基于静息态脑电的AD患者脑网络连接特性及核心节点研究

发布时间：2017-08-14 19:12

  本文关键词：基于静息态脑电的AD患者脑网络连接特性及核心节点研究

  更多相关文章： 阿尔兹海默病 脑网络 脑电 rich-club 现象 核心节点 定向传递函数

【摘要】：研究目的:阿尔兹海默病(Alzheimer’s Disease,AD),是一种发生于老年期的神经系统退行性疾病,其临床表现为进行性认知功能障碍和记忆力损害,严重危害老年人的身心健康并影响生存质量。已有的研究证实AD患者脑网络连接异常,脑网络的研究对深入理解AD的发病机制具有重要的理论意义。本论文对AD和正常老年人多通道脑电数据进行频域Granger因果分析,研究AD患者静息态脑电信号在不同频段的网络连接特性、核心节点的分布及脑网络稳定性,为研究AD静息态的脑网络特性提供支持。研究方法:1.实验数据:数据来自天津医科大学总医院神经内科,分别为15名AD患者和15名正常老年人在清醒闭目状态下的16通道脑电信号(EEGs)。2.数据预处理:采集到的原始数据选取基线较平稳,无明显伪差的EEG信号,对EEG信号进行基线漂移校正、工频滤波等预处理。3.时频分析:应用短时傅里叶变换(Short-time Fourier Transform,STFT)对各通道的EEG信号进行时频分析,获取能量分布集中的频段。提取频段分量:delta[0.5-4Hz)、theta[4-8Hz)、alpha[8-13Hz)、low-beta[13-20Hz)和high-beta[20-30Hz)。4.计算EEGs各频段的定向传递函数(Directed Transform Function,DTF):基于多变量频域Granger因果分析方法,分别计算AD组和正常对照组(Healthy Control,HC)在各个频段的因果连接矩阵、网络连接强度和网络特征参数。5.计算网络的rich-club系数:计算各个频段网络的rich-club系数,分析网络的rich-club特性。6.核心节点分布:基于介数中心度法(Betweenness Centrality,BC)计算AD组和HC组脑网络的核心节点,并分析核心节点的易损性。7.统计学分析:使用SPSS 22.0统计分析软件对数据进行独立样本t检验,计量资料用均值±标准误(xsx±)表示。比较两组受试在不同频段上因果网络的连接均值DTFmean,全局效率Eglob,集群系数C等。研究结果:1、时频分析AD组EEGs的能量主要集中delta频段,theta频段次之;HC组的脑电能量主要分布在alpha频段。2、基于DTF矩阵构建因果网络AD组和HC组的各频段脑电数据的因果关系矩阵,在alpha、low-beta和high-beta频段均具有显著性差异。alpha频段AD组的DTF值为0.0291±0.0017,HC组的DTF值为0.0393±0.0009(P0.001);low-beta频段AD组的DTF值为0.0251±0.0014,HC组的DTF值为0.0322±0.0008(P0.01);high-beta频段AD组的DTF值为0.0240±0.0015,HC组的DTF值0.0284±0.0013(P0.05)。在全频段、delta和theta频段则无显著性差异。3、因果网络的定量描述基于DTF值构建因果网络,计算AD组和HC组在各频段的网络全局效率和集群系数。全局效率:在alpha、low-beta和high-beta频段均具有显著性差异,alpha频段AD组的Eglob值为0.0421±0.0024,HC组为0.0532±0.0012(P0.01);low-beta频段AD组的Eglob值为0.0368±0.0019,HC组为0.0473±0.0011(P0.001);high-beta频段AD组的Eglob值为0.0346±0.0018,HC组为0.0422±0.0011(P0.01)。在全频段、delta和theta频段则无显著性差异。集群系数:在alpha和low-beta频段均具有显著性差异,alpha频段AD组集群系数C的值为0.0237±0.0015,HC组为0.0305±0.0007(P0.01);low-beta频段AD组集群系数C的值为0.0198±0.0012,HC组为0.0244±0.0009,(P0.01)。在全频段、delta,theta和high-beta频段则无显著性差异。4、Rich-club系数AD组和HC组网络的rich-club系数均存在大于1的情况,且随k值的增大而增大。说明AD组和HC组的因果网络都存在rich-club特性。5、网络核心节点分析基于介数中心度法求出两组受试者的核心节点分布,并进行统计分析。发现AD组的核心节点数少于HC组,且在前脑区无核心节点分布。6、网络稳定性对网络进行攻击,在alpha频段,AD组的易损值为0.1251±0.0055,HC组的易损值为0.1075±0.0024(P0.01),AD组显著大于HC组,说明AD网络中核心节点的破坏对整个网络的影响程度更高。研究结论:本文基于静息态脑电数据,应用频域Granger因果分析对AD患者和正常老年人构建脑网络,从网络连接的角度分析两者的连接特性差异。并计算两组受试静息态因果网络的核心节点分布。(1)AD患者的脑区因果连接强度较弱,AD组alpha网络和beta网络的集群系数和全局效率均较低,表明AD患者的脑网络相较于正常老年人有所受损。(2)AD患者和正常老年人脑网络均存在rich-club现象,即网络中存在一些节点,它们具有高的节点度且彼此之间的连接相比于节点度低的节点更为紧密。(3)AD患者的核心节点数少于对照组,且在前脑区无核心节点分布,提示AD脑网络的前脑区连接减弱。(4)在alpha频段,AD组的易损性显著大于HC组,说明AD患者alpha网络核心节点的破坏对整个网络的影响程度更高。
【关键词】：阿尔兹海默病 脑网络 脑电 rich-club 现象 核心节点 定向传递函数
【学位授予单位】：天津医科大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R749.16
【目录】：

• 中文摘要4-7
• Abstract7-13
• 缩略语/符号说明13-14
• 一、前言14-22
• 1.1 研究背景14-15
• 1.2 脑网络15-21
• 1.2.1 AD脑网络的研究现状17-18
• 1.2.2 网络核心节点和Rich-club特性18-19
• 1.2.3 Granger因果分析19-21
• 1.3 研究目的21
• 1.4 研究内容21-22
• 1.4.1 研究的主要内容21
• 1.4.2 论文的结构21-22
• 二、原理与方法22-31
• 2.1 数据的采集与预处理23-24
• 2.2 频域Granger因果24-26
• 2.2.1 因果网络的构建25-26
• 2.3 网络拓扑参数26-28
• 2.4 Rich-club系数28-29
• 2.5 介数中心度29-30
• 2.6 网络攻击30
• 2.7 统计学处理方法30-31
• 三、结果31-43
• 3.1 EEG的时频分布31-34
• 3.1.1 多通道EEGs各频段能量百分比33-34
• 3.2 EEGs因果连接强度和脑网络特征参数34-39
• 3.2.1 因果连接34-37
• 3.2.2 因果网络37-39
• 3.3 Rich-club系数39-40
• 3.4 核心节点的计算40-43
• 3.4.1 介数中心度法定义核心节点40-42
• 3.4.2 网络稳定性分析42-43
• 四、结论与讨论43-48
• 4.1 结论43
• 4.2 讨论43-48
• 4.2.1 AD脑网络特征参数43-44
• 4.2.2 核心节点44-45
• 4.2.3 Rich-club特性45-46
• 4.2.4 攻击Rich-club节点对网络属性的影响46-48
• 五、总结与展望48-49
• 参考文献49-57
• 发表论文和参加科研情况说明57-58
• 综述 AD脑网络的研究现状58-69
• 综述参考文献64-69
• 致谢69-70
• 个人简历70

，

本文编号：674251