腦部形態(tài)改變在神經(jīng)系統(tǒng)疾病中起著重要作用,這使我們有望更好的理解不同腦部疾病形成以及老化的原因。各種自動化軟件程序旨在提供一個自動框架來檢測結構性磁共振成像(MRI)數(shù)據(jù)中的腦部形態(tài)變化。基于像素的形態(tài)學分析算法(VBM)作為一種先進的神經(jīng)影像技術,可用來檢測腦部形態(tài)異常。本論文利用VBM探討正常老化和癲癇病的腦部形態(tài)改變及異常。正常衰老與許多大腦區(qū)域的結構變化以及伴隨著年齡增長的認知功能下降有關。先進的神經(jīng)影像技術可以對結構改變進行探索性分析,這些結構改變可以用來評估與年齡相關的變化。本文使用雙因素方差分析來調查年齡和性別對大腦容積的影響。我們使用Pearson相關性來研究年輕和老年群體中由于年齡導致的全腦容積改變。在區(qū)域層面,我們使用了靈活因子統(tǒng)計檢驗比較來自IXI-數(shù)據(jù)集的四組健康成年人的灰質(GM)和白質(WM)體積改變的平均值,包括老年女性(OF),老年男性(OM),年輕女性(YF)和年輕男性(YM)。此外,本文還針對阿爾茨海默病進行了分類識別研究。實驗數(shù)據(jù)來自ADNI數(shù)據(jù)庫結構MRI,重點對特征提取和特征選擇進行了研究。本文利用VBM進行了病人和正常人的比較,將局部灰質體積異常(萎縮)區(qū)域作為感興趣區(qū)�；谏鲜龈信d趣區(qū),將體素灰度值向量作為原始圖像特征。將上述原始圖像特征用統(tǒng)計獨立(statistical dependency,SD),互信息(mutual information,MI),信息增益(information gain,IG),皮爾遜相關(Pearson’s correlation coefficient,PCC),T檢驗(t-test score,TS),Fisher判別(Fisher’s criterion,FC),以及Gini檢索(Gini index,GI)進行了提取選擇,然后用支持向量機方法進行了實驗數(shù)據(jù)的分類識別。結果表明本文方法相比state-of-the-art方法對AD疾病分類效果更優(yōu).癲癇是一種常見的神經(jīng)系統(tǒng)疾病。全球已有超過5000萬患者,而25%使用抗癲癇藥物療效不佳。我們已廣泛研究了顳葉癲癇(TLE)中灰質(GM)和白質(WM)異常的呈現(xiàn)和分布。然而,癲癇發(fā)作時TLE與海馬硬化(HS)高度相關。本文分別探討了有和沒有HS的TLE患者中的GM和WM異常。我們在VBM分析算法中進行了靈活因子統(tǒng)計檢驗,以鑒別顯著的GM和WM異常,并且使用FreeSurfer程序分析海馬和杏仁核區(qū)域的差異。本文針對健康對照(HC),右顳葉癲癇(TLE)患者伴隨海馬硬化(HS)(RTLEHS),右側TLE患者無HS(RTLE-no),左TLE患者有HS(LTLE-HS),左TLE患者無HS(TLE-no)進行了數(shù)據(jù)分析,數(shù)據(jù)來自日本東京國立神經(jīng)病學和精神病醫(yī)院中心。本文還進行多元回歸分析來評估區(qū)域性GM和WM隨病程的變化。此外,我們使用新版本的統(tǒng)計參數(shù)繪圖軟件(SPM12)計算解剖工具箱(CAT12),與使用較舊的軟件SPM8中的VBM8工具箱,對伴有HS和無HS的TLE患者,以及正常對照被試進行了實驗結果的比較。CAT12和VBM8工具箱目前廣泛用于各種腦部疾病的VBM分析。關于老齡化研究,本文觀察了到年輕人群和老年人群在性別方面,全面和局部的GM和WM改變模式。在全局層面,我們觀察到年齡和性別對全腦容量有顯著影響。在局部層面,與年輕受試者相比,年齡較大的受試者表現(xiàn)出額葉,島葉和扣帶皮層區(qū)域體積的普遍下降。與年輕受試者相比,老年受試者在丘腦中部和枕部區(qū)域顯示出廣泛性WM下降,這在丘腦放射線中顯著。關于癲癇研究,VBM分析表明,與使用VBM8相比,使用CAT12工具箱的VBM分析可以識別TLE患者的腦部形態(tài)異常,這與TLE的文獻和病理學知識更加一致。原因可能是由于SPM12提供的標準化和分段方法與舊版SPM8相比有所改進。我們的研究結果進一步表明,使用CAT12的VBM分析比VBM8工具箱對體積變化的魯棒性和準確性更高。此外,通過CAT12進行VBM分析,我們觀察到,與健康對照組相比,患有HS的TLE患者的同側顳中期GM和WM體積顯著減少。我們還觀察到,在沒有HS的右側TLE患者中出現(xiàn)輕微的GM杏仁核腫脹�；貧w分析顯示,伴隨HS的左側TLE患者,GM和WM隨著疾病持續(xù)時間的變化相對顯著。這些觀察到的腦容量差異和變化的知識可能有助于我們理解與年齡有關的腦萎縮以及癲癇機制的根源。
【學位單位】：北京工業(yè)大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：R742.1;R445.2
【文章目錄】：
摘要
Abstract
Chapter 1 Introduction
    1.1 Brain disorders
    1.2 Aging
    1.3 Epilepsy and Epileptic seizure
        1.3.1 Temporal Lobe Epilepsy
        1.3.2 Hippocampal Sclerosis
    1.4 Neuroanatomy
    1.5 Neuroimaging
        1.5.1 Magnetic Resonance Imaging （MRI）
        1.5.2 Neuroimaging biomarkers for epilepsy
        1.5.3 Neuroimaging biomarkers for Alzheimer
    1.6 Dissertation objectives
    1.7 Main contribution and innovation points
    1.8 Thesis overview
Chapter 2 Background: Voxel Based Morphometry analysis
    2.1 Introduction
    2.2 Methodology
        2.2.1 Pre-processing
        2.2.2 Voxel-Based Morphometry
    2.3 SVM classifier
    2.4 Application of VBM
Chapter 3 Age-related Gray and white Matter Changes in Normal Adults Brains
    3.1 Introduction
    3.2 Materials
        3.2.1 Subjects and Image acquisition
        3.2.2 Methodology
        3.2.3 Statistical analysis
    3.3 Results
        3.3.1 Analysis of global differences in brain volume
            3.3.1.1 The influence of age and gender on global brain volumes
            3.3.1.2 The correlation between the global brain tissue volume changes and age
        3.3.2 Analysis of regional differences in brain volume
            3.3.2.1 Gray matter regional differences
            3.3.2.2 White matter regional differences
    3.4 Discussion
        3.4.1 Gray matter differences
        3.4.2 White matter differences
    3.5 Conclusion
Chapter 4 Structural MRI-Based Detection of Alzheimer's Disease using Feature Ranking and Classification Error
    4.1 Introduction
    4.2 Materials
        4.2.1 MRI acquisition
    4.3 CAD classification system
        4.3.1 MRI data preprocessing
        4.3.2 Feature extraction
        4.3.3 Feature selection
            4.3.3.1 Feature ranking
            4.3.3.2 Classification error
                4.3.3.2.1 Resubstitution error
                4.3.3.2.2 Cross-validation error estimator
            4.3.3.3 Optimal number of features based on the classification error
        4.3.4 Data fusion among different feature ranking methods
    4.4 Experimental results and discussion
        4.4.1 VBM of GM analysis in AD versus HC
        4.4.2 Performance of raw feature vectors
        4.4.3 Performance of the proposed feature-selection method using feature ranking and classification error
        4.4.4 Performnce of proposed data fusion among different feature ranking methods
    4.5 Discussion
    4.6 Performance comparison to other methods
    4.7 Conclusion
Chapter 5 Comparing CAT12 and VBM8 for Detecting Brain Morphological Abnormalities in Temporal Lobe epilepsy
    5.1 Introduction
    5.2 Experimental Procedures
        5.2.1 Data collection
        5.2.2 Methods and statistical analysis
    5.3 Results
        5.3.1 VBM analyses of the gray matter
        5.3.2 The VBM analyses of the white matter （WM）
    5.4 Discussion
        5.4.1 GM alterations
        5.4.2 WM alterations
    5.5 Conclusions
Chapter 6 Gray Matter and White Matter Abnormalities in Temporal Lobe Epilepsy Patients with and without Hippocampal Sclerosis
    6.1 Introduction
    6.2 Subjects and Methods
        6.2.1 Subjects
        6.2.2 MRI preprocessing
        6.2.3 Statistical analysis
    6.3 Results
        6.3.1 VBM of GM analysis
        6.3.2 VBM of WM analysis
        6.3.3 Hippocampal and amygdala volumes by FreeSurfer
        6.3.4 Regional relationship between GM and WM changes with disease duration
    6.4 Discussion
    6.5 Conclusion
Chapter 7 Conclusion and Future work
    7.1 Conclusion
    7.2 Future Work
Abbreviation
Publications
Acknowledgement
References

【相似文獻】

相關期刊論文 前10條

1 于海濤;蔡立輝;武欣昱;王江;劉靜;張宏;;Cross-frequency network analysis of functional brain connectivity in temporal lobe epilepsy[J];Chinese Physics B;2019年04期

2 金麗日;;Lateralizing value of ictal face wiping in patients with mesial temporal lobe epilepsy[J];China Medical Abstracts(Internal Medicine);2017年01期

3 Zhi He;Bo-Ta Cui;Ting Zhang;Pan Li;Chu-Yan Long;Guo-Zhong Ji;Fa-Ming Zhang;;Fecal microbiota transplantation cured epilepsy in a case with Crohn's disease: The first report[J];World Journal of Gastroenterology;2017年19期

4 ;Epilepsy Towards the Next Decade published[J];中國現(xiàn)代神經(jīng)疾病雜志;2017年09期

5 ;Epilepsy Towards the Next Decade published[J];中國現(xiàn)代神經(jīng)疾病雜志;2016年09期

6 ;Epilepsy Towards the Next Decade published[J];中國現(xiàn)代神經(jīng)疾病雜志;2016年10期

7 馬良坤;黃顏;楊劍秋;邊旭明;劉俊濤;;Clinical characters of pregnancy complicated with epilepsy——with twenty cases reported[J];生殖醫(yī)學雜志;2012年S1期

8 Sherifa A Hamed;Yaser BE Elserogy;Madleen A Abdou;Mostafa M Abdellah;;Risks of suicidality in adult patients with epilepsy[J];World Journal of Psychiatry;2012年02期

9 ;31st International Epilepsy Congress[J];中國現(xiàn)代神經(jīng)疾病雜志;2015年02期

10 ;31st International Epilepsy Congress[J];中國現(xiàn)代神經(jīng)疾病雜志;2015年05期

相關博士學位論文 前10條

1 Farnaz Farokhian;基于結構MRI的老化和癲癇腦部形態(tài)學改變研究[D];北京工業(yè)大學;2018年

2 陳陽美;難治性癲癇發(fā)病機理與危險因素的探討[D];重慶醫(yī)科大學;2002年

3 孫學東;癲癇發(fā)病因素系列研究[D];山東大學;2010年

4 王心;1. 內(nèi)側顳葉癲癇的遺傳易感性研究 2. 發(fā)作性運動源性舞蹈徐動癥致病基因的精細定位和突變篩查[D];中國協(xié)和醫(yī)科大學;2008年

5 王夢陽;1.遺傳性癲癇伴熱性驚厥附加癥的分子遺傳學研究　2.中文版青少年癲癇患者生活質量問卷信度及效度檢驗[D];中國協(xié)和醫(yī)科大學;2009年

6 劉超;SCN1A基因突變的致癇機制研究[D];廣州醫(yī)學院;2011年

7 劉慧;中國人群夜發(fā)性額葉癲癇病例遺傳學病因篩查CHRNA4基因編碼區(qū)多態(tài)性與額葉癲癇的關聯(lián)研究[D];北京協(xié)和醫(yī)學院;2011年

8 周琳;Cox-2在Lgi1缺失造成的癲癇小鼠模型中的功能研究[D];浙江大學;2017年

9 朱元凱;評估兒科癲癇患者病情及認知功能的PET分子影像臨床應用[D];浙江大學;2017年

10 陳俐;熱性驚厥相關性癲癇的疾病譜分析及其基因遺傳研究[D];廣州醫(yī)學院;2008年

相關碩士學位論文 前10條

1 陶凱艷;癲癇患者的抑郁[D];重慶醫(yī)科大學;2018年

2 丁曉燕;成人癲癇患者抑郁、焦慮與服藥依從性、生活質量的相關性研究[D];浙江大學;2016年

3 袁靳閑;進行性肌陣攣癲癇臨床特點分析[D];重慶醫(yī)科大學;2012年

4 ELJAILI ALAMIN IDRISS ALI;[D];東北師范大學;2013年

5 邵勇;育齡期女性癲癇患者生活質量的研究[D];復旦大學;2009年

6 范宏業(yè);新診斷癲癇兒童藥物治療后發(fā)作和緩解的相關因素研究[D];鄭州大學;2016年

7 童玉翠;癲癇對兒童學習障礙發(fā)生的影響[D];安徽醫(yī)科大學;2011年

8 沈穎惠;成人癲癇患者生活質量的影響因素研究[D];中南大學;2012年

9 何婷婷;構建海人酸誘導的內(nèi)側顳葉癲癇小鼠模型[D];北京協(xié)和醫(yī)學院;2011年

10 向入平;新的良性家族性嬰兒驚厥候選基因的突變分析[D];中南大學;2009年

本文編號：2869341