基于磁共振成像的大脑白质纤维束形态分析方法研究

发布时间：2017-10-01 17:18

  本文关键词：基于磁共振成像的大脑白质纤维束形态分析方法研究

  更多相关文章： 大脑白质纤维束 大脑皮层褶皱 白质纤维形状 皮层褶皱形态 磁共振成像 脑功能区域 脑功能区域预测 联合分析

【摘要】：大脑作为神经系统的中枢，具有极为复杂的结构和功能。其中大脑白质纤维束负责神经元之间信号的传递交换，从而在大脑功能网络中扮演着极为重要的角色。另外，在大脑的发育过程以及物种的进化过程中，白质纤维束与皮层褶皱模态的形成也极为相关。因此，对白质纤维束的研究也一直是脑科学研究中的热点。然而，到目前为止，少有在全脑上针对这两个问题展开的大规模系统研究。除了缺少有效的联合分析方法外，传统方法中所使用的数据类型，如解剖切片纤维数据等，由于其侵入性等原因，也成为限制研究的一个因素。近年来，特别是随着多模态磁共振成像方法在脑科学用的广泛应用，例如能反映脑组织结构的T1加权磁共振成像（T1-weighted MRI），能宏观反映白质纤维束形态的弥散磁共振成像（dMRI）以及能用来宏观检测脑功能区域的功能磁共振成像（fMRI）等，使得在大规模数据上进行宏观的研究成为可能。因此，本论文以多模态磁共振图像为载体，开发了全新的且被证明有效的多种分析方法，着重对上述两个方面进行了深入的研究，主要研究内容，创新点和结果总结如下： 为了研究大脑皮层褶皱和白质纤维束之间的关系，我们首先提出了一下两种算法： 大脑皮层褶皱模态的参数化表达算法。该算法建立在T1加权磁共振成像重建表面的局部坐标系上，用多项式对局部表面点阵进行拟合。该算法的创新点在于局部坐标系的使用能够有效的将复杂的局部表面统一到同一空间，从而使它们具有可比性且更易于对它们的褶皱模式进行统一的参数化分析。另外，也使得不同磁共振数据库得到的表面也具有可比性。同时，用多项式拟合来进行的参数化使局部表面得到十分简洁的表达，便于在后续的大规模数据上进行分析，，比如数据驱动以及模型驱动的聚类等。大脑表面的褶皱模式最终被聚类为八种基本形态。 大脑白质纤维束形态的参数化表达算法。该参数化算法以dMRI重构出来的每一根纤维为个体，通过提出的归一化算法将它们统一到同一空间，并在其上提取了四大类形状描述特征。该算法的创新点在于纤维形状特征建立在以每一个纤维为单位的基础上，使得该算法可独立的运用在不同的磁共振数据得到的纤维上，而不受数据获取参数的影响。另外，将每一根纤维参数化使得进行大规模的跨数据库分析，比如形态的聚类等，成为可能。纤维最终被聚类为四种基本形态。 在以上两种算法的基础上，我们采用联合分析的方法对大脑皮层褶皱模态和白质纤维形态进行了大规模系统的分析。我们将联合分析法用在三类灵长类（恒河猴，猩猩和人类）大脑的多模态dMRI数据上，发现纤维形态和皮层褶皱形态非常相关。重要的结论有：在辐射方向上，连接到脑回区域的纤维束密度要大于连接到脑沟区域；在切向方向上，纤维束的走向和脑回的弯曲走向有着显著的相关性；脑沟底部存在着大量的连接到近邻脑回的U型纤维束；相较于直线型纤维束，U型纤维束连接的皮层区域的褶皱模态更为复杂。更为重要的是，这些关于纤维形态和皮层褶皱形态关系的结论在灵长类大脑中普遍存在。另外，在不同的物种的数据上，纤维和褶皱之间关系的强弱程度也存在着一定的差异。这些差异性在一定程度上揭示了不同形态的纤维束在物种进化中的作用。 在研究白质纤维束和脑功能之间的关系时，提出了用白质纤维束形态来预测脑功能区域的新方法。通过该方法，我们对具有特定功能的脑区域的白质纤维束形态建立模型，从而能够使用这一模型在新的被试上预测该脑功能区域的位置。该方法的价值不仅仅体现在它进一步证明了脑结构和脑功能之间的紧密关系，也体现在其具有很好的应用前景：仅需要数据量小且代价低廉的脑结构数据便可预测得到较为精准的脑功能区域。而这些功能区域在传统的方法中需要从代价昂贵且数据量极大的脑功能数据上获取。 最后，基于上述脑功能区域预测的思想，提出了通过将褶皱形态和纤维束形态信息融合而进一步提高对大脑功能区域位置预测的准确度的全新算法。这一方法有效的提高了大脑功能区域位置预测的准确度，并且同样具有上述算法的应用前景。另外，它也在探索皮层褶皱形态，纤维束形态和大脑功能三者之间关系的道路上迈进了一步。
【关键词】：大脑白质纤维束 大脑皮层褶皱 白质纤维形状 皮层褶皱形态 磁共振成像 脑功能区域 脑功能区域预测 联合分析
【学位授予单位】：西北工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：R445.2
【目录】：

• 摘要4-6
• Abstract6-9
• 目录9-11
• 第1章 绪论11-21
• 1.1 大脑白质纤维束是脑成像科学研究的重点11-14
• 1.2 已有的工作以及存在的问题14-18
• 1.3 本论文的研究内容和主要贡献18-19
• 1.5 论文章节安排19-21
• 第2章 MRI 脑成像简述21-29
• 2.1 磁共振脑成像基本原理21-22
• 2.2 弥散 MRI 成像22-24
• 2.2.1 DWI 的成像原理22
• 2.2.2 dMRI 的成像原理和白质神经纤维束追踪方法22-24
• 2.3 功能磁共振成像24-26
• 2.4 脑结构图像的预处理26-29
• 第3章 白质纤维束和皮层褶皱的关系29-63
• 3.1 引言29-32
• 3.2 实验数据的获取和预处理32-34
• 3.3 大脑白质表面和纤维束联合表达和分析方法34-46
• 3.3.1 大脑白质表面的参数化表达34-38
• 3.3.2 大脑白质纤维的参数化表达及形状聚类分析38-41
• 3.3.3 脑回顶脊线和脑沟低基线的提取41-43
• 3.3.4 大脑白质纤维束和大脑白质表面褶皱的联合分析43-46
• 3.4 皮层褶皱模态参数化和白质形状聚类结果46-50
• 3.4.1 皮层褶皱模态分类参数化结果评估46-48
• 3.4.2 皮层褶皱模态分类在自闭症患者上的评估48-50
• 3.4.3 白质纤维束形状聚类结果评估50
• 3.5 联合分析结果50-60
• 3.5.1 白质纤维束和脑回的关系50-52
• 3.5.2 白质纤维束和脑沟的关系52-58
• 3.5.3 白质纤维束形状和皮层褶皱模态的关系58-59
• 3.5.4 像素级别的弥散方向和皮层褶皱联合可视化分析59-60
• 3.6 本章小结60-63
• 第4章 白质纤维束和皮层褶皱在物种进化中的表现63-73
• 4.1 引言63-64
• 4.2 数据描述64-65
• 4.3 实验结果65-72
• 4.3.1 脑回和纤维束的关系在物种间的差异65-68
• 4.3.2 脑沟和纤维束的关系在物种间的差异68-72
• 4.4 本章小结72-73
• 第5章 白质纤维束对大脑功能区域位置的预测73-89
• 5.1 引言73-75
• 5.2 算法思想75-76
• 5.3 实验数据的获取和预处理76-78
• 5.4 实验方法78-81
• 5.4.1 训练阶段78-79
• 5.4.2 预测阶段79-81
• 5.5 实验结果81-87
• 5.5.1 ROI 预测结果评估81-86
• 5.5.2 和配准方法的比较86-87
• 5.6 本章小结87-89
• 第6章 白质纤维束和皮层褶皱对大脑功能区域位置的预测89-115
• 6.1 引言89
• 6.2 算法思想89-90
• 6.3 算法实现90-101
• 6.3.1 实验数据及预处理90-93
• 6.3.2 训练阶段93-98
• 6.3.3 预测阶段98-101
• 6.4 实验结果101-112
• 6.4.1 特征的有效性101-105
• 6.4.2 训练和预测模型中的参数105-107
• 6.4.3 预测效果评估107-109
• 6.4.4 同配准方法的比较109-110
• 6.4.5 在 MCI 数据上的可重复实验110-112
• 6.5 本章讨论与小结112-115
• 第7章 总结与展望115-117
• 7.1 论文工作总结115-116
• 7.2 论文工作展望116-117
• 参考文献117-127
• 博士期间的工作成果127-132
• 发表的杂志文章127-129
• 发表的会议文章129-131
• 发明专利131-132
• 致谢132-133

【共引文献】

中国期刊全文数据库 前10条

1 Zhibin Song;Lijuan Dang;Yanling Zhou;Yanjiang Dong;Haimao Liang;Zhengfeng Zhu;Suyue Pan;;Why do stroke patients with negative motor evoked potential show poor limb motor function recovery?[J];Neural Regeneration Research;2013年29期

2 王远军;聂生东;尹伟;;一种实用的多模医学图像配准方法[J];生物医学工程学杂志;2013年05期

3 Xinxiang Zhao;Jun Pu;Yaodong Fan;Xiaoqun Niu;Danping Yu;Yanglin Zhang;;Characteristics of diffusion-tensor imaging for healthy adult rhesus monkey brains[J];Neural Regeneration Research;2013年31期

4 Cuiping Mao;Longxiao Wei;Qiuli Zhang;Xia Liao;Xiaoli Yang;Ming Zhang;;Differences in brain structure in patients with distinct sites of chronic pain:A voxel-based morphometric analysis[J];Neural Regeneration Research;2013年32期

5 钟元;赵翠花;陶玲;张志强;戚荣丰;卢光明;;静息态fMRI分析方法及其在创伤后应激障碍研究中的应用[J];生物物理学报;2013年10期

6 张华文;李宝明;周欣;周琳;潘高争;左毅;;内囊后肢FA值在高血压脑出血术后神经功能评价中的应用[J];陕西医学杂志;2013年12期

7 闫丽娜;李翠宁;苏便苓;张冬青;刘振红;;抑郁症患者静息态功能磁共振成像与抑郁严重程度相关性研究[J];中国全科医学;2014年07期

8 张艳;宋志坚;;脑白质纤维束跟踪算法的研究进展[J];复旦学报(医学版);2014年01期

9 郭斌;曲姗姗;黄泳;;抑郁症的静息态功能磁共振成像研究进展[J];中国全科医学;2014年05期

10 周志焕;孙小洁;毕海;;功能磁共振成像技术在抑郁症疗效评价中的应用研究[J];天津中医药;2014年04期

中国重要会议论文全文数据库 前2条

1 于恩彦;谭云飞;廖峥娈;仇雅菊;史菊芳;吴万振;丁忠祥;;静息态脑功能连接在不同认知状态老年人中的应用[A];2013浙江省医学会精神病学分会学术年会暨浙江省医师协会精神科医师分会第六届年会论文汇编[C];2013年

2 蒋田仔;刘冰;周媛;刘勇;;脑影像与脑认知[A];2007-2008控制科学与工程学科发展报告[C];2008年

中国博士学位论文全文数据库 前10条

1 张远超;基于磁共振的大脑皮层复杂度研究[D];浙江大学;2010年

2 林磊;基于MRI的大脑皮层形态学研究[D];浙江大学;2010年

3 张忠和;大脑皮质生前发育的高场强MRI研究[D];山东大学;2011年

4 孙博;中国人大脑皮质性别差异的影像学研究[D];山东大学;2010年

5 李晋江;应用高场强术中磁共振评价脑及锥体束移位的研究[D];中国人民解放军军医进修学院;2013年

6 谢梓菁;基于多元Granger因果分析的针刺治疗中风偏瘫的机制研究[D];北京中医药大学;2013年

7 王美豪;语言功能脑区与运动性失语静息态功能连接的功能磁共振研究[D];郑州大学;2013年

8 时建铨;新型抗癫痫药对APPswe/PS1dE9双转基因小鼠病理学与行为学的影响及机制研究[D];南京医科大学;2013年

9 周志勇;医学图像非刚性配准方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2013年

10 薛维琴;基于管状约束活动轮廓模型的血管分割方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2013年

中国硕士学位论文全文数据库 前10条

1 李晋;大脑磁共振结构像的形态学分析[D];电子科技大学;2011年

2 杨林林;妊娠20至28周胎儿脑叶发育的标本磁共振研究[D];山东大学;2013年

3 周勤;磁共振3D-CISS序列及DTI在血管压迫性三叉神经痛中的应用价值[D];山东大学;2013年

4 方林;首发偏执型精神分裂症患者静息态脑功能fMRI研究[D];南京医科大学;2013年

5 刘光耀;原发全面强直阵挛癫痫全脑比率低频振幅的静息态fMRI研究[D];兰州大学;2013年

6 吴晓宁;基于阿尔茨海默病的大脑皮层厚度网络的研究[D];兰州大学;2013年

7 李恒;基于MR扩散张量成像的图像配准算法研究[D];郑州大学;2013年

8 高金松;首发精神分裂症患者脑结构成像的研究[D];郑州大学;2013年

9 周科;社会性饮酒者正常状态和饮酒状态下神经活动的差异[D];华东师范大学;2013年

10 廖舒;创新思维的脑机制及其功能连接[D];西南大学;2013年

本文编号：954693