静息态BOLD信号的振荡频率特性及临床应用研究

发布时间：2020-04-11 21:56

【摘要】：人脑是一个非常精细的复杂系统,其内部神经过程通常是由多个具有不同频率的神经信号叠加而成的综合效果。既往研究表明,大脑神经活动中的低频振荡信号与许多高级认知功能活动密切相关,并且低频振荡信号对于揭示一些疾病的脑功能活动异常具有重要的意义。随着医学影像技术的发展,静息态血氧水平依赖(blood oxygenation level dependent,BOLD)振荡为考察神经活动的低频振荡特性提供了有效手段。但是当前研究主要存在三个方面的问题:一是对BOLD振荡频段的划分尚未建立可靠、统一的方法;二是对BOLD振荡如何影响全脑功能连接,尤其在动态功能连接缺乏系统的研究;三是BOLD振荡特征在神经精神疾病辅助诊断中的有效性尚不清楚。针对上述问题,本论文通过构建BOLD信号的振荡频率成分分析方法,系统地研究静息态BOLD信号的振荡频率对脑功能活动的影响特点以及在神经精神疾病诊断中的价值。研究内容包括三个部分:第一部分,构建了BOLD信号的振荡频率成分分析方法。本论文基于自适应噪声完备总体经验模态分解方法,结合希尔伯特-黄变换,构建了BOLD信号的振荡频率成分分析方法。该方法一方面可将BOLD信号的振荡频率自适应地分解为不同的子频段,另一方面可在全脑体素水平评估BOLD信号的振荡频率成分特性。第二部分,系统研究了BOLD信号的振荡频率对全脑功能连接的影响特点。本论文基于频率成分分析方法将全脑体素BOLD信号的振荡频率分解为多个子频段,并从静态和动态两个方面系统地考察了全脑功能连接在神经精神疾病中的频率特异性改变特点。一方面是采用功能连接密度(functional connectivity density,FCD)和介数中枢度(betweenness centrality,BC)指标,从体素水平和大尺度网络水平分别考察了不同子频段下神经精神疾病患者的全脑静态局部功能连接效率特点。结果表明焦虑症患者FCD的异常改变具有频率特异性,并且特定频段下FCD值的改变能够作为焦虑症的潜在有效标记。同时,在大尺度网络水平,癫痫患者发作间期默认网络和躯体运动网络内部BC值在特定频段0.015-0.025 Hz和0.12-0.25 Hz下的改变与疾病严重程度显著相关,进一步表明功能连接网络局部效率的频率特异性改变可作为疾病发展的参考依据。另一方面是采用时变分析方法研究了全脑静息态子网络动态功能连接的频率特异性特点。动态功能连接分析可有效描述脑功能活动的时变属性,是计算神经科学领域的前沿。本论文基于滑动窗和聚类分析方法,通过构建功能连接动态性评价指标,首次考察了不同子频段下癫痫患者静息态子网络的动态功能连接特点。结果表明癫痫患者各静息态子网络内部和之间动态功能连接的异常改变同样具有频率特异性,并且皮下网络的功能连接动态性在频段0.0095-0.0195 Hz下的异常改变对癫痫特定症状的诊断具有非常重要的意义。第三部分,研究了BOLD信号的振荡频率特性在神经精神疾病诊断中的效果。通过有效地提取脑功能影像特征,并结合机器学习方法,对神经精神疾病进行鉴别是当前医学辅助诊断领域的研究热点。但是,BOLD信号的振荡频率特性是否可以作为分类特征对神经精神疾病进行有效鉴别尚不清楚。一方面,本论文提取不同频率下的FCD值作为分类特征,考察了频率特异性局部功能连接效率在区分焦虑症患者和正常人中的效果。结果表明频率特异性FCD值可以将焦虑症患者从正常对照被试中有效区分(准确率89.83%),并且脑岛在较低频段0.02-0.036 Hz具有最高的分类效率,预示着脑岛的频率特异性局部功能连接效率改变可作为焦虑症诊断的有效标记。另一方面,本论文基于频率成分分析方法计算了BOLD信号的振荡频率成分加权频率,并作为分类特征对抑郁症患者和正常人进行区分。结果表明BOLD信号的振荡加权频率特征能够对抑郁症患者和正常对照被试进行有效区分(准确率87.05%),并且低频成分(0.01-0.08 Hz)在BOLD振荡中所占的比率对于鉴别抑郁症具有重要意义。同时,认知连接网络相关脑区额中回的加权频率特征在分类中表现出较高的权重,预示着该脑区的频率特异性可作为抑郁症的临床有效标记。综上所述,本论文揭示了BOLD信号的振荡频率不仅影响大脑静态功能连接活动的局部效率,而且还影响大脑动态功能连接活动的时变属性,一些特定的频率段对于检测神经精神疾病的脑功能活动异常改变更具敏感性。同时,本论文也发现BOLD信号的振荡频率特性对于区分神经精神疾病患者和正常人具有较好的分类效果,这对于后期应用BOLD信号的振荡频率特性进行神经精神疾病的辅助诊断具有重要的理论意义和应用价值。
【图文】：

大脑,神经,神经元,尺度

2图 1-1 大脑神经振荡的尺度层神经元产生[12]；Theta 波与工作记忆有关，主要起源于海马及周围相关脑区[13]；Alpha 波与长时记忆有关，主要起源于丘脑皮层系统[14]；Beta 波与运动行为有关，主要调节运动系统中动作电位的时间同步性[15]；Gamma 波与感觉有关，主要源自于局部区域的篮状细胞和锥体细胞的活动，但是这种局部的振荡可以传递到远距离的脑区中去[16-18]；Fast 波和 ultra fast 波主要源于海马等相关区域，一般认为其没有特定的认知关联，可能与任何认知过程相关[19, 20]。1.1.2 低频振荡低频振荡（low-frequency oscillation，LFO）一般指的是振荡频率小于 1 Hz

仿真信号,模态数,模态分解

图 2-1 EMD、EEMD、CEEMD 和 CEEMDAN 对仿真信号分解效果比较信号不能够再被 EMD 分解，，从而使得它要么满足于 IMF 条件，要么具有少于三个的局部极值点。最终的残差信号满足： KkKkrtxtdt1()~( )()（式 2-18）其中 K 为最终的模态数。因此，为了确保分解的完备性和对原始信号的准确重构， x (t)可以表示为以下形式：KKkkx t dt r 1()~( )（式 2-19）在此，CEEMDAN 最终得到的模态数只取决于数据本身和终止规则。图 2-1展示了采用以上四种模态分解方法对同一仿真混合信号进行分解，可以发现，相对于其它三种分解方法，CEEMDAN 方法在信号分解中具有明显的优势。
【学位授予单位】：兰州大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R749;TN911.6

【相似文献】