论文部分内容阅读
阿尔茨海默症(Alzheimers disease，AD)是一种伴随各种认知功能障碍的慢性神经系统退行性疾病，也是导致老年痴呆症的最主要原因。目前，关于AD的病因并不明确，其一旦发病，病情不可逆转，也没有有效的治疗方法。因此，对抗AD的关键在于对其的及早诊断和干预。大脑的7对皮质下核团:伏核、杏仁核、尾状核、海马、苍白球、壳核和丘脑，与记忆、语言表达、空间导航、学习等功能息息相关，因此在AD的病变过程中发挥着非常重要的作用。研究AD和轻度认知障碍(Mild Cognitive Impairment,MCI)中皮质下核团的萎缩模式，可在某种程度上为AD的早期诊断提供辅助信息。基于这个目的，本文提出了结合ITK配准框架和图像融合算法的多图谱配准分割算法，实现7对皮质下核团的分割，并应用于AD的研究中。具体工作如下: (1)结合直方图分析和三维形态学处理方法提取大脑的组织，简称为SSA(Skull Stripping Algorithm)。使用SSA、Brain Extraction Tool(BET)和ITK-SkullStripping算法对40例大脑MR图像进行脑组织提取，并由医生对分割结果进行5分制打分。其中，分割结果为4分及以上的有:SSA有40例，BET有21例，ITK-SkullStripping有40例。结果表明，SSA与ITK-SkullStripping算法的分割结果较为一致，并且优于BET算法。 (2)采用ITK的图像配准框架实现仿射配准和B-spline变形配准，将图谱图像配准到待分割图像空间。随后，使用MV（Majority voting）、STAPLE(Simultaneousn Truth and Performance Level Estimation)和SBA(Shape-Based Averaging)图像融合算法实现多个标记图像的融合，得到最终的分割结果。使用以上三种融合算法分别对10例3DT1W图像进行分割，并计算7对皮质下核团的体积，将结果与作为分割金标准的FMRIBs Integrated Registration and Segmentation Tool(FIRST)所测量的核团体积作t统计检验。结果表明，与FIRST算法相比，MV算法分割的双侧伏核和丘脑均出现显著差异(p＜0.05);STAPLE算法分割的双侧丘脑出现显著差异;SBA算法分割的7对皮质下核团均没有发现显著差异(p＞0.05)。 (3)结合ITK配准和SBA算法对90例图像进行7对皮质下核团的分割及体积测量，其中AD、MCI和正常老年人(Normal Control，NC)各30例。采用SPSS软件分析三组间的体积差异及其与临床量表评分(MMSE和MOCA)的相关性。结果表明，与NC相比，MCI中右侧伏核和左侧海马的体积出现显着萎缩，而在AD组中，这些核团的萎缩程度更加恶化，即双侧伏核和海马的体积均明显减少。这种萎缩与大脑认知功能受损强烈相关，体现在双侧伏核和海马的体积与MMSE、MOCA评分均呈现显著相关。此外，基于FIRST的顶点分析显示，AD中左侧伏核和右侧海马的腹侧、右侧伏核的尾后侧、左侧海马的背内侧以及右侧丘脑的内侧均出现显着的形态改变，并且这些区域的形态变化也与认知心理评分显著相关。实验结果表明，伏核和海马在AD和MCI的认知功能衰退中扮演着非常重要的角色。