多模态核磁共振脑图像处理方法的研究及其应用

发布时间：2020-03-25 11:34

【摘要】：多模态核磁共振脑图像为我们探索脑神经提供了从结构到功能的影像学信息,许多研究表明一些精神性或神经性疾病都会引起脑结构和脑功能的变化,这些变化可能存在内在的联系。多模态核磁共振图像联合分析为揭开脑结构变化和脑功能变化的关系提供了可能,另外这种联合分析提供的全面医学影像信息对探索脑工作原理具有重要作用。多模态核磁共振数据有着信息互补的优势,但如何利用这些不同属性的数据,综合反映研究对象的生物学信息仍然是一种迫切的需求和重大的挑战。在众多困扰人类的疾病中,肥胖由于其流行性、易于引起其他一些顽固性疾病,已经成为危害人类健康最严重的疾病之一。研究人员希望从脑部入手探究肥胖人群异常的脑功能或者脑结构来揭示肥胖的神经机制,然而很少有研究从脑功能到脑结构的多模态联合分析。因此,本文围绕多模态核磁共振图像处理方法及应用主要开展了以下四个方面的研究(1)用各模态单独分析的方法,研究了肥胖人群脑结构和脑功能的变化以及减肥手术对这些变化的影响。通过将静息态功能磁共振(resting state fMRI)和T1加权像分别按照各自的模态分析方法进行独立分析,发现静息态下的肥胖人群在眶额皮层脑活动降低,小脑和枕-顶叶区域的脑灰质体积降低,手术后这些异常得到了恢复。我们的研究揭示了肥胖人群脑结构和脑功能活动异常的可塑性,对肥胖的机理研究和治疗具有重要意义。(2)用平行独立成分分析方法(parallel-ICA)对肥胖人群脑功能和脑结构像进行了联合分析,发现肥胖人群的脑结构和脑功能变化间具有耦合性。虽然没有发现手术后这些异常成分的恢复(神经的可塑性),但研究首次证实了肥胖人群脑功能和脑结构间变化的耦合性,这种变化的耦合性揭示了肥胖人群脑结构和脑功能变化的内在联系,对理解肥胖的神经机制有重要作用。(3)针对目前多模态磁共振图像分析方法中的缺陷,我们提出了一套适用于多模态联合分析的方法。方法主要分为两个部分,第一部分是考虑到测得的核磁信号是各种生理信息的综合反映,对各个模态的图像进行非负盲源分离。其中,针对反映脑结构信息的T1加权像,采用非负矩阵分解的方法将图像分解为基图像的线性叠加,针对反映脑功能信息的fMRI像,基于李群和李代数的映射关系改进了非负独立成分分解的方法,并将此方法首次应用于fMRI图像的非负分解中。这两种针对不同模态的非负盲源信号分离方法可以将测得的不同模态的核磁图像分解为生理上可解释的成分(非负成分)。本文用模拟数据验证了这两种方法分别作用于结构像和功能像的可行性。方法学的第二个主要部分是对分解出的基图像进行特征选择。考虑到各个模态的图像间的属性差异性和基图像数量多的特点,我们采用对变量属性没有要求、适用于多变量的集成式机器学习方法—随机森林算法对基图像进行筛选,并对筛选出的基图像的系数做相关性分析,从而得到不同模态间的相关性。(4)本文将建立的多模态图像联合分析方法应用于肥胖人群的脑结构和脑功能研究中,发现肥胖人群的脑结构变化和脑功能变化间的耦合性,并且随机森林算法挑选出的两种模态的异常成分在空间分布上有一定重合性,同时我们的结果显示减肥手术能够恢复这些变化的脑结构和脑功能活动。本文构建的多模态图像联合分析方法的结果验证了肥胖人群脑结构变化和脑功能变化的耦合性,同时验证了这种结构和功能变化的可塑性,这说明我们建立的多模态磁共振图像处理方法较现有的方法具有更高的检测效率。
【图文】：

示意图,方法,示意图,独立成分分析

1.1 jICA 方法示意图。假设有 M 个被试，每个被试的图像有 N 个像素点。等式左侧数据矩阵，右侧 A 为系数矩阵，其中 A 的行代表被试，列代表成分的个数，S 为成分矩。考虑到 jICA 的缺陷，Liu 等人提出了平行独立成分分析（parallelindepend

手术前后,情况,直回,脑活动

图 2.1 肥胖被试手术前后脑区活动编号情况。a 代表手术前肥胖被试与正常体重被试相比活动降低的脑区。b 代表肥胖被试手术前后自身对照有差异脑活动的区域。缩写及中英文对照：SFG,Superior Frontal Gyrus 前额叶上部；OC，，Orbitofrontal Cortex 眶额皮层；GR,Gyrus Rectur 直回；L,Left 左侧；R，Right 右侧。VBM 分析结果显示与正常体重被试相比，术前肥胖患者具有降低的灰质体
【学位授予单位】：郑州大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：TP391.41;R445.2

【相似文献】