论文部分内容阅读
第一部分脑深部核团定量磁敏感图直方图分析在阿尔茨海默病中的应用价值研究目的:基于定量磁敏感图（quantitative susceptibility mapping,QSM）,探讨脑深部核团磁化率值的直方图特征对阿尔茨海默病（Alzheimer’s disease,AD）的诊断效能,并评价其与患者临床评分的相关性。材料与方法:收集2020年9月至2021年11月苏州大学附属第二医院神经内科诊断的AD患者23例（AD组）;同期,招募与AD组性别、年龄匹配的健康志愿者27例作为对照（healthy control,HC组）。AD患者参照适用于中国人群的阿尔茨海默病筛查和诊断框架,并结合简易精神状态检查量表（Minimum Mental State Examination,MMSE）评分＜24 分、蒙特利尔认知评估量表（Montreal cognitive assessment,MoCA）评分≤22分入组。所有受试者均行颅脑MRI扫描,包括轴位的Ti加权成像（T1 weighted imaging,T1WI）、轴位与矢状位的 T2加权成像（T2 weighted imaging,T2WI）、轴位的弥散加权成像（Diffusion weighted imaging,DWI）,以及矢状位的全脑T1加权三维磁化快速准备梯度回波序列（3DT1WI-MPRAGE）与重建定量磁敏感图所需的相位图和幅值图。在经重建后得到的QSM图上勾画苍白球（globus pallidus,GP）、尾状核头部（head of caudate nucleus,hCN）、壳核（putamen,PUT）、黑质（substantianigra,SN）、红核（red nucleus,RN）及齿状核（dentate nucleus,DN）的全体积 ROI（region of interest）,再将AD组与HC组的ROI与原始QSM图导入A.K.软件进行直方图特征提取,得到包括平均值、最大值、最小值、方差、均方根、极差、平均绝对偏差、均匀性、熵、峰度、偏度、10%分位数、中位数、90%分位数、四分位数间距在内的15个直方图指标。采用独立样本t检验或Mann-Whitney U检验比较AD组与HC组在六对深部脑核团的各直方图指标间的差异,对组间差异具有统计学意义的直方图指标逐一进行单因素分析,并将筛选出的指标纳入二元多因素逻辑回归分析,最终筛选出最佳的两指标联合模型。采用受试者工作特征（receiveroperating characteristic,ROC）曲线法评价组间有差异的直方图指标与联合模型的诊断效能,以曲线下面积（area under the ROC curve,AUC）、敏感度与特异度来衡量。采用Spearman相关分析,分析AD组六组核团各磁化率值直方图指标与MMSE、MoCA评分间的相关性。结果:AD组与HC组间共有32个直方图指标存在统计学差异,包括GP磁化率值的平均值、最大值、最小值、方差、均方根、极差、熵、10%分位数、中位数、90%分位数、四分位数间距;PUT磁化率值的平均值、最大值、最小值、方差、10%分位数、90%分位数;hCN磁化率值的平均值、最大值、最小值、中位数、极差、方差;SN磁化率值的平均值、最小值与10%分位数;RN磁化率值的平均值、最大值、中位数与熵;DN磁化率值的最小值与极差。上述指标均具有较好的诊断效能（AUC＞0.50）,其中PUT磁化率值的最小值（AUC=0.87,灵敏度=75%,特异度=96%）与GP磁化率值的极差（AUC=0.84,灵敏度=86%,特异度=84%）具有最佳的诊断效能,最佳截断值分别为-70ppb及720ppb。GP磁化率值的极差、PUT磁化率值的最小值、hCN磁化率值的最大值相较于其对应的核团磁化率平均值而言,具有更好的诊断效能（P=0.013;P=0.029;P=0.044）。单因素及多因素逻辑回归分析显示GP磁化率值的极差与PUT磁化率值的最小值联合模型,具有最佳的诊断效能,模型AUC为0.90,准确率为84%,敏感度为87%,特异度为89%。AD组中与MMSE评分相关性最强的直方图指标是PUT磁化率值的均匀性,两者呈显著负相关（r=-0.481,P=0.020）。所有直方图指标与MoCA评分均未见明显相关性（P＞0.05）。结论:基于定量磁敏感图的脑深部核团磁化率值直方图特征对AD与健康受试者的鉴别有着较好的诊断效能,提示核团磁化率值直方图分析所反映的核团内铁沉积的分布特征,对AD患者的鉴别可提供一定积极的帮助。PUT磁化率值的均匀性与MMSE评分相关,提示直方图参数对于AD的病情评估可能存在积极意义。第二部分基于表面的形态学分析在阿尔茨海默病患者中的应用价值研究目的:采用基于皮层表面的形态学分析（Surface-Based Morphometry,SBM）对AD患者大脑皮质的复杂度与脑沟回模式进行研究,并评价阳性脑区的复杂度指标与临床指标之间的相关性,探索可能存在的脑结构影像标志物。材料与方法:收集2020年9月至2021年11月苏州大学附属第二医院神经内科医生诊断的AD患者23例（AD组）;同期,招募性别、年龄与之匹配的健康志愿者27例（HC组）。AD患者参照适用于中国人群的阿尔茨海默病筛查和诊断框架,并结合简易精神状态检查量表（Minimum Mental State Examination,MMSE）评分＜24分、蒙特利尔认知评估量表（Montreal cognitive assessment,MoCA）评分≤22分入组。所有受试者均行颅脑MRI扫描,包括常规的T1加权成像（T1 weighted imaging,T1WI）、T2 加权成像（T2 weighted imaging,T2WI）、弥散加权成像（Diffusion weighted imaging,DWI）,以及全脑T1加权三维磁化快速准备梯度回波序列（3D T1WI-MPRAGE）。使用基于 Matlab 2016b（MathWorks,Natick,Massachusett,USA）平台的 Computational Anatomy Toolbox 12（CAT12,http://www.neuro.unijena.de/cat/,version r1434）工具包,在 statistical parametric mapping 12（SPM12,http://www.fil.ion.ucl.ac.uk/spm/software/spm12/,version 6685）环境下运行。首先使用MRIConvert软件将所得3D T1WI-MPRAGE图像的文件格式由DICOM转换为NIFIT格式,然后使用CAT12对图像进行灰质、白质与脑脊液的分割、大脑表面结构的重建、拓扑结构的校正和空间的配准,CAT12使用基于投射的皮层测量方法（Projection-based thickness,PBT）可以直接重建出大脑的表面形态。随后利用重建出的皮层表面进行分型维度（fractal dimension,FD）、回指数（gyrification index,GI）、皮层厚度（corticalthickness,CT）指标的计算,最后,对于计算出的指标再进行重采样与平滑（Resample and smooth）处理。利用CAT12内置的统计分析模块对AD组与HC组的分型维度、回指数及皮层厚度进行双样本t检验,以年龄、性别为协变量,所得到的统计结果使用自由阈值团块增强分析（threshold-free cluster enhancement analysis,TFCE）法进行多重比较校正,以群体水平误差（family-wise error,FWE）P＜0.05 为有统计学意义。以 Desikan-Killiany-Tourville（DKT40）图集参考,对组间比较有统计学差异的区域进行提取展示。采用偏相关分析,以年龄、性别为协变量,分析阳性脑区的复杂度指标（分型维度、回指数）与MMSE、MoCA评分间的相关性。结果:与HC组相比,AD组在缘上回、顶上小叶与顶下小叶表现出了分型维度的下降（TFCE校正,FWE,P＜0.05）,且都集中于右侧大脑半球,其中缘上回与顶上小叶体积大于1000个顶点水平;没有出现分型维度增加的脑区。皮层厚度方面,AD组与HC组间一共有16个区域出现了统计学差异,其中体积大于1000个顶点水平的有顶下小叶、顶上小叶、额上回、中央前回、中央后回、额中回尖部与尾部、缘上回、枕叶外侧回、中央旁小叶、楔前叶,且都分布于左侧大脑半球。而在回指数方面,AD组与HC组间没有发现具有统计学差异的脑区。相关性分析中,缘上回、顶上小叶的分型维度与MMSE、MoCA评分间均未见明显相关性（P＞0.05）。结论:本研究表明,AD患者相对于健康受试者在缘上回、顶上小叶存在分型维度的异常减低,提示SBM分析所反映的皮层复杂度变化可能在AD的鉴别诊断方面存在一定价值。但复杂度变化与AD的病情严重程度关联不强。