孤独症谱系障碍患者脑成像信号的时空间特征分析

来源 :东南大学 | 被引量 : 0次 | 上传用户:gongshurong20090907
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
孤独症谱系障碍(Autism Spectrum Disorder,ASD)会严重损伤患者的社会与认知功能,因此了解其脑机制极为必要。相比于传统的基于问卷和行为观察的研究手段,基于现代神经影像学的研究技术有望为ASD的脑机制研究和诊断提供更为客观的指标。但是,前人的ASD脑机制研究至少具有如下几点局限性:(1)使用的指标重测信度可能较低;(2)没有综合考虑空域与时域信息;(3)现有方法提供的可能是有偏估计;(4)缺乏各种模态信号之间的相互比较。
  针对上述几点局限性,本研究使用检测大脑慢速血液动力学信息的fMRI/fNIRS技术以及测量大脑快速电生理活动的EEG技术研究了三个层面的脑活动时空间特征,即单个节点瞬时活动幅值的时间动力学特征、脑功能网络内部各个节点的空间组织模式以及脑功能网络相互转换的时间动力学特征。
  在探究ASD患者第一个层面脑活动时空间特征(即单个节点瞬时活动幅值的时间动力学特征)时,首先我们考查了用于评估脑区瞬时幅值长程时域相关性的去趋势波动分析(Detrended Fluctuation Analysis,DFA)技术的重测信度(研究一A)。我们发现DFA技术具有中等程度的可靠性。接着,DFA技术被用于考察ASD患者多种模态信号瞬时幅值的时间动力学特征(研究二A、研究三A和研究四A)。对静息态fMRI信号的分析发现,ASD组被试属于默认网络的4个前额叶脑区信号的DFA指数显著低于正常发育(typical developing,TD)组被试。对fNIRS信号的分析发现:(1)ASD组儿童fNIRS信号的DFA指数显著低于TD组儿童;(2)TD组儿童fNIRS信号的DFA指数随着年龄的增长而增长,ASD组儿童fNIRS信号的DFA指数随着年龄的增长而降低;(3)ASD组儿童fNIRS信号的DFA指数与孤独症症状严重程度显著负相关。对静息态EEG信号的分析发现ASD患者默认网络、镜像神经元系统和突显网络相关脑区活动的DFA指数显著更低。上述三种模态信号的分析结果均提示如下结论,即ASD患者的脑活动表现为高度不稳定的、随机的、不规律的特性。
  在探究ASD患者第二个层面脑活动时空间特征(即各个节点的空间组织模式)时,首先我们考查了空间复杂性分析技术的重测信度(研究一B)。我们发现,可提供无偏估计的、基于标准熵的标准化空间复杂性具有较高重测信度且不低于传统的Omega复杂性。接着,标准化空间复杂性被用于考察ASD患者多种模态信号脑区间的空间组织模式(研究二B、研究三B和研究四B)。对静息态fMRI信号的分析发现:(1)与TD组相比,ASD组被试默认网络空间复杂性显著更高,这提示ASD患者默认网络内部信息沟通异常;(2)与TD组相比,ASD组被试前部内侧前额叶皮层在降低默认网络的空间复杂性上的作用显著更低,这可能导致患者不能有效地进行自我相关信息的加工,并进而影响他们的社会认知和交流能力。对fNIRS信号的分析发现:与TD组相比, ASD组儿童双侧前额叶内部的空间复杂性显著更高、双侧前额叶在降低全脑整体空间复杂性上的作用更低,这表明ASD儿童前额叶内部各个区域间信息沟通不畅且前额叶与大脑其余脑区的联系亦存在异常。对静息态EEG信号的分析发现:ASD患者镜像神经元系统相关脑区在降低脑功能网络空间复杂性上的贡献显著更低,而视知觉相关脑区反而更高,这可能导致ASD组儿童不能有效地加工社会认知信息,并表现出特定的视知觉加工优势。上述三种模态信号的分析结果揭示了如下结论,即ASD患者脑区间空间组织模式异常。
  在探究ASD患者第三个层面脑活动时空间特征(即脑功能网络相互转换的时间动力学特征)时,我们对静息态EEG数据进行了微状态分析(研究四C)。该研究发现:ASD患者用更少的时间进行语音和自我心理表征相关信息加工、更频繁地进行视觉加工,且大脑腹侧网络激活异常。
  上述几个研究对脑成像技术重测信度进行了深入考查,并拓展了我们对ASD脑机制的认识。本研究有如下发现:首先,ASD患者的脑活动表现为高度不稳定的、随机的、不规律的特性,且上述异常主要发生在与其症状表现密切相关的脑区。其次,ASD患者症状相关脑区与其他脑区的信息交流效率相对较低、一些在社会信息加工中起重要作用的脑区在ASD患者大脑空间组织中处于较为次要的地位。最后,ASD患者大尺度脑功能网络间相互转换的时间动力学特征异常。
其他文献
情感计算作为人工智能领域的一大热点,引起了研究人员的广泛关注。情感计算中用到的信号一般分为非生理信号(如面部表情、肢体动作、语音等)和生理信号(如脑电信号、心电信号、肌电、心率等)。生理信号具有真实无法伪装的特性,其中脑电信号在研究中比较常用。因为脑电信号可以直接获取大脑皮层的电信号,对于人脑的情感状态反应更直接。本文针对脑电情感识别任务,利用图模型对脑电信号进行建模,关注于脑电信号信息的有效利用
学位
生物检测是疾病诊断、药物分析以及生命科学相关研究必不可少的步骤,在临床诊疗、食品安全和环境监测等领域都发挥着关键的作用。定性或定量的生物靶标检测,可以快速、准确地反映样本情况,有助于及时进行疾病诊疗和质量监控。目前,感染性疾病和心血管疾病严重威胁着人们的健康,针对致病菌等病原微生物以及特定生物标志物进行快速、灵敏的生物检测,是诊断的一个关键步骤。传统检测方法存在耗时长、灵敏度低、样本预处理复杂以及
学位
定量磁化率成像(Quantitative Susceptibility Mapping)技术作为一种新颖的磁共振成像技术,可以从包含了丰富磁化率信息的相位信号中重建出组织磁化率分布图像,并能定量的分析体内铁含量、钙化,血氧饱和度等相关信息,可以为许多疾病提供诊断信息,具有重要的临床应用价值。  磁化率分布图像的重建过程包括场图拟合,相位解卷绕,背景场去除以及偶极核反演这四步。由于偶极核在K空间中与
学位
当今,心血管疾病(Cardiovascular Diseases, CVD)患病率持续快速增长,在导致我国城乡居民死亡的疾病中占比超过40%,而冠状动脉疾病(coronary artery disease, CAD)与其他心血管疾病相比,是造成死亡的最主要原因,因此冠状动脉疾病的早期诊断相关研究需要引起高度重视。冠状动脉数字图像造影(Coronary computed tomography ang
学位
重建算法是显微CT成像的关键和核心。传统解析重建算法效率高,但噪声抑制能力差;迭代重建算法具有良好的噪声抑制作用,但计算量大,收敛慢,时间成本高。因而在实际显微CT成像过程中,很难同时兼顾两种算法的优点,完成高效、高质量的图像重建。深度学习方法提供了解决显微CT成像问题的新视角,但目前常用的深度学习方法大都局限于建立投影域或重建域网络进行图像处理,割裂了二者的有机联系。基于深度学习的重建网络作为替
微生物感染对人类健康的威胁日益严峻,尤其是细菌生物膜相关的感染及生物膜中细菌对药物更强的耐受性已成为当今医学面临的重大挑战。随着纳米医药技术的发展,新型纳米材料在微生物诊断和防治领域取得了很多应用。本文围绕细菌和生物膜相关感染的治疗提出两种新型纳米抗菌材料——基于碳点和聚多巴胺的杀菌剂。论文优化了这两种抗菌剂的制备方法,深入研究了抗菌剂的物理化学性质,并探索了它们在抗菌和抗生物膜方面的应用以及相应
学位
随着人口老龄化程度日益增高,骨质疏松症的患病率逐渐攀升。骨密度值的测量对骨质疏松的前期防治、诊断和治疗都至关重要。和其他骨密度测量方法相比,双能X线骨密度仪具有扫描速度快、测量部位全面、准确度高以及辐射剂量较低的优点,因此使用范围广泛,被称为是骨密度测量的“金标准”。目前常用的双能X线骨密度仪的测量算法仍然存在测量结果不稳定、拟合公式过于复杂等缺点,市场上的双能X线骨密度仪产品也大多来自国外厂商,
多效的转录因子NF-κB在多种细胞内存在,能够特异性结合其顺式调控元件,调控下游靶基因的表达,参与多种重要的生理过程。在炎症和癌症中,NF-κB处于高度活化状态,对促进炎症相关性癌症至关重要。如今,NF-κB已成为疾病治疗的重要靶点,靶向调控 NF-κB 活性且安全高效的抑制剂的研发和应用,对炎症治疗乃至癌症治疗有着重要意义。  本论文基于一种 NF-κB 活性自控型分子 DMP-miR533,结
学位
心电信号(ECG)和心音信号(PCG)的分析研究对评估心脏的储备能力具有重要意义。由于各种引起心脏机械活动能力的问题均可通过ECG和PCG表现,且心血管系统的病变可导致ECG和PCG信号发生变异。因此对ECG和PCG的诊断可以有效检测心血管疾病。为了提高自动化检测算法的准确性和有效性,本研究主要利用深度模型对心衰进行诊断识别、对异常ECG和PCG进行分类识别。  对心衰进行诊断识别。原始数据有两种
学位
胃癌是消化道最常见的肿瘤之一,发病率位列全球第 5 位,死亡率高居恶性肿瘤第 3 位,且多数患者在被确诊时已经处于晚期,预后较差,因此胃癌的早期诊断对攻克该种疾病有着重要意义。外泌体是各类细胞分泌的多样性囊泡样小体,几乎在所有类型的人体体液,包括外周血,唾液,尿液等中均可有效检测。外泌体携带和传递重要的信号分子形成了一种全新的细胞间信息传递系统,能影响细胞的生理状态并与包括胃癌在内的多种疾病密切相
学位