检索历史 清除

摘要人类大脑是现实世界中最复杂的一个信息加工系统之一，它的复杂性不但表现在上亿个神经元及其相互连接的数目，还表现在认知、感觉、思维和行为中体现出各种连接模式的不同。研究人脑网络的构建可以帮助研究者们更好地理解大脑的复杂性。<br>　　阿尔茨海默病（Alzheimer’sDisease，AD）是一种不可治愈的神经退行性疾病，其特征是认知和记忆的持续恶化。轻度认知障碍（MildCognitiveImpairment，MCI）被认为是AD的前驱期。该疾病严重影响了老年人的健康和生活质量。早期诊断并进行早期干预可有效延缓病情进展，减轻疾病对患者造成的痛苦。研究AD脑网络的变化不仅可以帮助人们理解这种疾病，还可以理解大脑中的记忆和认知机制。AD已被广泛认为是一种断开综合征，其中神经病理过程表现为逐渐断开了一个庞大的大脑网络。尽管皮质萎缩明显反映了病理变化，但基于大脑结构形态学特征指标的辨别性能仍不令人满意。且目前通过结构磁共振成像（StructuralMagneticResonanceImaging，sMRI）构建大脑网络用以表征真实的结构连接还存在一系列问题。因此，通过sMRI提出的形态学特征指标构建一种稳定可靠的网络用以表征结构连接性成为辨别AD的有效工具，探索AD病变过程中的结构变化机制是非常必要的。<br>　　近期，皮质形态相似性网络（MorphometricSimilarityNetwork，MSN）提供了一种新的方法，通过个体大脑中T1加权成像、T2加权成像和弥散张量成像衍生形态学指标的区域间相关性来估计结构连接性。MSN已被证明是有效的，可以预测约40%的智商变化，具有生物学意义。在此，本研究旨在通过使用重测信度来探索一种可靠的MSN构建策略，并基于该可靠策略在每个被试的大脑图像上构建个人的MSN。同时，通过最小绝对值收敛和选择算子（LeastAbsoluteShrinkageandSelectionOperator，LASSO）算法优化MSN，使网络的连接组更能表征皮质解剖连接。本研究试图通过优化后的MSN提高基于sMRI的从正常对照受试者（NormalControl，NC）诊断AD和MCI的准确性，建立可靠的成像生物标志物以推进基于个体大脑的自动诊断。并通过MSN来进一步探索AD病变过程潜在的神经机制。本研究中，主要创新工作内容如下：<br>　　（1）针对以往MSN研究中该网络方法缺乏固定且可靠的构建策略的问题，本文对MSN的构建策略进行了探讨。为了能够得到一种稳定可靠的MSN的构建策略，对三种磁共振成像进行预处理，基于三种脑图谱提取多种形态学特征指标用于网络构建策略的研究。本文使用公开的人类连接体项目（HumanConnectomeProject，HCP）的重测sMRI原始数据集，通过不同的形态学特征和不同的脑图谱构建MSN，利用类内相关系数评估单特征指标、网络连接、网络拓扑属性的重测信度。在多重比较下，确定了一种稳定可靠的MSN构建策略。<br>　　（2）针对MSN在AD病理学中的实用性问题，本研究验证了该网络在AD和MCI中的分类性能。基于上述探索出的MSN的构建策略，应用于阿尔茨海默病神经成像倡议（Alzheimer’sDiseaseNeuroimagingInitiative，ADNI）数据库的受试者中。通过支持向量机交叉验证结果来评估分类性能。基于网络的连接和拓扑属性与单特征以及多特征简单组合分类性能的多次比较验证，证明了该网络在AD分类中的实用性。<br>　　（3）本研究提出了基于LASSO算法优化的MSN作为新的神经成像表型。在确定MSN在AD中的实用性后，基于LASSO算法优化MSN。LASSO可以自动过滤掉与预测器不太相关的变量，因此可以描述大脑连接模式的本质，通过该优化过程保留脑区连接的有效信息，排除无关的干扰信息。再次通过支持向量机验证优化的有效性，并基于该结果发现AD和MCI潜在的神经机制以及皮质间的变化模式。<br>　　本研究中，最终在区分AD和MCI患者与正常对照组的准确率分别达到了98.33%和95.52%。最终的结果证明了LASSO优化后MSN作为诊断AD和MCI的可靠生物标志物的有效性，并使用该网络发现了新的与AD病理学相关的结构变化，对辅助诊断该疾病提供了一定的应用价值。