж]
30. Менг Y, Deng W, Wang H, Го W, Li Т. интернет оюн бузулган адамдардын prefrontal мандем бар: иш магниттик-резонанстык изилдөө мета-анализ. Addict Biol. (2015) 20: 799-808. 10.1111 / adb.12154 [PubMed] [Cross-ж]
31. Чжан JT, Yao YW Ли CSR, Занге-шатман, Шен ZJ Лю L, .Удаалаш. . Интернет оюн бузулган жаш менен Insula такое эс-мамлекеттик иш байланыш. Addict Biol. (2015) 21: 743-51. 10.1111 / adb.12247 [КУП акысыз макала] [PubMed] [Cross-ж]
32. Cai C, K Yuan, Yin J, D Feng, Би Y, Li Y, жана башкалар. . Striatum гистология интернет оюн-каргашаларды билүү башкаруу тартыштыгы жана белгилери оордугуна менен байланыштуу. Brain иштетүүчү Behav. (2016) 10: 12-20. 10.1007 / s11682-015-9358-8 [PubMed] [Cross-ж]
33. Park C, Чун JW, Cho H, Юнг YC Чой J, Ким DJ. Интернет-оюн-каранды мээни жакын патологиялык абалда болушу керек эмеспи? Addict Biol. (2017) 22: 196-205. 10.1111 / adb.12282 [PubMed] [Cross-ж]
34. Адамс, DJ, Джонсон MD. Интернет оюн көз карандылык: эмпирикалык изилдөөлөрдүн бир системалуу кайра карап чыгуу. Int J иналы Health Addict. (2012) 10: 278-96. 10.1007 / s11469-011-9318-5 [Cross-ж]
35. Castellanos FX, Di Martino A, Крэддок RC, Mehta AD, Milham депутат. иш connectome клиникалык колдонмолор. Neuroimage (2013) 80: 527-40. 10.1016 / j.neuroimage.2013.04.083 [КУП акысыз макала] [PubMed] [Cross-ж]
36. Tollenaar N, Van Der Heijden P. ыкмасы мыкты өнөкөт алдын ала ?: статистикалык, Машина үйрөнүү жана маалымат-кен жарыш моделдердин салыштыруу. J Roy Stat Soc Ser A (2013) 176: 565-84. 10.1111 / j.1467-985X.2012.01056.x [Cross-ж]