大脑是人体最复杂和神秘的器官,大脑的结构和功能的复杂性一直吸引着科研工作者去探索大脑的奥秘。神经影像学技术的迅速发展为脑网络研究提供了良好的基础,越来越多的证据表明,网络是大脑进行信息获得与处理以及认知能力表达的生理基础,脑网络研究能够为一些疾病提供诊断依据。扩散张量成像(Diffusion Tensor Imaging,DTI)技术可以在活体中非侵入性的测定白质在大脑中的分布情况,并能够实现定量的检测大脑中神经纤维束的扩散特征,可以勾画出脑白质主要纤维的结构图,并能够在一定程度上反映出脑白质纤维在大脑内部的走向。脑网络是神经脑科学学科研究比较热门的话题,脑结构和脑功能网络是脑网络研究的关键技术。基于DTI的脑结构网络研究被广泛应用于阿尔茨海默症、大脑老龄化、帕金森症、自闭症、双向情感障碍、精神分裂症等多种神经精神疾病的研究中。目前,基于DTI的脑结构网络研究过程中白质纤维束的跟踪都是在样本个体空间进行的。由于MRI数据采集时间较长,原始数据可能包含较多的运动伪影,磁场不均匀、涡流等也会影响成像数据的质量,这些都会降低扩散张量图像的信噪比。由于脑纤维结构复杂、纤维的连接模式多样、而纤维跟踪算法易受到噪声的影响。这些样本个体空间上跟踪脑神经纤维的局限性,会影响基于DTI脑结构网络分析结果的可靠性。本文首先介绍了传统的基于DTI的脑结构网络构建流程,然后研究了视神经脊髓炎谱系疾病患者的脑结构性网络特征。对中山大学第三附属医院神经内科自2014年9月至2017年10月收治的41例NMOSD患者(患者组)及40例年龄、性别相匹配的健康志愿者(对照组)进行弥散张量成像(DTI)扫描,采用确定性纤维跟踪技术构建脑白质结构加权网络,进而计算基于复杂图论分析的脑结构网络属性,使用统计学方法对两组脑结构网络的全局参数及局部参数进行对比分析。结果显示,两组脑结构网络均具有小世界属性。患者组脑结构网络较对照组全局效率显著减小,最短路径长度显著增加,差异均有统计学意义(P=0.0017,P=0.0022,FDR校正);两组脑结构网络的聚类系数、平均最短路径长度、小世界属性值、平均聚类系数、局部效率差异均无统计学意义(P=0.7801,P=0.4959,P=0.2790,P=0.2688,P=0.0502,FDR 校正)。与对照组比较,患者组脑结构网络节点效率在额叶(双侧中央前回、右眶部额中回、右岛盖部额下回、右中央沟盖、双侧内侧和旁扣带回)、顶叶(右后扣带回、右顶上回、左顶下缘角回、右角回、右楔前叶)、颞叶(双侧海马、右海马旁回)、枕叶(左楔叶、左枕上回、双侧枕中回、左枕下回)及皮质下区域(右尾状核、右丘脑)显著降低,差异均有统计学意义(P<0.05,FDR校正)。基于DTI的NMOSD患者脑结构网络存在连接异常。考虑到基于个体空间磁共振扩散张量图像的脑结构网络分析的局限性,在原有分析框架的基础上,本文提出一种基于标准空间的DTI脑结构网络构建流程,以优化基于个体空间的DTI脑结构网络分析方法。具体思想是,把个体张量图像空间标准化到标准空间,提取标准空间下的FA图像数据,在标准空间下的平均张量图谱上进行纤维跟踪;在标准空间下,使用由平均张量图谱跟踪到的纤维和标准空间下的个体FA图像数据,以大脑分区为网络节点、以大脑分区间的纤维连接为网络的边构建脑结构性网络。DTI的配准算法选择使用具有较高配准精度的基于张量配准算法的DTI-ToolKit(DTI-TK),参考图像选择高质量的人脑图谱IITv4.1。把改进后的脑结构网络分析流程应用到NMOSD患者数据上,把改进后的统计结果和改进前的结果相对比。结果显示,改进的DTI脑结构网络分析流程的结果在脑网络总体属性与脑网络节点效率分析方面的结果与原方法一致性较好,但是统计结果的显著性更高,说明改进方法的结果更加可靠,显示出新方法的优越性;改进的脑结构网络方法检出了更多脑网络节点的效率显著性降低,该结果合理性有待结合疾病的临床表现进一步分析和研究。另外,新方法的有效性还需要借助模拟数据和其他疾病数据来进一步分析和检验。