磁共振结构像分析及其在音乐家大脑研究中的应用

发布时间：2017-05-14 10:03

  本文关键词：磁共振结构像分析及其在音乐家大脑研究中的应用，由笔耕文化传播整理发布。

【摘要】：磁共振成像(magnetic resonance imaging,MRI),尤其是结构磁共振成像(structural MRI,sMRI)和弥散加权成像(diffusion-weighted imaging,DWI)具有无创、图像清晰及高对比度等特点。因此MRI很适合于脑组织的结构成像及研究,也为研究人脑结构与发育、疾病及可塑性等问题之间的关联提供了一个良好的影像学手段。基于sMRI图像可以分析大脑的灰质及白质结构,尤其是灰质的密度、皮层厚度、皮层表面积及褶皱复杂度等信息;基于DWI图像可以得到许多白质相关的属性和纤维束走向等信息,亦可构建大脑纤维束连接网络进行复杂网络分析。研究神经可塑性,尤其是长期规律的学习和练习导致的大脑可塑性变化对于理解人类大脑是既具可行性又非常重要的。音乐家在训练和演奏乐器时会经历大量的感觉、运动及听觉信息的传输和整合,因此其大脑是研究此类问题的一个非常理想的模型。本文以音乐家及与其年龄、性别、教育年限匹配的非音乐家为研究对象,利用多种方法分析了两组被试的大脑磁共振结构影像,目的是对长期音乐训练和演奏导致的大脑结构可塑性改变进行探索研究。通过上述研究我们得到了一些有意义的结果和证据。本文的主要工作和发现介绍如下:1.对两组被试的大脑sMRI图像进行了基于体素的形态学(voxel-based morphometry,VBM)分析。首先,对每个被试的sMRI图像通过12个参数的仿射变换配准到标准空间的T1模板;然后,将得到的图像分割为灰质、白质和脑脊液;最后,在标准空间上将两组被试的灰质图像进行逐体素的统计对比分析,从而得到了表现出显著组间差异的体素团簇。本研究发现:音乐家在双侧小脑、双侧颞中回及左侧枕上回具有比非音乐家显著高的灰质密度。这说明对于音乐家来说,长期的音乐经历首要影响的很可能是与运动和听觉相关的脑区。2.对与上一研究中同样的sMRI图像进行了基于表面的形态学(surface-based morphometry,SBM)分析。首先,将每个被试的sMRI图像配准到Talairach空间并进行灰度值校正和非脑组织的去除;其次,标记白质并从白质区域出发找出灰质与白质的交界面,进而向外延伸找出灰质与脑脊液的交界面,两个交界面都用顶点表示;第三,计算出每个顶点的皮层厚度、表面积、曲率、高斯曲率、折叠指数及内在曲率指数,并利用Destrieux Atlas模板划分脑区进而计算出每个脑区的相应指标平均值;最后进行每个指标逐脑区的组间统计分析从而得到了两组被试具有显著差异的皮层指标和差异脑区。分析结果表明:长期的音乐训练可能会使得音乐家大脑在视觉、躯体运动、情绪、运动控制、听觉及躯体感觉等功能相关的脑区具有更高的皮层表面积、皮层厚度和/或皮层褶皱复杂度。3.以音乐家及对照组的大脑DWI图像及sMRI图像为基础,构建并分析了两组被试的白质纤维束结构网络。首先,将sMRI图像分别与DWI图像和标准空间T1模板进行配准,并将sMRI图像进行组织分割进而将所得灰质图像根据AAL图谱划分为90个脑区,根据sMRI图像与DWI图像配准的反变换得到个体b0空间的灰质AAL分区;其次,从b0空间的每个脑区出发,向全脑进行纤维束概率追踪,由此得到每对脑区间的连接强度并构建出全脑网络;第三,运用图论方法得到网络的全局及局部拓扑属性;最后,对每个网络属性分别进行组间的统计分析从而找出两组被试在白质结构网络层面的显著差异。本研究发现:音乐家在运动和视觉系统、缘上回、基底节区域及额叶眶部皮层都发生了白质网络属性的显著改变,从而间接的指示出音乐家大脑的神经纤维(束)可塑性的变化。4.对上一章中两组被试的大脑白质结构网络使用了一种主成分分析(principal component analysis,PCA)结合支持向量机(support vector machine,SVM)分类的方法进行了另一个角度的分析。首先,将所有被试的脑网络连接矩阵整合到一起进行PCA(利用奇异值分解(singular value decomposition,SVD)来实现)处理;其次,将SVD得到的每个右奇异向量进行留一交叉验证法SVM分类分析并找出分类效果最好的奇异向量对应的主成分;最后,找出对此主成分贡献度最高的一些位置对应的脑网络中的连接,便得到了音乐家相对于非音乐家在大脑白质纤维束结构上发生改变的主要连接。结果表明:长期的音乐训练及演奏会提高运动、听觉、情绪和记忆等功能相关脑区间的信息传递效率。综上所述,本文通过对音乐家及非音乐家大脑的两种磁共振结构图像进行不同角度的分析,我们发现长期的音乐训练和演奏会导致音乐家大脑的结构可塑性发生变化。这些改变主要是运动、听觉及运动控制等功能相关脑区灰质和/或白质结构属性的改善及这些脑区间信息交互效率的提高。另外,在一些情绪、视觉及记忆等功能相关脑区音乐家也展示出了或多或少的可塑性变化。这些结果扩展了我们对与长期规律的音乐经历相关的大脑结构可塑性问题的理解,也为此增添了多个角度的新证据。
【关键词】：磁共振结构成像 音乐家 脑网络 主成分分析 支持向量机
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：R338;TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 绪论13-34
• 1.1 大脑磁共振成像及相关研究方法简介13-19
• 1.1.1 基于BOLD信号的fMRI研究14
• 1.1.2 基于sMRI数据的研究14-17
• 1.1.3 基于DWI数据的研究17-19
• 1.2 复杂网络与图论分析方法及其在脑科学中的应用19-22
• 1.2.1 脑网络的构建20-22
• 1.2.2 脑网络的图论分析22
• 1.2.3 脑网络方法的应用22
• 1.3 主成分分析方法和分类方法及其在脑科学中的应用22-28
• 1.3.1 主成分分析23-26
• 1.3.2 分类方法与支持向量机26-28
• 1.4 音乐家大脑结构可塑性的研究背景及现状28-31
• 1.4.1 脑功能方面的研究现状29-30
• 1.4.2 脑结构方面的研究现状30-31
• 1.4.2.1 基于sMRI数据的研究30-31
• 1.4.2.2 基于DWI数据的研究31
• 1.5 本文的主要工作31-33
• 1.6 本文的内容安排33-34
• 第二章 音乐家大脑灰质结构的VBM分析34-41
• 2.1 背景介绍34
• 2.2 研究对象及研究方法34-37
• 2.2.1 研究对象34-35
• 2.2.2 图像采集35
• 2.2.3 数据处理35-37
• 2.3 结果37-38
• 2.4 讨论38-40
• 2.5 本章小结40-41
• 第三章 音乐家大脑结构的SBM分析41-49
• 3.1 背景介绍41
• 3.2 研究对象及研究方法41-45
• 3.2.1 研究对象41
• 3.2.2 图像采集41-42
• 3.2.3 数据处理42-45
• 3.3 结果45-47
• 3.4 讨论47-48
• 3.5 本章小结48-49
• 第四章 基于DWI的纤维束追踪网络构建及分析49-67
• 4.1 背景介绍49-51
• 4.2 研究对象及研究方法51-58
• 4.2.1 研究对象51
• 4.2.2 图像采集51
• 4.2.3 数据处理51-58
• 4.2.3.1 DWI数据的预处理51-52
• 4.2.3.2 图像分割与配准52
• 4.2.3.3 纤维束追踪及脑区与脑区间解剖连接的构建52-54
• 4.2.3.4 加权连接网络的图论分析54-58
• 4.2.3.5 统计分析58
• 4.3 结果58-62
• 4.3.1 音乐家与非音乐家单个脑区网络属性分析59-62
• 4.3.2 全局网络属性的统计分析62
• 4.4 讨论62-65
• 4.4.1 运动及视觉区域的白质网络特征提高62-64
• 4.4.2 缘上回的局部效率改变64
• 4.4.3 眶额皮层及基底节区域的白质改进64-65
• 4.4.4 白质网络的全局特征65
• 4.5 本章小结65-67
• 第五章 复杂网络的PCA结合分类方法及其应用67-74
• 5.1 背景介绍67
• 5.2 研究对象及研究方法67-69
• 5.2.1 研究对象67
• 5.2.2 图像采集67-68
• 5.2.3 数据处理68-69
• 5.2.3.1 白质纤维束网络的构建68
• 5.2.3.2 基于白质网络的PCA处理68
• 5.2.3.3 SVM分类分析68-69
• 5.2.3.4 白质网络组间主要差异探寻69
• 5.3 结果69
• 5.4 讨论69-73
• 5.5 本章小结73-74
• 第六章 全文总结与展望74-78
• 6.1 全文工作总结74-75
• 6.2 后续工作展望75-78
• 致谢78-79
• 参考文献79-95
• 攻读博士学位期间取得的成果95-97
• 中英文缩略表97-99

  本文关键词：磁共振结构像分析及其在音乐家大脑研究中的应用，，由笔耕文化传播整理发布。

本文编号：364840