阿尔茨海默病患者脑血氧信号复杂度的多尺度熵分析
本文选题:功能性近红外成像 + 阿尔茨海默病 ; 参考:《医学研究生学报》2016年12期
【摘要】:目的目前对于阿尔茨海默病(Alzheimer's disease,AD)患者脑内血氧信号的非线性特性研究较少。文中旨在探讨通过多尺度熵(multiscale entropy,MSE)方法表述AD患者脑内动态血氧信号的复杂度特征,并评估其对于阐释AD病理生理机制的作用。方法收集2010年12月至2015年9月于首都医科大学宣武医院神经内科记忆门诊就诊的AD患者24例,为AD组;招募来自社区的性别、年龄及受教育程度与AD组相匹配的健康老年人31名为健康对照组。采集31名健康对照者以及24例AD患者的静息态功能性近红外成像数据,分析比较各组血氧信号的MSE特征,并分析其与认知功能的关系。结果 AD组的MSE全脑均值小于健康对照组[(6.23±0.32)vs(7.13±0.41)]。在各个功能网络内,AD患者MSE值较健康对照组在默认网络(6.069 vs 7.222),额顶网络(6.038 vs 6.972),腹侧注意网络(6.238 vs 7.325)、背侧注意网络(6.143 vs 7.035)及视觉网络(5.981 vs 6.919)中均显著降低(P0.05)。MSE值与整体认知功能在腹侧注意网络中存在边缘显著的正相关(r=0.410,P=0.065)。结论基于MSE的分析方法有潜力成为表述及阐释AD患者异常皮层血氧信号复杂度的新手段。
[Abstract]:Objective to study the nonlinear characteristics of cerebral blood oxygen signal in Alzheimer's disease (AD) patients. The purpose of this paper is to study the complexity characteristics of dynamic blood oxygen signal in brain of AD patients by multiscale entropy scale multiscale (MSE) method and to evaluate its role in explaining the pathophysiological mechanism of AD. Methods from December 2010 to September 2015, 24 patients with AD were enrolled in the Department of Neurology, Department of Neurology, Xuanwu Hospital, Capital Medical University. The age and education level of 31 healthy elderly matched with AD group were healthy control group. The resting functional near infrared imaging data of 31 healthy controls and 24 AD patients were collected to analyze and compare the MSE characteristics of blood oxygen signals in each group and their relationship with cognitive function. Results the mean value of MSE in AD group was lower than that in healthy control group [6.23 卤0.32)vs(7.13 卤0.41]. The MSE values of AD patients in each functional network were significantly lower than those of the healthy control group in the default network 6.069 vs 7.222n, the frontal-top network 6.038 vs 6.972, the ventral attention network 6.238 vs 7.325m, the dorsal attention network 6.143 vs 7.035) and the visual network 5.981 vs 6.919). In the ventral attention network, there was a significant positive correlation between physical and cognitive function in the ventral attention network. Conclusion the analysis method based on MSE has the potential to be a new method to describe and explain the complexity of abnormal cortical oxygen signal in AD patients.
【作者单位】: 首都医科大学宣武医院康复医学科;首都医科大学宣武医院神经内科;吉林油田总医院神经内科;北京师范大学认知神经科学与学习国家重点实验室&IDG/麦戈文脑科学研究院;
【基金】:国家自然科学基金(31371007,81430037,61633018) 北京市自然科学基金重点项目(7161009) 北京市科委首都市民健康培育项目(Z131100006813022,Z161100002616020) 首都医科大学基础临床合作项目(16JL-L08) 顺义区卫计委资助(SY2016001)
【分类号】:R749.16
【相似文献】
相关期刊论文 前5条
1 王俊;宁新宝;李锦;马千里;徐寅林;卞春华;;心电图的多尺度熵分析[J];生物医学工程学杂志;2007年05期
2 王俊;宁新宝;马千里;;基于多尺度熵的心电图分析[J];中国生物医学工程学报;2008年03期
3 宦飞,王志中,郑崇勋;睡眠EEG的多尺度信息熵分析[J];北京生物医学工程;2001年01期
4 王俊;马千里;;基于多尺度熵的心电图ST段研究[J];南京邮电大学学报(自然科学版);2008年03期
5 ;[J];;年期
相关会议论文 前2条
1 李婵;张阳;张义军;;地闪“不规则”先导的多尺度熵特征研究[A];创新驱动发展 提高气象灾害防御能力——S11第十一届防雷减灾论坛[C];2013年
2 张涛;李雅堂;阎睿;杨卓;;基于多尺度的非线性动力学分析及其在神经系统中的应用[A];第八届全国动力学与控制学术会议论文集[C];2008年
相关硕士学位论文 前8条
1 龙玉涛;基于熵测度的移动条件下十二通道心电信号质量评估[D];山东大学;2015年
2 高中华;基于经验模态分解和多尺度熵的滚动轴承故障诊断研究[D];长春工业大学;2016年
3 刘晓婷;基于加速度的人体步态信息多尺度熵研究[D];天津大学;2008年
4 刘东海;基于多元多尺度熵的人体平衡系统研究[D];武汉理工大学;2013年
5 崔洁;基于改进多元多尺度熵的癫痫脑电信号自动分类[D];燕山大学;2014年
6 陈建萍;多尺度熵方法用于电子器件噪声分析[D];西安电子科技大学;2007年
7 裴建航;基于小波多尺度熵的导航传感器故障诊断技术研究[D];哈尔滨工程大学;2013年
8 范文会;多尺度熵法用于人体红外图像的腰椎病症研究[D];河北科技大学;2014年
,本文编号:1974000
本文链接:https://www.wllwen.com/yixuelunwen/jsb/1974000.html