深度学习算法的神经影像工具在AD源性轻度认知障碍脑体积测量的应用

发布时间：2020-04-10 21:49

【摘要】：目的:利用一种基于深度学习的神经影像全脑定量计算工具,分析阿尔茨海默病(Alzheimer’s disease,AD)源性轻度认知障碍(Mild Cognitive Impairment,MCI)患者脑体积的改变,并探讨其改变与临床认知功能减低的相关性。方法:本研究收集2017年09月至2019年03月在大连大学附属中山医院神经内科就诊的记忆障碍患者90例,经排除标准后入组65例,其中男性29例(占44.6%),女性36例(占55.4%),年龄范围45~80岁,平均年龄69.20±10.25岁;正常对照(normal control,NC组)60例,其中男性24例(占40.0%),女性36例(占60.0%),年龄范围53~80岁,平均年龄64.90±6.67岁。首先在安静状态下对两组研究对象进行临床认知功能评价,采用的是蒙特利尔认知评估量表(MoCA);测试后24小时内对研究对象进行3.0T的颅脑MR扫描,收集T1WI矢状位薄层图像。图像处理采用神经影像定量计算工具,对全脑进行快速精确的分割,并得出全脑64个脑区的绝对体积及相对体积。采用spss20.0统计学软件进行统计分析处理,两独立样本T检验或非参数检验得出年龄、MoCA评分以及各脑区绝对体积、相对体积的差异,性别差异采用c~((17))检验;差异脑区与MoCA评分进行pearson相关性分析;P0.05具有统计学意义。结果:1.MCI组与NC组的年龄、性别差异没有统计学意义;两组的MoCA评分差异具有统计学意义,MCI组的MoCA分低于NC组。2.MCI组与NC组绝对体积的差异显示:左侧海马、右侧海马、左侧颞叶、右侧颞叶、左侧扣带回、右侧扣带回、左侧岛叶、右侧岛叶体积减少;脑室系统、左侧侧脑室、右侧侧脑室及第三脑室体积扩大。3.MCI组与NC组相对体积的差异显示:左侧海马、右侧海马、左侧杏仁核、左侧颞叶、右侧颞叶、左侧扣带回、右侧扣带回、左侧岛叶、右侧岛叶以及灰质总体积减少;脑室系统、左侧侧脑室、右侧侧脑室及第三脑室体积扩大。4.MCI患者绝对体积的变化与MoCA评分的相关性分析显示:左侧海马(r=0.258,P=0.038)、右侧海马(r=0.248,P=0.047)、左侧颞叶(r=0.258,P=0.038)、左侧扣带回(r=0.262,P=0.035)的绝对体积与MoCA评分呈正相关;脑室系统(r=-0.417,P=0.001)、侧脑室(r=-0.445,P0.001)及第三脑室(r=-0.348,P=0.004)绝对体积与MoCA评分呈负相关。5.MCI患者相对体积的变化与MoCA评分的相关性分析显示:左侧海马(r=0.400,P=0.001)、右侧海马(r=0.353,P=0.004)、左侧颞叶(r=0.311,P=0.012)、左侧杏仁核(r=0.324,P=0.008)、左侧扣带回(r=0.275,P=0.026)及总灰质(r=0.461,P0.001)的相对体积与MoCA评分呈正相关;脑室系统(r=-0.479,P0.001)、侧脑室(r=-0.467,P0.001)及第三脑室(r=-0.369,P=0.002)的相对体积与MoCA评分呈负相关。结论:1.基于深度学习算法的神经影像全脑定量计算工具,能够有效的检测出MCI患者脑结构体积的变化。2.AD早期的MCI患者已出现多个脑区体积的变化,并且这种变化与患者出现的认知功能障碍具有相关性。
【图文】：

序列,DICOM格式,薄层,图像

的 12 通道标准头线圈，扫描被试者之前，检查头线圈，确保可以正常工作。操作者向受试者介绍实验流程及注意事项，较少其紧张情绪。采取仰卧位，戴上耳塞，减少扫描噪音带来的影响，固定头部。扫描范围包含从颅顶至枕骨大孔，共 176 层图像。运用 3D 快速磁化强度预备梯度回拨序列（3D-T1 MPRAGE）获得高分辨率 3D-T1WI 薄层矢状位结构像。具体参数为：TE 2.22ms，TR2530ms，slice 176，ST 1mm，FA7°，MS 224×224，FOV 224 mm×224 mm，VS1 mm×1 mm×1 mm，采集时间 5min28s。1.2.4 图像处理对于符合本研究纳入标准的对象，，在进行 T1WI 薄层矢状位扫描后，收集和整理 DICOM 格式的图像如图 1，并记录相关临床信息，将被试者的信息记录在EXCEL 表格中，主要包括：检查编号、性别、年龄、受教育年限、临床诊断、MOCA评分等。将原始信息进行脱敏处理后再进行分析、处理。

工作流程图,定量计算,工作流程,图谱库

图谱库包括 300 个大脑核磁共振成像和它们的分割标签，以前是从不同的个体使用不同的扫描仪获得的，具有高度可变的外观。每个图谱库都包含 40 多个大脑结构(如海马、侧脑室、杏仁核等)和 3 个主要脑组织(即白质、灰质和脑脊液)的 MRI 和先前编码的放射科医生指定解剖信息。在处理过程中，AccuBrain 根据与受试者图像的相似性，从图谱库中选择大量的脑图像。然后对选定的图像和目标图像进行非硬性配准匹配。配准后，将图谱库的预定义标签转换为主题空间融合生成主题图像的分割标签。此外，AccuBrain 从其包含的数百个大脑核磁共振成像的大型图谱库中，选择与目标图像最相似的图谱库来分割每个受试者。实现了一种基于图形处理器（Graphics Processing Units，GPUs）的非硬性配准算法，保证了配准的时间效率。记录全脑各脑区的量化体积，并计算占颅内容积的百分比，进行分析。本研究中每个被试者的 T1WI 图像数据集的执行时间大约 25 分钟。
【学位授予单位】：遵义医科大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R749.1;R445.2

【相似文献】