基于扩散峰度成像的阿尔茨海默病患者大脑结构网络的研究

发布时间：2020-05-20 03:40

【摘要】：目的:阿尔茨海默病是导致老年人认知障碍、残疾以及死亡的最常见的神经退行性疾病。大脑由复杂的细胞结构组成。既往基于高斯模型的扩散张量成像不能很好地解释大脑结构的复杂性。扩散峰度成像是一种基于大脑非高斯扩散特性的新型成像方式。此次研究通过构建扩散峰度网络来探讨阿尔茨海默病潜在的病理机制。方法:研究对象来自.于苏北人民医院诊断为很可能的阿尔茨海默病的21位患者及作为对照组的19位健康受试者,所有被试都进行磁共振检查以及认知量表评估包括简易精神状态检查和蒙特利尔认知评估。利用扩散峰度指标构建基于群体的脑灰质协变网络以及基于个人的脑白质结构网络,并使用图论方法进行分析。结果:(1)扩散峰度网络在健康受试者和阿尔茨海默病患者的大脑中均呈现出小世界特性。(2)与对照组相比,以扩散峰度指标平均峰度值构建的阿尔茨海默病患者脑灰质网络表现为特征路径长度增加,集群系数降低,脑网络的优化程度降低。(3)以扩散峰度指标(平均峰度值、径向扩散峰度值、轴向扩散峰度值、峰度分数各向异性、部分各向异性、平均扩散系数、径向扩散系数和轴向扩散系数)为加权的阿尔茨海默病患者的脑白质网络呈现出特征路径长度降低以及全局效率增加,而以纤维数量为加权的脑白质网络则呈现出相反的结果。(4)更多的扩散峰度指标相比于弥散指标显现出两组间小世界属性的差异。阿尔茨海默病患者的扩散峰度指标比同类弥散张量指标显示了与认知评分更高的相关性。(5)阿尔茨海默病患者在默认网络中的核心脑区减少。结论:在基于扩散峰度成像构建的脑灰质以及白质网络中,我们观察到阿尔茨海默病组和正常对照组之间小世界属性的差异以及阿尔茨海默病患者默认网络脑区连接性的降低。我们的研究结果表明,通过非高斯参数的测量,扩散峰度成像可能提供比弥散张量成像更多有关微观结构改变的信息。扩散峰度指标可以通过描述灰质和白质的微观结构,成为阿尔茨海默病的早期检测和进展监测的神经影像标志物。
【图文】：

空间分布,椭球模型,峰度,特征向量

Ｉ是利用水分子在生物组织的扩散过程来评估组织结构改变的一种非侵入性的］，其原理与部分生物组织（如中枢yL经系统的白质）使水分子扩散呈现各向即假设扩散呈正态分布。ＤＴ１模型是一个椭球形面的三维二阶张量模型［６１］（其主特征方向与大脑神经纤维走行方向－致，次特征方向与大脑yL经纤维走行相应的特征值代表沿轴的扩散系数。但是大脑组织的复杂结构使得水分子扩散分布，，因此ＤＴＩ模型对于各向同性的组织如灰质以及交叉的白质纤维并不适６２］等人首次引入了基于四阶张量模型的ＤＫＩ技术。在ＤＴＩ的模型中，弥散的通过二阶３Ｘ３对称张量Ｄ来表示。而在ＤＫＩ的模型中，峰度的方向性用四阶对称张量Ｗ来表示，代表更复杂的空间分布。为了同时估算Ｄ和Ｗ，它至少零ｂ值。ｂ值越高，组织结构呈现的敏感度、特异度越高，同T可以避免Ｔ２透响。在脑组织中，ｂ值越需２０００ｓ／ｍｍ２。另外，ＤＫＩ扩散敏感梯度场的施加方１５个。如果施加的方向达到３０个则更能得到准确可靠的数据，更加清晰地展走行的神经纤维。逡逑

空间噪声,间脑,网络构建,协变

图３－１：构建脑灰质网络的简要流程：以ＡＡＬ模板中的每一个脑区定为节点，提取所有被试单个脑区逡逑的参数值（包括ＭＫ、ＡＫ、ＲＫ及ＫＦＡ）进行皮尔逊相关作为边，得到相关矩阵，再进行图论分折
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R749.16

【相似文献】