论文部分内容阅读
目的基于T1WIs结构像数据,探究基于体素的形态学分析(voxel-based morphometry,VBM)方法和基于表面形态学分析(surface-based morphometry,SBM)方法在正常老龄化中皮质结构变化的应用价值。正常成人的大脑随年龄的增长,大脑灰质体积(gray matter volume,GMV)、大脑皮质层厚度、回指数(gyrification indices,GI)和皮层复杂程度可能会随年龄增长而变化。基于高角度分辨率扩散加权图像(high angular resolution diffusion imaging,HARDI)数据,比较扩散张量成像(diffusion tensor imaging,DTI),广义q空间采样成像(generalized q-sampling imaging,GQI)和扩散连接学(diffusion connectometry)分析技术在正常老龄化中白质纤维束(white matter tracts,WMT)变化的应用价值及其差异。材料和方法本文是基于GE的1.5 T MRI仪器,采集了50名健康志愿者高分辨率T1WIs和HARDI数据,被试的年龄为21-71岁。利用CAT 12软件对T1WI数据进行了VBM和SBM的分析,前者可获取大脑皮质结构的GMV,后者可获取大脑皮层结构的皮层厚度、GI以及皮层复杂程度。采用线性回归的方法分析GMV、皮层厚度、GI以及皮层复杂程度随年龄增长的变化趋势。对于HARDI数据的分析,本研究采用DTI和GQI的重建方法处理该数据,获取WMT的各向异性值(fractional anisotropy,FA),定量各向异性值(quantitative anisotropy,QA),纤维束的长度(fiber length),纤维束的数目(fiber number);采用线性回归的分析方法分析年龄相关的WMT变化。同时运用了q空间微分同构重建(q-space diffeomorphic reconstruction,QSDR)的方法创建一个连接数据库,行扩散连接学分析;用线性回归的方法,年龄和性别作为研究因子,探究随年龄增长连接程度下降的WMT。我们比较了DTI,GQI和扩散连接学分析在反映WMT在衰老过程中的变化的差异。结果VBM分析显示,广泛的大脑结构GMV随年龄增长而下降,主要在额叶、颞叶、顶叶、岛叶,以及皮下的海马、海马旁回、丘脑等结构;少部分在枕叶。SBM分析结果显示,皮层变薄的区域主要在额叶、颞叶、楔前叶、中央前回、中央后回、中央旁回、舌回,且部分区域变薄仅存在于单侧大脑;回指数同年龄呈负相关关系的脑区在岛叶和部分额叶;皮层复杂程度负相关的区域主要在额叶。FA比QA反映了更多与年龄相关的变化区域(17>6,P<0.05)。DTI比GQI探测到了更少的区域纤维数目的变化和更多的区域纤维长度的变化(5<8/10>7regions,P<0.05)。然而,两者也共同揭示了一些区域的变化,包括胼胝体膝部(genu of the corpus callosum,GCC)、胼胝体体部(body of the corpus callosum,BCC)、穹窿(fornix,Fx)和前辐射冠(anterior coronal radiation,ACR)(P<0.05)。扩散连接学分析反映了更多与年龄相关的WMT变化(错误发现率(false discovery rate,FDR)<0.05),部分结果和FA以及QA一致。结论大脑灰质结构的大部分脑区GMV,皮层厚度,GI等指数与年龄呈负相关趋势。VBM和SBM方法可以探测与年龄相关的灰质结构等大脑结构特征参数的变化,有助于早期鉴别正常老化和与年龄相关疾病的变化。GQI和扩散连接学分析可以提供与年龄相关的纤维变化的更多的信息,可以在一定程度上补充DTI技术,更好的分析WMT参数的变化。