论文部分内容阅读
轻度认知障碍(Mild Cognitive Impairment,MCI)是介于健康老年人和阿尔兹海默症(Alzheimer’s disease,AD)之间的一种过渡状态,临床表现为一定程度的记忆障碍和认知功能衰退,但还未达到痴呆状态,具有转化AD的高风险。AD患者大脑病变严重且不可逆转,临床上没有有效的治疗手段,而在MCI阶段早期发现并进行干预治疗可能降低MCI转化为AD的概率,延缓甚至逆转疾病的发展,因此MCI的早期诊断及检测具有重要的临床和社会意义。神经影像学的快速发展使研究者们对MCI疾病展开了深入的研究,取得了颇为可观的成果,但对MCI早期诊断还未发现统一有效的方法,对MCI的病理机制仍不能完全理解。目前研究主要集中在MCI大脑结构脑网络和功能脑网络模式的异常,有向脑网络方面的研究较少,还需要进一步探索。本文主要从有向脑网络的角度对MCI脑网络进行研究,主要工作包括以下两个部分:(1)基于脑区的MCI有向脑网络异常模式挖掘本文围绕格兰杰因果分析(Granger Causality Analysis,GCA)方法在在脑科学研究中的应用,首先对正常老年人(NC)、早期轻度认知障碍(EMCI)、晚期轻度认知障碍(LMCI)三组被试的静息态功能磁共振(resting-state functional magnetic resonance imaging,fMRI)数据进行预处理,根据经验解剖学模板进行脑区划分,作为脑网络节点,利用格兰杰因果分析方法分别构建三组被试的静息态有向脑网络。然后基于复杂网络图论基础,计算有向脑网络拓扑属性,选取合适的特征选择方法筛选用于MCI辅助诊断的特征,使用支持向量机(Support Vector Machine,SVM)分类器对三组样本数据进行分类。分析分类结果,对筛选出的最优特征子集进行讨论,给出生理学意义上的解释。从脑区水平上探索MCI大脑有向脑网络的异常模式,挖掘MCI早期诊断的影像学标志,以辅助临床MCI患者的诊断和干预治疗。(2)基于体素的MCI有向脑网络异常模式挖掘将样本量扩充到NC、MCI、AD三组被试,选择对AD认知记忆功能非常重要的脑区海马区作为种子点,应用格兰杰因果分析方法构建三组被试基于体素的全脑有向连接图。对三组被试基于体素有向连接图进行统计分析,探讨与正常老年人相比MCI大脑中双侧海马区与其他体素的有向连接模式产生的异常。分析MCI与AD有向脑网络异常差异,进一步理解MCI病理发展过程及可能产生的临床表现。从体素水平上探索MCI患者海马区与其他体素的有向连接异常模式,进一步理解MCI发展到AD阶段有向脑网络演化模式。MCI有向脑网络分类模型实现了较好的分类效果,为MCI的早期临床诊断及检测提供了辅助手段,特征筛选结果发现MCI患者大脑颞叶、额叶、枕叶、顶叶均发生了不同程度的病变,异常脑区集中在颞叶与额叶区。基于体素有向脑网络分析发现了双侧海马与颞中回、颞下回、扣带回、额上回等多个脑区间连接异常,MCI组与AD组中海马区与其他体素间有向连接模式差异较大,这些研究揭示了基于格兰杰因果分析构建有向脑网络在MCI及AD疾病研究中的有效性,也为理解MCI及AD病理生理机制提供了更多依据。