论文部分内容阅读
阿尔茨海默症(Alzheimer’s disease,AD)俗称老年痴呆,是一种年龄相关的慢性神经退行性疾病,是痴呆中最常见的类型。轻度认知障碍(Mild Cognitive Impairment,MCI)是处于正常衰老和痴呆之间的一种过渡状态,每年有10%-15%的MCI患者转化为AD,而目前临床上仍然缺乏有效的高敏感性的生物标志物。功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)具有空间分辨率高、可计算性强的优点,基于fMRI研究者可以从大脑的局部和网络等方面展开脑形态学和功能分析,进而从多个角度和模态探究MCI及AD的发展过程和早期诊断方法。为了更好的了解疾病对脑功能网络的影响以及探究脑功能网络作为生物标志物的潜力,本文研究的主要内容包括以下部分:(1)基于fMRI的既往多数研究都只是关注了大脑灰质的血氧水平依赖(blood-oxygen-level dependent,BOLD)信号,基于灰质感兴趣区域(region of interest,ROI)构建脑功能连接(function connection,FC)网络,而最新的一系列研究表明大脑白质的BOLD信号同样含有相关的神经活动信息。为了更全面地研究由认知障碍引起的脑网络异常,以及脑网络特征作为该疾病生物标志物的潜力,本文提取了大脑白质和灰质的BOLD信号,分别基于皮尔逊相关系数、偏相关系数、极大信息系数构建了大脑区域间的FC网络;(2)采用滑动窗口的策略构建动态脑网络特征。除了以往研究中常用的均方根用来提取动态FC的特征,本文引入样本熵、排列熵来提取动态FC的特征,利用支持向量机(support vector machine,SVM)进行分类,旨在根据分类结果验证以上脑网络特征在识别病症时的效力,挖掘病程进展中脑功能连接的异常模式;(3)已有研究表明,认知障碍在不同频段下的表现程度不同。本文将BOLD信号分为四个频段:full-band(0.01-0.08Hz)、slow-3(0.073-0.198Hz)、slow-4(0.027-0.073Hz)、slow-5(0.01-0.027Hz),进一步探究不同频段下脑网络特征的分类表现,为MCI和AD的早期筛查和诊断提供参考。研究结果表明基于皮尔逊相关系数和极大信息系数构建的脑网络反映出类似的病变模式,而基于偏相关系数构建的脑网络反映出的病变模式略有不同;基于偏相关系数构建的脑网络特征分类表现最优,正确率达100%,基于极大信息系数构建的脑网络特征表现次之,正确率达88.61%,二者均优于基于皮尔逊相关系数构建的脑网络特征的分类表现。动态脑网络特征的分析结果表明在MCI的进展过程中,患者脑区活动的复杂性提高,FC的规律性变差,在晚期认知障碍(late MCI,LMCI)向AD恶化的过程中,脑区之间的连接模式发生变化,活动复杂性降低。基于样本熵和排列熵提取的特征总体表现优于基于均方根提取的特征,前者的分类正确率达100%。此外,综合各种特征的分类表现,本研究的结果表明白质区域信号的加入在一定程度上有助于疾病的识别。