论文部分内容阅读
静息态功能磁共振成像(Resting-state functional magnetic resonance imaging,rs-fMRI)技术提供了一种可用于探测大脑功能异常的新途径,目前在对精神疾病患者的早期干预和诊断方面发挥着越来越重要的作用。人们可以从脑区和网络等角度进行脑功能分析,从而对精神疾病的病理学特征进行研究。基于以上背景,本文研究工作分为以下两部分:本文第一部分工作使用时变功能连接分析研究重度抑郁症(major depressive disorder,MDD)患者脑活动的动态变化,并首次对MDD患者异常动态功能连接的状态依赖性(与某一特定的功能连接状态相关)进行探究。首先,对49个MDD患者和54个正常对照的fMRI数据进行标准预处理操作,并采用独立成分分析确定了属于7个脑功能子网络的49个脑区。其次,使用滑动窗口分析和动态功能连接分析构建时变性功能网络,并使用K-means聚类确定全脑活动的亚状态,本研究分别得到弱功能连接状态和强功能连接状态。最后,分别在弱功能连接状态和强功能连接状态下计算功能连接的组间差异,具有显著性差异功能连接的动态性与MDD患者抑郁症状的严重程度做相关性分析。与正常人相比,MDD患者在弱功能连接状态表现出更长的平均驻留时间和降低的网络间与网络内的功能连接。默认模式网络(default mode network,DMN)与认知控制网络(cognitive control network,CCN)之间和CCN内部降低功能连接的动态性与抑郁症状的严重程度有关。该研究结果为理解MDD状态依赖的神经生理学机制提供了新的视角。本文的第二部分工作使用动态有向效应连接分析来进行自闭症(Autism spectrum disorder,ASD)患者DMN中动态信息流向机制的探索,并评估了动态有向效应连接以及它的时域特征在区分ASD和正常对照上的效力。首先,对35个ASD患者和62个正常对照的fMRI数据进行标准预处理操作,并采用独立成分分析提取出DMN中的10个脑区。采用基于滑动窗口方法的格兰杰因果分析构建动态有向效应连接网络,探索在动态时间窗意义上ASD的DMN内一个脑区到另一个脑区的信息流向以及这种因果影响的强度变化。接着使用K-means聚类来确定DMN中有向效应连接的亚状态,本研究分别得到弱效应连接状态和强效应连接状态。另外,分别在弱效应连接状态和强效应连接状态下进一步计算有向效应连接的组间差异,具有显著性差异有向效应连接的动态性与ASD患者的临床量表做相关。与正常人相比,ASD患者在强效应连接状态下表现出显著更短的平均驻留时间。在两个状态下都发现了ASD患者在DMN内异常的有向效应连接。相关性分析表明,DMN内异常有向效应连接的动态性与ASD患者的认知障碍(社会功能、交流异常以及重复刻板行为)相关,进一步证实了DMN功能障碍在ASD的神经生理机制中的关键作用。最后,本研究采用十折交叉验证评估分类性能,使用观察到的各状态下异常的有向效应连接和它在时域上的特征验证其对ASD的鉴别能力。结果表明当两者结合作为分类特征时,对ASD识别的准确率可以达到81.55%,这说明动态有向效应连接特征有助于ASD的辅助诊断。