收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多模态磁共振信息的早期帕金森病影像标记及计算机辅助诊断研究

龙丹  
【摘要】:研究背景 帕金森病(Parkinson disease, PD)于1817年由英国神经内科医生Parkinson首先发现并描述。该病在全球60岁以上人群的发病率约为1%,据统计,我国55岁以上人群中有约170万PD患者,每年大约有10万人被确诊患上帕金森病,已占到全球患者总人数的一半。PD的三大临床表现为静止性震颤、肌强直和运动迟缓,主要病理改变是黑质纹状体细胞的进行性损失和细胞内路易斯小体的聚集。 PD早期诊断一直是一个世界性的难题。在临床上可以根据英国帕金森病协会脑库标准对PD的进行诊断,诊断依赖于两个或两个以上的基本运动症状(静止性震颤,运动迟缓或强直)的出现。但是,在对患者运动症状进行评估时,PD的主要症状同药物导致帕金森症、进行性核上性麻痹、多发性硬化、路易斯小体痴呆等疾病相似;能够根据临床症状诊断为帕金森病时,往往已经有80%的纹状体多巴胺减少。因此,寻找有效提示PD病变存在的生物标记,发展PD早期诊断技术或方法,是目前急需解决的问题。 近年来,很多客观指标被开发出来希望用于PD早期诊断,其中发展最快的是神经影像技术。目前应用得比较多的是单光子发射计算机体层扫描(SPECT)及正电子发射计算机体层扫描(PET)技术。PD早期的主要病理改变是黑质-纹体通路的退化,而原发性震颤患者、血管性帕金森症患者、药物导致帕金森症患者和AD患者的黑质-纹体通路没有退化,因此可以通过PET或SPECT将PD和上述疾病加以区分,使得早期诊断成为可能。 但是由于SPECT和PET定位精度不高而且具有放射性,因此研究者将目光转向到非侵入性的磁共振成像(MRI)上来。MRI是一种可以很精细提供各脑区结构、功能和代谢情况的成像技术,它不仅可以得到组织的解剖影像,更重要的是可以得到组织的功能影像。多项使用MR结构成像技术的研究发现PD患者脑结构早期即出现改变,比如PD患者壳核体积在早期及中晚期均较正常人明显减小,并与HoehnYahr分期呈负相关;早期的患者黑质纹状体纤维的各向异性分数(FA)显著降低,FA值的下降在黑质尾侧更加显著,降低程度远高于黑质嘴侧。这些研究提示PD的脑结构变化有可能能够为神经影像学诊断提供帮助。MRI功能成像研究也发现PD患者脑功能存在改变,比如有认知缺陷的早期PD患者患者比无认知缺陷的患者在执行记忆任务时前额叶和尾状核的激活有明显降低,这提示BOLD脑成像在PD诊断中的潜在价值。 然而,在基于MR结构的研究中,大多数研究都是发现结构模式的改变,而没有形成影像学指标。在基于MR功能成像的研究中,由于功能图像数据信噪比很低,必须从多个不同层面提取特征(比如区域一致性、低频振幅和脑网络指标),其中研究脑网络有两个模型:小世界模型和连接度模型,到底哪种模型所产生的指标更适合识别PD仍然未知。虽然上面各个模态都有自己的优势,但是他们也有着各自的局限性。比如BOLD-fMRI主要考察脑灰质皮层的功能状态,却无法评价脑白质的功能改变。DTI可以对脑白质的微观功能进行评价,却不能观察其在宏观上的改变。而神经精神疾病的神经学机制较为复杂,需要从不同角度进行评价。因此近年来,神经影像学的研究经历了从结构成像到功能成像,从单模态成像到多模态成像的发展过程,形成了所谓的“多模态MRI”。但是如何将多模态特征转换成特异性指标仍然是一个需要认真探讨的课题。 本文希望利用MRI技术提取PD患者结构和功能信息,分别验证他们在识别PD方面的有效性,最后使用模式识别的方法将多模态信息转变成能够进行辅助诊断的指标。 方法 实验一:我们验证结构模式变化可以转变成特异性的影像学标记。有36位早期PD患者和46位正常对照参加本研究,每个受试者都采集3D结构像。受试者图像通过SPM8进行偏移校正,分割,标准化,重采样(3mm),调制。然后对预处理过后的灰质图像进行体素筛选,最后对被筛选出来的体素进行聚类分析,生成能代表两组差异的感兴趣区(ROI),然后使用这些脑区的体积值进行分类。 实验二:验证两个脑网络模型的参数到底哪个更适合作为区分PD的指标。共17位早期PD患者和19位正常对照参加本实验。任务编码采用组块设计,受试者执行对指任务。图像采集包括高分辨解剖T1加权像和血氧水平依赖(BOLD)平面回波T2加权像。fMRI数据分析采用SPM8软件。选用的复杂网络是采用seed-voxel法构造SMA相关网络。分别使用小世界模型和连接度模型计算各项指标,其中小世界模型计算六个全局参数(聚类系数,最短路径长度,标准化的聚类系数,标准化的特征的路径长度,全局效率,局部效率)和三个节点参数(节点的度,节点效率,节点的中心性);连接度模型仅仅计算各节点的连接度。最后具有统计学差异的参数被用于分类。 实验三:提取受试者结构信息和功能信息,通过模式识别算法将这些信息转变成一个辅助诊断指标(变异指数)。共19位早期PD患者和27位正常对照参加本实验,每位受试者采集静息态fMRI图像和结构图像。结构图像和功能图像都采用SPM8进行预处理,利用标准模板分别提取结构特征和功能特征,提取三个不同层面的功能特征:ReHo、ALFF和脑网络指标;结构特征提取的是灰质、白质和脑脊液结构图像的特征。然后进行特征选择,特征融合;将挑选出来的特征放入到支持向量机中进行训练,生成一个分类器。最后将每个人的特征重新输入到分类器中,得到一个新的指标,即变异指数。 结果 实验一:共找到10个具有显著结构差异的ROI,分布在颞叶、枕叶、额叶等部位。其中右尾状核(ROI6)的分类准确性为76.83%,ROC曲线下面积为0.8207;额上回(ROI9)分类的准确性75.61%,ROC曲线下面积为0.814。 实验二:无论是正常人SMA还是PD患者的SMA相关网络都具有小世界属性。相对正常人,PD网络中右枕中回,右顶下回,右颞中回的度要大些,右枕中回和右颞中回的节点效率要高一些,右后扣带回的节点中心性显著下降;使用这些有显著差异的指标进行分类,准确性都低于60%。对于连接度模型,右SMA和右枕中回的连接度具有显著差异,使用这些有显著差异的指标进行分类,右SMA的分类准确性为69.44%,右枕中回的分类准确性为63.89%。 实验三:本文多模态方法分类准确性达到86.96%,敏感性是78.95%,特异性是92.59%。这个结果好于任何一种单模态分类结果。使用每个受试者的变异指数作为阈值,可以生成ROC曲线,曲线下面积为0.951,这体现了一个不错的分类性能。 结论 实验结果显示早期PD患者大脑结构确实已经发生改变,某些脑区的结构变化是有效识别PD的影像学指标;在两个脑网络模型中,小世界模型的指标更适合做定性研究,连接度则有潜力成为识别早期PD的指标。最后生成的基于多模态数据的变异系数能够有效区分PD和正常人,取得了不错的分类性能(准确性=86.96%)。这个结果提示我们综合结构和功能特征的变异系数能够为临床早期帕金森病的诊断提供有价值的信息。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 植娟;;多模态在护理教学中的运用[J];护理研究;2011年20期
2 黄佳国;曾文彬;周明;高峰;;双模态分子影像探针研究进展[J];生物物理学报;2011年04期
3 周付根;刘文艳;周孝宽;;基于数据融合的脑组织图像分割[J];生物医学工程学杂志;2008年01期
4 王卫东,卢卫国,包尚联,俎栋林,尤江生;图像配准和融合及其在医学影像中的应用[J];CT理论与应用研究;1997年02期
5 曹素元 ,刘莉 ,林亚平;关于中医计算机辅助诊断中加权求和法的修错问题初步讨论[J];贵阳中医学院学报;1987年01期
6 程绍鲁;余乃登;梁肇珍;薛秀恩;;儿科脾胃疾病智能诊疗系统的临床应用[J];贵阳医学院学报;1991年04期
7 唐永兴,吴清平,周宝华;听骨链完整性计算机辅助诊断系统[J];湖北工学院学报;1996年S1期
8 ;各部及各科疾病的 X 线诊断与疗法[J];国外科技资料目录(医药卫生);1997年10期
9 邢立军;王兆月;张弥左;高卫平;王存思;;计算机辅助诊断的数学方法应用[J];数理医药学杂志;2006年06期
10 帅捷;滑炎卿;张建国;;多维医学图像计算机辅助诊断应用进展[J];中国医疗器械杂志;2008年01期
11 ;超声图像计算机辅助诊断专题研讨会在上海大学举行[J];生物医学工程学进展;2008年04期
12 K.Marten;V.Dicken;C.Kneitz;M.Hhmann;W.Kenn;D.Hahn;刘洪超;;计算机辅助诊断工具量化胶原血管疾病引起的间质性肺疾病[J];国际医学放射学杂志;2009年02期
13 P.M.Tchou;T.M.Haygood;E.N.Atkinson;T.W.Stephens;P.L.Davis;E.M.Arribas;邢志珩;;乳腺摄影筛查中计算机辅助诊断的判读时间[J];国际医学放射学杂志;2010年06期
14 ;电子计算机辅助诊断盆腔子宫内膜异位症——附339例验证(文摘)[J];浙江大学学报(医学版);1984年02期
15 周济省;高贤章;饶春阳;黄乃清;周人志;;微型计算机辅助诊断和处理职业性慢性铅中毒[J];福建医药杂志;1985年05期
16 庞一霞;计算机辅助诊断在公共保健护士的护理诊断中的应用[J];国际护理学杂志;1987年05期
17 吴季茂,赵志钧,胡鑫尧;分析化学多目标优化计算机辅助诊断乙型肝炎[J];计算机与应用化学;1994年02期
18 ;乳腺X光片计算机辅助诊断乳腺癌[J];生物医学工程与临床;2003年01期
19 郦永平;丁敏;温淑云;罗树启;丁杰;;脑梗死中医证型诊断的程序化研究[J];江苏中医药;2009年01期
20 ;广西大学计算机与电子信息学院电子信息工程系张学军教授[J];中国组织工程研究与临床康复;2009年22期
中国重要会议论文全文数据库 前10条
1 王宁;;严重脑血管病人的多模态监测[A];第二届中西医结合脑病诊治新进展高级研讨班专家讲义及论文汇编[C];2010年
2 梁胜;张春富;李彪;;干细胞追踪用PET/SPECT/MRI/Fluo多模态探针设计探讨[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年
3 向良忠;邢达;杨思华;;光声肿瘤分子成像[A];第七届全国光生物学学术会议论文摘要集[C];2010年
4 李丹;林超;吕中伟;;多模态磁性-荧光可降解纳米探针的研制及成像研究[A];中华医学会第九次全国核医学学术会议论文摘要汇编[C];2011年
5 王志刚;;模态超声造影剂研究进展[A];2010年超声医学和医学超声论坛会议论文集[C];2010年
6 梁坚;杨永臻;;一种多模态自适应模糊控制器[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(上册)[C];1995年
7 杨陈科;陶霖密;;情感信息实验平台的设计与实现[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
8 黄本才;齐辉;陈勇;;体育场悬挑屋盖多模态和交叉项对风激动力响应的影响[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年
9 党军;;双语词典的多模态化——用户·词典·编者[A];福建省外国语文学会2010年年会论文集[C];2010年
10 钟若飞;郭华东;王为民;朱博勤;;SZ-4多模态传感器辐射模态数据处理与应用评价研究[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
中国博士学位论文全文数据库 前10条
1 龙丹;基于多模态磁共振信息的早期帕金森病影像标记及计算机辅助诊断研究[D];浙江大学;2012年
2 张征;英语课堂多模态读写能力实证研究[D];山东大学;2011年
3 李洁;多模态脑电信号分析及脑机接口应用[D];上海交通大学;2009年
4 江旻珊;先进眼科多模态成像技术研究[D];上海交通大学;2011年
5 刘亚楠;多模态特征融合和变量选择的视频语义理解[D];浙江大学;2010年
6 钱真;视频多模态信息处理的关键技术研究[D];哈尔滨工程大学;2012年
7 龙锦益;脑信号分析的算法研究与多模态脑机接口[D];华南理工大学;2012年
8 刘洋;多模态MRI影像在矿难创伤后应激障碍研究中的应用[D];第四军医大学;2012年
9 李翔;超声导波频散与多模态问题及其形态解卷积方法研究[D];电子科技大学;2013年
10 王洋;多模态图像检索技术[D];中国科学技术大学;2013年
中国硕士学位论文全文数据库 前10条
1 王璐瑶;隐喻视角下的广告多模态[D];南京大学;2011年
2 张向静;图像中的意义与媒体的意识形态:西藏3.14事件新闻图像的多模态语篇分析[D];天津商业大学;2011年
3 封晓瑞;多模态反射荧光实时共聚焦成像系统的研制[D];上海交通大学;2010年
4 崔燕;平面公益广告互动意义的多模态话语分析[D];山东大学;2010年
5 闫兆法;基于多模态粒子群优化的社会网络分析研究[D];大连理工大学;2010年
6 张峰;脑肿瘤多模态医学图像可视化研究及系统实现[D];浙江大学;2004年
7 李翔;基于统计模型的多模态医学图像配准[D];浙江大学;2002年
8 张海哲;多模态医学图像配准方法的研究[D];河北工业大学;2004年
9 王晶;视音频信息融合算法研究[D];太原理工大学;2011年
10 刘建武;基于PC的脑肿瘤多模态医学图像可视化系统的研究[D];浙江大学;2002年
中国重要报纸全文数据库 前10条
1 浙江大学教授 胡晓云 本报记者 孙鲁威;坚持多模态产业模式[N];农民日报;2011年
2 记者 刘垠;在分子水平上认识疾病[N];大众科技报;2009年
3 记者 刘正午;贺斌:站在读脑技术前沿[N];医药经济报;2010年
4 本报记者 罗朝淑;多模态神经成像:让大脑病灶无处可逃[N];科技日报;2010年
5 ;空间实验热点播报(之二)[N];中国航天报;2003年
6 傅小兰;人机交互中的情感计算[N];计算机世界;2004年
7 中科院自动化所 陶建华 谭铁牛;让计算机更善解人意[N];计算机世界;2005年
8 记者 顾德伟;F/A—18“大黄蜂” 多用途战斗攻击机[N];新华每日电讯;2003年
9 韩芳;利用遥感优越性监测湿地[N];中国水利报;2007年
10 本报记者 武汉 摄影记者 刘小戎;架一座业界的桥[N];网络世界;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978