基于谱动态因果模型的重性抑郁症患者有效连接分析

发布时间：2020-04-02 15:22

【摘要】：重性抑郁症(Major Depressive Disorder,MDD)是一种严重的情感障碍类疾病。借助功能磁共振成像(Functional Magnetic Resonance Imaging,fMRI)技术,以往研究发现MDD涉及默认网络(Default Mode Network,DMN)、突显网络(Salience Network,SN)和中央执行网络(Central Executive Network,CEN)等多个网络的功能及连接异常。与传统的功能连接分析相比,有效连接分析更加侧重研究一个脑区对另一个脑区的因果作用关系,它不仅可以计算脑区间相互作用的强度,也能获得脑区间信号的传递方向,能够更加精确地刻画不同脑区之间的交互作用机制,对于阐明抑郁症相关的神经机制具有重要的意义。因此,本文采用谱动态因果建模(Spectral Dynamic Causal Modelling,spDCM)方法对MDD患者大脑有效连接进行分析。本文主要从以下三个方面开展研究:1.单网络(DMN)有效连接分析DMN在MDD的发病机制中扮演着重要的角色,其功能连接的异常被大量文献所报道,然而有关DMN内的因果交互情况尚不清楚。因此,本文第一部分工作利用spDCM对DMN单个网络内的有效连接进行分析,以此探究DMN内有效连接的异常与MDD患病和复发的潜在关系。实验分别采集正常人、首发MDD患者和复发MDD患者的静息态fMRI数据,再利用spDCM构建三组被试各自的DMN有效连接模式。对比分析结果发现,DMN左侧后顶叶皮层(Left Parietal Cortex,LPC)和内侧前额叶皮层(Medial Prefrontal Cortex,mPFC)的连接异常可能与MDD的发病存在紧密联系,同时,本研究进一步发现DMN内mPFC到后扣带皮层(Posterior Congulate Cortex,PCC)的连接异常可能与MDD的复发存在关联。2.双网络(CEN/DMN)有效连接分析DMN又被称作任务负激活网络(Task-negative Network,TNN),与之相对应的是任务正激活网络(Task-positive Networks,TPNs),其代表网络为CEN。以往研究表明,DMN和CEN的正常交互对于认知、情绪控制等功能具有重要作用。本文的第二部分工作采用spDCM对DMN与CEN双网络的有效连接进行分析,以此探究MDD患者TPNs和TNN的切换状态。spDCM的结果显示,正常人的有效连接主要集中在两个网络间的连接,而MDD患者的有效连接主要集中在各自网络内部的连接,这一结果提示MDD患者这两个网络间的信息交流可能减少。其次,MDD患者DMN到CEN的影响增强,而CEN到DMN的影响减弱,这也意味着TPNs与TNN的切换功能在MDD中出现异常,导致患者无法正常控制情绪。3.大尺度脑网络有效连接分析MDD患者通常同时存在情感、认知控制、注意缺陷等多方面的问题,本文在单网络(DMN)和双网络(DMN和CEN)有效连接分析的基础上,进一步通过大尺度脑网络有效连接分析及图论分析,研究了MDD患者视觉网络、感觉运动网络、听觉网络、默认网络、突显网络、小脑、背侧注意网络、左右中央执行网络等9大网络的有效连接。实验结果显示,MDD破坏了静息态下大尺度脑网络间的均衡连接。同时,MDD患者中有三条异常连接与患者临床得分呈负相关,这三条连接分别为左侧楔前叶至右侧中央前回、左侧三角部额下回至右侧角回,以及视觉网络中的VN2至顶下缘角回。此外,图论分析结果发现,大脑正常的拓扑结构遭到破坏,使得大脑内部的信息传输效率降低,并且网络局部效率的降低也使得部分脑网络的防御攻击能力减弱。本文从脑网络角度出发,通过对MDD患者从单网络(DMN)到大尺度脑网络的有效连接分析,深入探究了MDD患者大脑网络内及网络间的有效连接异常,为MDD的病理生理学机制带来新的解释,同时也为该疾病的复发防治带来一定的启发。
【图文】：

分析方法

脑网络连接分析方法（改自[47]

示意图,结构连接,示意图,种子点

图 2.2 结构连接分析示意图（改自[49, 50]）用的纤维追踪算法主要有两种，一种为确定性纤维追踪，，另外一种为。确定性纤维追踪需要事先设定好种子点，然后沿着种子点的主特征踪，每前进一个步长就会计算当前点的主特征方向，也就是弥散张量
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R749.4;O157.5

【相似文献】