论文部分内容阅读
近年来,磁共振成像(Magnetic Resonance Imaging,MRI)技术的飞速发展和计算机化的神经解剖学图像处理技术的进步,使研究人员可以对活体脑进行快速、自动的定量计算和分析,为神经系统疾病的临床诊断和病理研究提供了客观依据。结构磁共振成像(structural MRI,sMRI)技术是MRI技术的一个重要分支,具有组织分辨率高、解剖结构显示清晰等优点,已成为重要的临床诊断手段,近年来被广泛应用于对阿尔茨海默病(Alzheimers disease,AD)的研究之中。多变量统计分析法将大脑看作一个网络,以多个体素为研究对象,着重分析各脑区之间的连接关系及网络内不同脑区大小变化的相互影响,成为当前分析脑成像数据的热点和趋势。
本研究将AD患者和年龄匹配的健康被试的sMRI数据作为研究对象,首先使用一种多变量统计分析法SSM/PCA(Subprofile Scaling Model-PrincipleComponent Analysis)来分别确定灰质和白质的脑结构网络(或协方差模式),有效反映AD对患者大脑的影响以及受影响脑区之间的协变关系。然后检测AD患者的TPR(Topographic Profile Rating)值,是否与其在简易精神状态检测(mini-mental state examination,MMSE)中的得分相关。
由实验结果可见:AD患者受AD影响的脑区在一个网络内呈现协变关系,这个特定的脑结构网络,对于灰质数据,主要包括海马旁回,内侧颞叶和丘脑等脑区,而对于白质数据则主要分布在胼胝体附近;AD患者的TPR值与健康被试的TPR值有显著差异(灰质数据:t=8.04,P<0.001;白质数据:t=5.84,P<0.001);AD患者灰质和白质数据的TPR值都与各自的MMSE得分显著相关(灰质数据:r=-0.549,P=0.017;白质数据:r=-0.484,P=0.036)。本研究的实验结果表明:本文得到的脑结构网络与其他文献中利用单变量统计分析法求出的AD患者受AD影响的脑区分布模式相似,并且能够有效地区分两组被试;另外,AD患者的TPR值能够有效反映他们与AD相关的认知水平下降程度。本文证明SSM/PCA可为AD的研究提供新的研究视角,有着重要的应用价值。