基于神经心理评估和MRI的颞叶癫痫分类研究

来源 :深圳大学 | 被引量 : 0次 | 上传用户:chaska
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
颞叶癫痫(Temporal lobe epilepsy,TLE)是临床最常见的难治性癫痫类型,占成年人癫痫的50%以上。难治性癫痫患者一般需要考虑手术治疗。手术治疗的关键是术前综合评估以精确定位致痫灶和功能表达区,进而切除致痫灶并保护功能区。临床上TLE诊断和致痫灶定位需要结合多种模态综合评估得出结论。神经心理评估和结构磁共振(Magnetic resonance imaging,MRI)扫描是目前TLE诊断常用的检查手段。然而目前神经心理评估及医学图像检测主要依赖医师人工解读,流程复杂、耗时费力、主观性较强。本研究拟基于神经心理评估和MRI影像,同时运用机器学习算法对TLE进行分类,并利用MRI影像信息对认知损伤机制进行探讨和解释,以辅助医生进行术前评估,降低医生的工作负担;提高TLE分类的准确率,提升手术治疗的效果,改善患者术后生活质量。本研究收集了42例癫痫患者,包括TLE患者23例(33.4±2.2岁),非颞叶癫痫(Extratemporal lobe epilepsy,extraTLE)患者19例(31.4±2.0岁)。所有患者在术前都进行了神经心理评估测试和MRI扫描。首先,基于神经心理评估特征和机器学习的方法对TLE进行分类,并甄选对TLE分类具有重要意义的神经心理评估特征。其次,分析TLE组和extraTLE组的脑结构差异,找出与神经心理评估相关的脑区,分析认知行为学改变的影像学机制。最后,结合MRI与神经心理评估特征,并运用机器学习的方法探讨两者结合是否可以提高TLE分类的准确率。研究发现,(1)以神经心理评估为特征,并用支持向量机(Support vector machine,SVM)对TLE进行分类的准确率为75.5%,预测模型的受试者工作特性曲线(Receiver operating characteristic,ROC)的曲线下面积(Area under the ROC curve,AUC)为0.81;用逻辑斯蒂回归对TLE进行分类的准确率为81.0%,AUC为0.79;用随机森林对TLE进行分类的准确率为80.3%,AUC为0.84。使用这三种分类模型对TLE进行分类的结果差异不具有统计学意义。(2)13个心理评估特征是TLE分类相对重要的预测标志,包括:韦克斯勒成人智力测验量表(Wechsler Adult Intelligence Scale)中的算术测试、数字广度和数字符号,抽象图形学习记忆测试中的即时回忆、延迟回忆、最大容量测试,左右肢体定向测试,选择性注意测试中的数字正确率、流畅性测试中的偏旁部首测试、词语分类测试,Stroop测试中的单字、单色和双色测试等。(3)在TLE组和extraTLE组的脑结构差异分析时,发现两组的海马旁回、梭状回两个脑区的灰质体积有差异。而在以皮层厚度、沟回深度、平均曲率为特征分析两组的脑结构差异时,发现皮质差异是广泛而分散的,分布于颞叶、额叶、顶叶等脑叶中。(4)研究患者认知损伤差异与脑结构异常关系时,发现了两组患者记忆功能测试的差异与左侧楔前叶、颞上回后部的变化有关;工作记忆测试和执行功能测试的差异与顶叶、额叶、颞叶等脑叶中部分脑区有关;而感知觉和视空间能力的差异与左侧颞上回的结构差异有关。(5)结合MRI影像特征与神经心理评估特征,并运用机器学习方法进行TLE分类,发现在以神经心理评估和脑区灰质体积值为特征时的准确率为79.6%85.7%,AUC为0.820.88,均优于仅以神经心理评估为特征时的分类效果。综上所述,结合神经心理评估和神经影像,并运用机器学习的方法对TLE进行分类,可以取得较好的分类结果。同时,结合神经影像信息,可以在一定程度上解释认知行为学改变的机制,更好地辅助医生进行TLE的术前评估。
其他文献
阿尔茨海默病(Alzheimer’s Disease,AD)是一种渐进发展的常在中老年人群中产生的神经退行性疾病。该疾病往往随着认知能力,包括日常活动、决策能力逐渐丧失,同时也有可能会出现行动不便、失语、失用、失认等社会生活能力的衰退,一旦患者确诊为AD,那么将无法治愈。目前,临床上AD诊断主要是医生通过患者的神经影像(如磁共振成像)和多种量表评分(如简易精神状态检查量表、阿尔茨海默病症评估认知分
理解大脑如何分配神经资源对于提高人类行为表现十分重要,如何构成最优处理的神经特征仍然是一个有争议的话题。一个主要的模型是神经效率模型,该模型提出性能的提高应与减少的激活相关联,以反映底层神经回路的效率提高(即执行任务所消耗的能量更少)。成人神经影像学研究表明专项技能训练对大脑神经效率具有积极的影响,目前还没有神经影像学研究对学龄前儿童的神经加工过程进行考查。本研究以双语儿童为例,利用功能性近红外光
自动驾驶技术已经应用于智能汽车、公共交通、快递用车、工业应用等领域,其主要发展方向包括:复杂低速行驶环境(如矿山、建筑工地等)下的辅助驾驶技术和高速行驶速度下的车辆自主驾驶技术。其中,低速自动驾驶车辆具备的轨迹复杂且曲率变化大、运动学特性简单等特点以及高速自动驾驶车辆具备的不确定性、非线性和时变特性等特点,导致车辆动力学的非线性特性显著增强,对系统建模及其算法的自适应和鲁棒性要求进一步提高。自动驾
阿尔茨海默病的早期阶段(即轻度认知障碍)的检测非常重要,因为它可以延缓或阻止其进展为阿尔茨海默病。从医学影像数据推断出的大脑连接网络已普遍用于从正常对照识别轻度认知障碍患者。然而,现有方法大多仍然受到性能的限制,并且这些方法主要是通过仅使用单一模态数据进行分类来开发的。事实上,已经证明多模态数据可以从不同方面反应大脑信息,提供互补信息更有利于疾病的诊断和分类。同时,由于结构和功能脑网络从不同脑连接
核磁共振成像(Magnetic Resonance Imaging,MRI)技术是颅脑常规检查中的必要技术,医生根据经验分析患者MR脑图像进行疾病筛查与诊断。高效率、高准确率的辅助诊断技术给疾病诊断环节带来极大的便利,不仅能够大幅度提升医生的诊断效率,而且对脑肿瘤患者的治愈率和存活率有着重大意义。医学脑肿瘤图像中肿瘤区域与正常区域存在灰度分布差异,表现为图像出现灰度畸变,纹理细节缺失或扭曲等现象,
近年来,脑疾病是造成全球人口死亡的主要原因之一。神经影像在临床诊断与脑疾病分析中起到了越来越重要的作用。然而,神经影像数据维度过高导致临床医生往往需要花费大量时间来进行阅片。因此,通过计算机辅助诊断的方式协助医生进行分析与诊断十分必要。目前已有一些自动诊断方法运用到脑疾病的分析与自动诊断上,且能有效地对神经影像进行分析且对疾病做出诊断,但这些方法大多关注于使用传统机器学习或者神经卷积网络的方法。然
自闭症谱系障碍(ASD)是一组广泛性发展障碍且没有有效的诊疗方法。对ASD的建模研究,有助于医生了解该疾病的病理机制并做出正确的决策,从而对疾病进行有效干预,提高患者生活水平。静息态功能磁共振成像(rs-f MRI)由于其无创性且相对较高的时空分辨率,目前被广泛地用于ASD的病理机制研究。基于神经影像的机器学习方法为ASD的研究提供了有效的途径,但现有研究存在诸多局限性,如模型没有考虑到脑网络的先
主观认知下降(Subjective Cognitive Decline,SCD)发生在轻度认知障碍(Mild Cognitive Impairment,MCI)之前,是阿尔茨海默症(Alzheimer’s Disease,AD)病程发展的一个初始阶段。确定SCD的神经生物标记物对于MCI和AD的早期诊断和预防具有重要意义。脑影像技术,特别是多模态磁共振影像(Magnetic Resonance I
疼痛是一种真实或潜在组织损伤相关的令人不愉快的主观感受,目前自我报告是临床实践疼痛评估的金标准。然而自我报告可靠性较低,而且某些人群(例如意识障碍患者和婴儿)无法进行疼痛的自我评估,这会导致对疼痛的治疗不足或欠佳。因此,基于生理信号的客观疼痛评估方法在临床上十分必要。疼痛会诱发一系列脑电成分,且这些脑电成分的幅度和疼痛强度相关性很强,因此基于疼痛诱发脑电的疼痛评估近年来引起越来越多的关注。然而,传
近几年巡检机器人在各行业内被广泛应用,甚至频频出现在一线大众视野,可见其发展之迅猛。电力行业是最早开始规模化落地使用巡检机器人的领域,目前已经改变了一部分变电站的巡检流程和管理模式。电力巡检机器人通过搭载高清可见光摄像机、红外热成像仪、拾音器等传感器对电力设备进行故障检查、仪表数据记录、异常状态报警等工作,准确度和效率远高于人工巡检。现有的电力巡检机器人底盘形式多为双轮差速型和四轮前置转向型,灵活