2型糖尿病并脑干缺血性脑卒中静息态脑功能的临床应用研究

发布时间：2020-10-17 02:31

　　 目的:本研究基于静息态功能磁共振(rs-fMRI)的局域一致性(ReHo)、低频振幅(ALFF)及功能连接(FC)的方法观察2型糖尿病(T2DM)并脑干缺血性脑卒中(BSIs)患者脑功能网络改变的情况,并探讨其发生的可能潜在机制。方法:选取2017年5月至2018年6月期间,于南华大学附属第一医院诊治且符合诊断标准的13例BSIs患者为实验对象,其中根据有无合并T2DM分为T2DM组6例,平均年龄67.0±6.8岁,和非T2DM组7例,平均年龄63.3±15.3岁;选取与实验组年龄匹配的正常志愿者11例为正常对照组,平均年龄62.6±11.6岁。所有被试者均采用蒙特利尔认知评估量表(MOCA)、简易精神状态检查(MMSE)量表进行认知功能测试。使用3.0 T飞利浦超导磁共振成像扫描仪对所有被试者进行全脑高分辨磁共振检查,选用的序列有EPI、3D-T1WI、DWI、T1WI、T2WI。基于静息态脑功能ReHo、ALFF及FC的方法分析,观察实验组(T2DM组、非T2DM组)及正常对照组在静息态下,局部脑区自发神经活动ReHo、ALFF的差异及脑区间FC的差异。本研究采用基于MATLAB(The MathWorks,Natick,MA,USA)平台的通用软件SPM8进行数据预处理。收集所有被试者包括年龄、文化程度、认知功能评分等临床资料;选用RESTplus_V1.2工具包对实验数据进行分析,对三组的ALFF、ReHo、FC进行单样本t检验后,再进行单因素方差分析检验ALFF、ReHo及FC的组间差异。通过REST AlphaSim程序对结果进行多重比较校正至P0.05的显著水平。结果:与对照组相比,T2DM组在右侧中央后回ALFF值降低,右侧颞中回ReHo值升高,右侧楔前叶、左侧后扣带回、左侧中扣带回与右侧中央后回脑区间FC增强,右侧颞下回、右侧颞中回颞极与右侧颞中回脑区间的FC增强;非T2DM组在右侧中央后回ALFF值升高,右侧颞中回、颞上回ReHo值减低,在右侧小脑前小叶ReHo值升高,右侧楔前叶、左侧后扣带回、左侧中扣带回、右侧中央旁小叶、右侧额叶运动区与右侧中央后回脑区间的FC增强,右侧颞下回、右侧颞中回颞极与右侧颞中回脑区间的FC减低。而T2DM组与非T2DM组比较,T2DM组在右侧中央后回ALFF值亦降低,右侧颞中回、颞下回ReHo值升高,在右侧小脑前叶ReHo值减低,左侧中扣带回、右侧中央后回、右侧中央旁小叶及右侧额叶运动区与右侧中央后回的FC减低,右侧颞下回与右侧颞中回的FC增加。结论:本研究表明,脑干发生缺血性脑卒中(CIS)后,出现了远离脑干部位的局部脑区及脑区间的脑功能异常及脑功能网络紊乱。T2DM作为脑干缺血性脑卒中的危险因素,在BSIs患者发生脑功能改变方面亦产生一定的影响。脑区ReHo、ALFF及FC的改变可能揭示了T2DM并BSIs患者发生脑功能障碍的相关机制。
【学位单位】：南华大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R445.2;R743.3;R587.1
【部分图文】：

以最大限度地减少运动伪影干扰。间标准化(Normalize):指将每个被试者的大脑图像放入一个标准空间像的同一像素与相应解剖位置一一对应，以消除不同被试者在大脑体方面的差异，便于在不同被试者之间进行统计分析。在空间标准化之调整图像方向(图 2.1)，以提高计算精度；然后使用 DARTEL 创建脑模I 图像与脑模板配准并以大小为 3mm×3mm×3mm 的体素重采样到蒙病学研究所（MNI）空间中，并计算出相应的空间配准矩阵。归（Regress）；指应用线性回归模型将脑脊液信号、脑白质信号及 数等干扰信号剔除，以降低这些干扰信号对静息态功能成像的影响。除数据线性漂移(Detrend)及滤波（Filter）：采用带通滤波（0.01~ 0.08 H 来减少低频漂移和生理性高频呼吸和心脏噪声的影响。滑（Smooth）：计算 ReHo 后再用采用 6 mm 半高全宽（FWHM）的进行空间平滑处理。

图 2.2 灰质图算 ALFF 和 ReHo后，使用快速傅立叶变换将每一体素的时间序列转换到 0.01 ~ 0.08Hz 的功率谱。考虑到给定频率功率与该频率，在每个频率处计算功率谱的平方根。然后，计算 0.01~方根（即 ALFF）[61]。然后，将 ALFF 除以整个频段振幅均值endall’s 一致性系数(Kendall's coe cient of concordance, K据应用于 ReHo 计算，KCC 基于体素测量给定体素与其间序列的同步性[40]。生成的 ReHo 随后用 6mm 高斯核函以全脑均值得到 smReHo。算 FC和 ReHo 分析后，进一步探讨 T2DM 组、非 T2DM 组和

图 3.1a 图 3.1b 图 3.1c图 3.1 T2DM 组、非 T2DM 组与对照组的 ALFF 图3.1a 为 T2DM 组；图 3.1b 为非 T2DM 组；图 3.1c 为对照组。结果经单样本AlphaSim 进行校正（RESTAlphaSim p<0.05，1,000 次迭代，体素阈值 p<0小团块大小为 12 个体素）。颜色条表示 t 值，结构背景图为 ch2bet后下一步单因素方差分析检验 ALFF 的三组间差异，结果显示差异在右侧中央后回（如图 3.2)。随后在显著差异性脑区内进行事后两2DM 组在右侧中央后回的 ALFF 信号幅度均低于非 T2DM 组及对2DM 组在右侧中央后回的 ALFF 信号幅度高于对照组（表 3.2）。
【相似文献】

相关期刊论文 前10条

1 刘梅;曾尚霞;龙秀英;钟晓闵;;轻型缺血性脑卒中患者血清同型半胱氨酸、C反应蛋白及低密度脂蛋白水平变化与神经功能恶化的相关性分析[J];实用医院临床杂志;2019年06期

2 王建伟;郝拖霞;;钠葡萄糖共转运蛋白1对缺血性脑卒中患者预后的预测价值研究[J];山西医药杂志;2019年21期

3 卢进祥;;尿激酶静脉溶栓治疗急性轻型缺血性脑卒中疗效分析[J];临床医药文献电子杂志;2019年76期

4 张惠霞;;老年及中青年轻型缺血性脑卒中的临床特点及预后分析[J];临床医学研究与实践;2019年34期

5 龚诗立;杨翠翠;胡朝英;张兰;;缺血性脑卒中的炎症及抗炎药物的研究进展[J];中国药理学与毒理学杂志;2019年09期

6 胡瑞婷;覃冬华;胡瑞光;冯晓敏;;缺血性脑卒中相关基因筛选和功能分析[J];中国老年学杂志;2019年01期

7 宋瑞;苏同生;;缺血性脑卒中发病率与性别、合并疾病的关系探讨[J];世界最新医学信息文摘;2019年12期

8 徐华伟;;缺血性脑卒中与多位点遗传风险计分的关系[J];中国老年学杂志;2019年07期

9 陈梦萦;展淑琴;车璐;曹军霞;张晓冬;石金铭;巩付华;郑少微;;双抗患者缺血性脑卒中复发与血小板高反应性的相关性研究[J];中风与神经疾病杂志;2019年04期

10 李爱华;;青年缺血性脑卒中的病因及发病机制研究进展[J];中国处方药;2019年04期

相关博士学位论文 前10条

1 曹英肖;缺血性脑卒中相关miRNA和靶基因miR-424的分析研究[D];河北医科大学;2019年

2 蔡予;内源性扩增调节性T细胞干预糖尿病小鼠缺血性脑卒中及其影像学评价[D];东南大学;2018年

3 王从晓;MSC中抑制PHD2的表达对缺血性脑卒中治疗的研究[D];东南大学;2018年

4 杨敬源;缺血性脑卒中急性期NT-proBNP和Calectin-3水平对其预后影响[D];苏州大学;2018年

5 苏增锋;心踝血管指数在缺血性脑卒中的应用研究[D];安徽医科大学;2018年

6 赵芳芳;缺血性脑卒中患者中脑微出血与颈动脉粥样硬化及脑白质病变的研究[D];山东大学;2018年

7 王媛;首发缺血性脑卒中急性期认知障碍与非急性期假性延髓情绪发病关联性的巢式病例对照研究[D];山东大学;2018年

8 邓齐文;长链非编码RNA在缺血性脑卒中的临床价值及其在卒中后免疫抑制的分子机制研究[D];东南大学;2018年

9 刘亦伦;超微血管成像技术检测颈动脉斑块新生血管及其与缺血性脑卒中的相关性研究[D];上海交通大学;2017年

10 李硕;他汀类代谢相关基因多态性与河南汉族人群缺血性脑卒中预后的相关性研究[D];郑州大学;2019年

相关硕士学位论文 前10条

1 徐媛;化浊和血颗粒对缺血性脑卒中患者血脂和预后的影响[D];山东中医药大学;2018年

2 侯丽鹏;三维超声血管斑块定量技术对缺血性脑卒中预警分析研究[D];河北医科大学;2019年

3 郭洋洋;尼莫地平预先给药对缺血性脑卒中大鼠术后认知功能的影响[D];河北医科大学;2019年

4 顾天舒;血清Endocan水平与颈动脉粥样硬化性斑块形成及稳定性及缺血性脑卒中的相关性研究[D];河北医科大学;2019年

5 桂中豪;急性轻型缺血性脑卒中患者CYP2C19基因多态性检测临床意义研究[D];蚌埠医学院;2019年

6 王智慧;深圳市大气污染与缺血性脑卒中发生的关联性研究[D];华中科技大学;2019年

7 刘镇;“纳子温通针法”改善缺血性脑卒中患者下肢功能的临床观察[D];华北理工大学;2019年

8 李娜;磁共振多b值弥散加权成像技术联合三维动脉自旋标记灌注成像技术在缺血性脑卒中的临床应用研究[D];右江民族医学院;2019年

9 李慧;缺血性脑卒中患者冬夏季外周血CD34+、KDR+细胞水平及其影响因素[D];华北理工大学;2019年

10 李娟;简易评估量表对缺血性脑卒中复发预测价值分析[D];华北理工大学;2019年

本文编号：2844138