脑网络社团连接在轻度认知障碍分类中的应用

轻度认知障碍(mild cognitive impairment,MCI)发展成为阿尔茨海默病(alzheimer’s disease,AD)的概率极高,因此对于MCI的早诊尤为重要。本研究首次选取模块桥梁连接数作为分类特征,精确直观地反映出各功能脑区连接的异常损失。首先利用"堆结构"的贪婪算法模块化MCI和正常人(normal control,NC)的静息态功能脑网络,之后根据连接介数中心性去除网络中冗余功能连接,选取模块间与模块内桥梁连接数作为分类特征。该研究利用支持向量机对NC和MCI进行识别,平均分类正确率达92.89%,且统计分析显示两组被试在模块内及模块间的桥梁连接数有明显差异,其中默认网络、边缘系统的差异最为显著,这与先前研究基本一致。     

基于支持张量机算法和3D脑白质图像的阿尔兹海默症诊断

结构磁共振成像(s MRI)本质上具有三维张量结构,而传统的向量空间机器学习方法将其展开成向量进行建模,这破坏了数据的内在结构信息的完整性,降低了机器学习性能。为了克服数据向量化的弊端,提出了一种基于支持张量机(Support tensor machine,STM)的以3D T1加权MR脑白质图像为输入的阿尔兹海默症诊断算法。首先用SPM8软件将采集的MRI数据进行预处理,分割为灰质、白质、脑脊液3部分,提取脑白质各体素的灰度值构建三阶灰度张量,然后用递归特征消除(Recursive Feature Elimination,RFE)法结合支持张量机进行特征选择,最后用支持张量机进行分类。在阿尔兹海默症患者(AD),轻度认知障碍患者(MCI)(包括转化为AD的MCI-C和未转化的MCI-NC)以及正常对照(NC)4组人群中进行实验测试,并用10折交叉验证方法获得验证结果。用ROC曲线下面积AUC、分类准确率、敏感性、特异性这4个指标评价分类器的性能,AD vs NC组分别达到99.1%、97.14%、95.71%、98.57%;AD vs MCI组分别达到88.29%、84.07%、78.57%、91.07%;MCI vs NC组分别达到89.18%、87.91%、93.75%、78.57%;MCI-C vs MCI-NC组分别达到87.5%、82.08%、80.36%、82.14%。算法保持了原始图像的张量结构,提高了分类器的性能,实验结果表明此算法是一种有效的阿尔兹海默症诊断方法。     

基于可分性距离判据和脑MR图像的AD症脑部年龄检测

阿尔茨海默病(AD)症不同状态所对应的脑部年龄与实际年龄存在偏差,为了准确预测该偏差得到脑部年龄,在现有基于脑磁共振(MR)图像年龄检测方法的基础上,提出了一种新的脑部年龄检测算法.首先,设定偏差搜索范围;然后,基于可分性距离判据设计了适应度函数,利用偏差和支持向量回归机(SVR)获得样本年龄估计值,并计算出其适应度值;接着,通过最大化适应度值获取偏差的最优估计,从而获得更有利于AD症分类的脑部年龄.与现有的年龄检测方法相比,对于正常对照组(NC)与AD患者、NC与轻度认知障碍患者(MCI)以及MCI与AD患者3种分类情况,所提方法的可分度值分别提高了0.178,0.033,0.017.因此,所提方法检测的年龄具有更好的可分性,更有利于提高AD症的分类准确率.     

轻度认知障碍患者脑皮层多特征分析与分类

揭示稳定型轻度认知障碍患者、转化型轻度认知障碍患者与健康正常人之间的脑结构及其形态变化差异,以区分3组人群.首先,选择73例健康正常人、46例稳定型MCI患者和40例转化型MCI患者,采集基线期以及1年和2年时间节点的脑结构磁共振图像;然后,应用Freesurfer软件计算皮层厚度、灰质体积、表面积和平均曲率等脑皮层形态结构特征,并分别利用T检验方法、稀疏约束降维法和递归特征消去法,选择重要特征;最后,利用线性支持向量机对3组人群进行分类,分析具有强分类能力的重要脑区及其分布.结果表明,递归特征消去法的分类性能最优,稀疏约束降维法次之,T检验最差;4种皮层特征融合,尤其是基线与纵向变化特征融合,可显著提高分类性能.脑皮层结构特征及其随时间的变化信息,能被有效地应用于稳定型和转化型MCI患者的自动分类.     

基于多模态MRI的AD分类模型

利用多模态磁共振成像数据,构建静息态功能网络,提取了网络属性及结构像中萎缩灰质的灰质体积作为分类特征,训练SVM分类器。实验结果表明,利用结构和功能组合特征,可以区分MCI与正常对照(准确率91.7%),AD与正常对照(准确率100%),AD与MCI(准确率87.8%),有效提高了两类疾病的分类正确率。结果说明提出的分类模型是一种较好的辅助诊断模型。     

轻度认知功能障碍11C-PIB PET连续动态显像结果分析

 为探讨轻度认知功能障碍（MCI）患者碳-11标记的匹兹堡化合物B（11C-PIB）正电子放射断层摄影术（PET）显像的特点,评价MCI患者11C-PIB PET脑显像的临床价值,严格筛选3组受试者：MCI患者8例,阿尔茨海默病（AD）对照组6例,健康对照（HC）组7例。每位受试者均采用连续动态采集程序采集脑PET图像。通过视觉分析各组受试者的图像,总结成像特点。采用感兴趣区域（ROI）方法划取大脑皮层各叶和皮层下核团,得出各个脑区不同时间点的标准吸收值（SUV）,根据SUV绘出时间-放射性曲线。并选取45min时间点的SUV,计算出45min时各脑区与小脑的SUV比值并进行统计分析。结果发现,MCI组中一部分受试者PET图像特点与HC组相似;脑内放射性清除较快,而另外一部分受试者的脑内放射性清除则较慢。将MCI按照显像结果分为AD类似组及HC类似组进行分析后发现,AD类似组与AD组之间的清除率及脑区/小脑比值相比差异无统计学意义,而AD类似组与HC组之间的结果比较类似于AD组与HC组的比较结果。HC类似组与HC组之间的清除率及脑区/小脑比值相比差异无统计学意义,而HC类似组与AD组之间的结果比较则类似于HC组与AD组的比较结果。11C-PIB PET脑显像在不同MCI患者脑内的显像特点不同,因而有可能成为判断MCI预后的一种方法。     

颞叶癫痫病患者的脑皮层多特征分类

为了自动识别左、右侧颞叶癫痫病患者,提出了一种基于脑皮层结构特征的分类方法.采集了21例左侧TLE患者(LTLE)、18例右侧TLE患者(RTLE)与28例健康正常人(NC)的脑结构磁共振图像,提取与分析其脑皮层形态结构特征.为了降低特征维数,利用递归特征消除法获取对分类有效的主要特征.然后,采用支持向量机对3组人群进行分类.结果表明,大脑皮层表面积为最佳分类特征,灰质体积也具有突出的分类能力,皮层厚度识别不同侧TLE的能力稍差,平均曲率对右侧TLE与健康人群的区分能力相对较弱.对分类有重要影响的脑区主要分布于颞叶、额叶与顶叶,尤其是大脑左侧脑区.由此证明利用脑皮层特征可以有效地区分不同侧TLE患者和健康正常人,TLE患者的左脑更易受损.研究结果有助于理解TLE患者的病理机制与进展规律、确定病灶位置及实现自动诊断.     

基于格兰杰因果分析的MCI脑网络分类研究

使用静息态fMRI脑数据,构建了基于格兰杰因果分析的有向功能脑网络,对正常对照组和轻度认知障碍的早期和晚期进行识别。在特征选择部分,有向脑网络的局部属性和全局属性被施以双样本t检验,三组间具有显著差异的属性被选作分类特征;接着,支持向量机算法被应用于后续的分类。最后,运用单因素方差分析探测三组间两两均具有显著差异的脑区信息。实验结果表明,本研究取得了较好的分类效果,颞中回、楔前叶、海马旁回等许多脑区在3个考察组中均体现出了显著性差异,这与已有研究的结果基本一致。     

经颅交流电刺激对阿尔兹海默病小鼠双侧海马有效连接的干预研究

通过格兰杰因果方法，对Y迷宫任务中双侧海马间的有效连接进行分析，从相连脑区的角度，研究经颅交流电刺激(tACS)干预阿尔兹海默症(AD)的神经机制。记录正常对照组、AD组、tACS组和假刺激组小鼠执行任务时的行为表现和海马左、右侧场电位，计算各组的功率谱密度和格兰杰因果值(GC)。研究发现：AD组行为训练的正确率低于正常对照组，tACS可以提高其正确率。在θ和γ频段上，AD组的功率谱密度显著低于正常对照组(P<0.01),tACS组接近正常对照组水平。在θ频段上，tACS增加了AD小鼠海马左侧到右侧和右侧到左侧异常的GC值(从0.111±0.002;0.109±0.003到0.377±0.017;0.185±0.005),和正常对照组接近；在γ频段上，tACS降低了AD小鼠海马左侧到右侧和右侧到左侧异常的GC值(从0.145±0.002;0.127±0.003到0.074±0.001;0.082±0.002),和正常对照组接近。双侧海马间有效连接的异常可能是AD小鼠记忆功能下降的原因，tACS可以改善海马间的异常连接且恢复海马处场电位的功率谱密度。     

大鼠海马、额叶rCBF异常对学习记忆功能及脑组织生化指标的影响

目的:研究SD大鼠海马、额叶局部脑血流(rCBF)降低对学习记忆功能及γ-氨基丁酸(GABA)、乙酰胆碱酯酶(AchE)含量生化指标的影响及意义。方法:将健康成年SD大鼠随机分为手术组和假手术组。对2组大鼠进行学习记忆能力、右侧海马与额叶的rCBF、右侧海马与额叶的GABA、AchE含量的测定。结果:手术组大鼠的学习指标EN、达标所需日数、TRT(s)分别为52.09±8.43、0.56±0.12、14.42±0.51,明显大于假手术组(29.46±5.31、0.34±0.05、12.23±0.39),而主动回避率(%)63.57±6.13,明显低于假手术组(84.32±4.87),两组差异均具有显著性(P<0.05)。手术组大鼠右侧额叶、海马区术后4h、8h、24h、3d时的rCBF明显低于假手术组相应脑区同一时点的rCBF(P<0.05)。手术组大鼠手术后不同时间额叶、海马区AchE、GABA含量则较对照组显著升高(P<0.05)。结论:大鼠右侧额叶、右侧海马的rCBF rCBF的降低可能是导致其学习记忆能力障碍的重要危险因素;大鼠额叶、海马rCBF的降低所致该脑区GABA、AchE含量的变化,可能是大鼠学习记忆功能降低的生化基础。     

基于正则化逻辑回归的阿尔茨海默病早期诊断模型

提出了一种基于L_2正则化逻辑回归(LR)的阿尔茨海默病(AD)诊断算法.在该模型中使用了L_2范数对LR进行正则化处理,正则化参数通过十倍交叉验证来选择,同时使用了独立成分分析对预处理后的数据进行降维处理,最后使用了牛顿算法来求出模型的最优权值.通过这一算法可以有效分辨出AD及其早期阶段轻度认知障碍(MCI).实验在AD vs.CN,MCI vs.CN和LMCI vs.EMCI 3组分类任务中获得的分类准确率分别为95.22%,81.22%和74.35%.实验结果证明其为一种有效的诊断算法.     

阿尔兹海默病患者海马表面形态学特征提取

通过海马表面形态学来研究阿尔兹海默病患者海马表面的萎缩形态特征.首先,对57名阿尔兹海默病患者在基线和第12个月两个时间点的结构磁共振影像进行预处理,分割出海马体.接着,计算海马表面两个时间点的贝尔特拉米指标.最后,用独立成分分析提取海马表面贝尔特拉米指标的局部特征.实现了阿尔兹海默病患者海马表面的形态学特征提取,并用于分类.贝尔特拉米指标的可视化结果表明,贝尔特拉米指标能够检测阿尔兹海默病患者海马表面的萎缩.     

利用三维脑核磁共振图像与RBF核支持向量机检测人脑轻度认知障碍

为了及早检测轻度认知障碍(Mild Cognitive Impairment,MCI),降低阿尔茨海默病的患病率,文章提出一种基于径向基神经网络及核支持向量机(Radial Basis Function-kernel Support Vector Machine,RBF-kSVM)的MCI检测系统,该系统首先读取三维磁共振脑图像并预处理,然后通过主成分分析(Principal Component Analysis,PCA)降低特征维数,采用RBF核支持向量机作为分类模型,RBF的参数通过优化选择。实验数据采用OASIS公共数据库,选择50例正常对照组(Normal Control,NC)与50例MCI患者。十折交叉验证结果显示文中所提出方法的敏感度为84%、特异度为78%、准确度为81%,优于前向神经网络、决策树、支持向量机、齐次与非齐次核支持向量机方法。文中构建的RBF核支持向量机有效,可用于MCI检测。     

深度神经网络在阿尔兹海默病预测中的应用分析（英文）

综述了深度神经网络方法在阿尔兹海默病分类和预测中的应用.首先,描述了深度神经网络方法在阿尔兹海默病分类和预测中的优势.其次,介绍了深度神经网络方法在阿尔兹海默病分类和预测中的具体应用,重点介绍了文献中使用的深度神经网络模型、数据类型、研究人群和特征类型等,并比较它们在AD/MCI分类中的表现.最后,预测了该领域未来的发展趋势和挑战.     

基于磁共振影像特征集成融合的AD诊断

为了得到更高更稳定的阿尔茨海默病(AD)诊断准确率,对脑磁共振影像纹理特征进行了集成融合,并用于AD分类诊断.首先,基于病理知识提取脑磁共振影像中左右脑相关解剖结构的体积、纹理特征;然后,采用链式智能体遗传算法与支持向量机相结合的封装式特征选择分类集成模型,对提取的特征集进行特征选择,从而实现融合;最后,利用融合后的特征进行分类诊断,并将融合后的分类结果与融合前以及采用p值法特征选择的分类结果进行对比.实验结果表明,相比融合前的特征以及采用p值法进行选择的特征,利用所提算法融合后的特征具有更高且更稳定的分类准确率、灵敏度和特异度.     

糖尿病人群自然步态下足底压力分布研究

为研究糖尿病和足病患者足底压力变化的特征和差异,采用鞋垫式足底压力检测系统测量了自然步态下糖尿病非足病患者(DM,n=83)和糖尿病足病患者(DF,n=32)的足底压力.分析发现,与健康对照组(NC,n=55)相比,DM、DF组的冲量百分比和峰值压力主要在第二至第五跖骨区(M2—M5)有所升高,多数足区增幅分别在50%～80%和60%～100%之间,明显向前足跖骨区转移;DF组在足跟中部(HC)、足跟外侧(HL)的冲量百分比降幅为15%～30%.与DM组相比,DF组冲量百分比和峰值压力在中足区(MF)均有所升高.对于包络压力中心点95%椭圆置信面积,NC组DM组DF组.研究糖尿病人群足底压力特征,有助于加强对糖尿病足的临床预防和鞋垫设计.     

遗忘型轻度认知障碍的CT表现及临床研讨

目的对遗忘型轻度认知障碍的CT表现及临床演变进行了研究。方法从我院2011年12月-2014年6月收治的a MCI病例选取45人,筛选认知检查、同期记忆都无异常的54-76岁健康人群38人为健康对照组,全部自愿配合检查和量表评估。采用中国医学科学院心理研究所许淑莲主编的临床记忆量表。运用CT检测外侧裂宽度、海马回钩间距、额角指数及颞角宽度。以海马回钩间距/大脑横径的比值计算出海马指数。分析CT用于遗忘型轻度认知障碍和正常组之间的灵敏性和特异性。结果:遗忘型轻度认知障碍患者45例和健康者38人全部进入结果分析。a MCI病例组记忆等值量表评分结果及记忆商低于健康对照组(p0.01)。脑CT的结果如下,a MCI病例组海马指数和外侧裂宽度均高于健康对照组(p0.05)。结论遗忘型轻度认知障碍患者脑CT变化,为临床诊治提供了客观的指标,并实现对MCI老年患者的早期筛查,早期预防,为a MCI的一级预防提供有益的信息。     

基于智能影像基因组学技术的阿尔茨海默病预测进展

 阿尔茨海默病（AD）起病隐匿，目前尚无有效控制病情进展以及治疗的药物或方法。在其发病轻度认知功能障碍阶段早期预测进行干预，则能有效控制其病程。从基于脑影像组学特征的AD早期临床诊断、基于人工智能影像组学技术的AD早期预测两个方面综述了AD的早期诊断与预测研究进展，提出结合多模脑核磁共振影像特征和组学特征，在深度学习的框架下，将影像学和基因组学联系在一起，构造高分类与预测性能的深度学习模型，可为AD早期筛查并干预提供支持。     

系统性红斑狼疮患者外周血IL-6的表达及临床意义

目的:通过检测系统性红斑狼疮(SLE)患者外周血IL-6的变化,探讨其在SLE的发病、发展中的作用.方法:选取30例SLE患者,并记录所有SLE患者SLEDAI评分.另选取与SLE组年龄、性别匹配的健康对照组(NC组)29例.运用酶联免疫法(ELISA)试剂盒检测所有研究对象外周血IL-6水平.结果:SLE组与NC组外周血IL-6分别为(9.636±3.852)pg/m L和(4.433±1.143)pg/m L,两组比较有统计学意义(P0.05),SLE患者外周血IL-6与SLE患者SLEDAI数值相关分析中r值为0.671,P0.05.外周血IL-6浓度≥5.865 pg/m L,对SLE诊断的敏感性为86.7%,特异性为86.2%.结论:SLE患者外周血IL-6浓度不仅与SLE的发病有关,其可能还影响SLE病情的发展,可用于指导临床治疗.     

女性阿尔茨海默病患者静息态功能磁共振图像FC分析

利用静息态功能磁共振对阿尔茨海默病(Alzheimer disease,AD)患者发病机制和病理过程的研究结果表明AD患者脑功能的改变早于脑结构的改变,女性患病率是男性的2倍.针对不同年龄段女性患者静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI),基于SPM(statistical parametric mapping,SPM)对图像进行时间上的时间层校正以消除时间差;空间上的头动校正、归一化、平滑等操作降低个体间差异.采用独立分量分析(independent component analysis,ICA)及聚类等方法进行盲源分离和稳定性分析,通过统计检验及组间对比研究女性患者各脑区之间的连接关系及其强弱,进而判断功能连接(functional connectivity,FC)差异,为女性AD患者临床前期诊断提供参考.