基于表面的形态测量法和静息态脑网络分析的肝硬化患者磁共振成像研究

发布时间：2020-04-19 04:29

【摘要】：研究背景乙型肝炎病毒(HBV)相关性肝硬化是肝病患者面临的主要临床问题之一。大约40%的HBV相关性肝硬化患者会表现出严重的并发症,比如脑神经功能减退。肝硬化相关的脑神经功能减退的临床症状包括肝性脑病、反应迟钝、皮质盲和注意力缺陷等。但是,肝硬化相关的脑神经功能减退的结构基础和病理生理机制仍不清楚。磁共振成像(MRI)已广泛应用于疾病相关脑变化的诊断和研究。基于结构MRI研究发现,肝硬化患者表现出广泛的肝硬化相关的脑形态学变化和神经解剖学异常,如肝硬化患者白质和灰质减少等。以往定量灰质组织的浓度是基于体素的形态测定法(VBM),而直接统计比较两个不同的参与者组时VBM在标准化中存在潜在的不准确性。使用非线性对齐皮质折叠模式的表面形态测量法(SBM)提供了参与者大脑的准确标准化,这在检查皮质形态时可能更有用。SBM通过测量皮质厚度、灰白质对比度(GWC)、表面积、皮质容积和皮质的显微结构特征和宏观结构组织,为揭示大脑改变机制和阐明肝硬化相关神经系统问题提供可能。以前的研究主要集中在肝硬化患者全脑变化观察,但对肝硬化患者特定脑功能区域特别是视觉相关脑区的异常知之甚少。小样本的相关文献报告,肝硬化患者的视觉相关脑区受到影响,患者可能会发生短暂失明。这种失明被认为可能是视皮层受到影响,是伴有肝性脑病的皮层性失明。虽然肝性脑病患者极少会出现失明症状,但有报道称无肝性脑病的肝硬化患者有视觉功能减弱的现象存在。但是肝硬化是如何影响视觉相关区域功能改变的病理生理学机制尚不清楚。脑网络分析方法可以为理解人类脑功能过程和研究脑改变中功能失调的脑结构提供一种新的途径。越来越多的证据表明,系统地研究不同的大脑网络可以提供新的视角来揭示大脑结构功能发生改变的机制。目前很少有人在MRI研究中使用脑网络分析方法来分析视觉相关区域的改变,这可能为系统地洞察视觉相关区域提供了一个视角,从而更全面地研究肝硬化患者脑功能的变化。因此,脑网络分析可能是下一步量化这些区域内疾病相关病理生理变化的有用方法。研究目的(1)研究一:研究肝硬化患者灰白质对比度(GWC)、厚度、表面积、皮质容积和皮质折叠的结构变化。(2)研究二:研究肝硬化患者视觉相关区域的神经生理改变。研究方法(1)研究一:收集18例乙型肝炎病毒(HBV)相关性肝硬化患者的3D T1加权磁共振成像(MRI)数据,无神经系统临床症状(CSHE)和18例健康对照(HC)。我们使用FreeSurfer评估了各组之间GWC,厚度,表面积,皮质容积和皮质折叠的变化,以及这些变化与患者组中血氨水平的关系。基于SBM研究,然后应用线性SVM分类器来区分患者和HC组。(2)研究二:从无神经系统临床症状的20名乙型肝炎病毒(HBV)相关性肝硬化患者和20名健康对照(HC)收集结构和功能磁共振图像(MRI)数据。进行基于体素的形态测量(VBM)分析和脑网络分析以检测脑结构和功能的异常。研究结果(1)研究一:与对照组相比,SBM分析显示肝硬化患者皮质地幔广泛区域的GWC显着增加,而其他SBM测量结果无显着差异。相关性分析显示血氨水平和左侧距状旁回的GWC之间存在显著相关性。利用来自重要区域的GWC值作为特征,线性SVM显示分类准确度为83.3%,灵敏度为88.9%。(2)研究二:肝硬化患者灰质(GM)减少最显著脑区主要是在视觉相关的大脑区域,包括双边舌脑回,左壳核,右侧梭状回,右距状回,其他显著灰质(GM)减少是分布于双侧海马区。基于针对视觉相关区域的结构调查,脑网络分析显示,与健康对照组相比,患者组中视觉相关区域(主要视觉网络(PVN),高视觉网络(HVN),视觉空间网络(VSN))内的脑网络之间的功能连接性降低。研究结论(1):肝硬化患者的GWC改变主要位于视力和运动相关区域,这可能反映了这些区域灰质和白质组织的微观结构变化。基于SVM分类,GWC可能有助于诊断并为可能出现的中枢神经系统损伤的肝硬化患者提供预防性干预。(2):无神经系统临床症状的肝硬化患者的视觉相关脑区的结构和功能受损明显。但是这些变化的病理生理学和临床相关性还未能确定。
【图文】：

灰质,白质

图 1. 灰质与白质对比（GWC）的图示。通过总皮质厚度（蓝色表面）对灰质值采样35％，并且以 1mm 的距离（绿色表面）采样白质值。黄色表面：灰/白色物质边界。2.2.4 统计分析我们对年龄和性别进行了双样本 t 检验和卡方检验。通过患者组和健康对照组之间的双样本 t 检验，对组间灰白质对比度、厚度、表面积、皮质折叠和灰质容积的差异进行统计检验。为了降低 I 型错误的概率，使用错误发现率（FDR）来校正 p<0.05 的显着性阈值的多重比较。作为肝脏生化标志物，静脉血氨参与相关分析。通过 Pearson 相关分析研究静脉血氨水平与显着神经影像学结果之间的相关性。线性 SVM 分类由 MATLAB R2016a 进行，它被认为适用于研究高维数据，，同时保持计算管道相对简单，分析要求低。为了评估患者和健康对照组之间的鉴别准确性，我们从显著脑区域选择 SBM 调查的显著特征作为每个参与者的指示

区域图,区域,扣带回峡,眶回

安徽医科大学博士研究生学位论文2.3 研究结果与健康对照组相比，肝硬化患者整个皮质中 GWC 显著增加，包括左侧中央前回、左侧眶回、左侧眶额回、左侧中央后回、右侧契前叶、双侧海马回、左颞上回、双侧颞横回、左侧梭状回、右侧颞极、右侧扣带回峡部、左侧楔叶、双侧枕叶、左侧舌回和左侧距状旁回（P<0.05，FDR 矫正）（如图 2 和表 2 所示）。
【学位授予单位】：安徽医科大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R445.2;R575.2

【相似文献】