网站大量收购独家精品文档,联系QQ:2885784924

静息态fmri下癫痫患者认知结构的改变.docx

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
静息态fmri下癫痫患者认知结构的改变 癫痫是一种常见的神经系统疾病,其发作往往损害患者的意识状态。目前对癫痫发病的确切机理尚不明确,但已有的研究表明,通过对癫痫患者脑网络属性和不同脑区之间相互作用的研究,可以进一步深入了解其发病过程。在人脑的网络模式中,存在着一种特殊的网络模式-默认网络(default mode network,DMN),它是指一组在功能上表现为一致性的脑区,即静息状态下高活动,而在非特异注意任务执行时活动降低。主要包括内侧前额叶/腹侧扣带回前部、扣带回后部/楔前叶、角回、内侧颞叶、外侧颞下回等脑区。DMN同自省、场景记忆、环境监测、意识程度等其它高级认知功能的精神活动有密切的关系。人脑DMN的异常已经在不同疾病的研究中被发现,比如阿尔海默症,精神分裂症,抑郁症,肝性脑病等其它疾病。与此同时,部分基于静息f MRI的研究也发现癫痫症患者DMN存在异常。张志强等研究发现默认网络在颞叶癫痫中的缺失,并发现左侧海马硬化颞叶癫痫和右侧海马硬化颞叶癫痫的部分脑区功能连接呈现出明显差异。Megan等研究发现特发性全身性癫痫患者DMN中功能连接的强度与患者初次发作年龄和每次发作持续时间有着密切的联系。先前有研究从网络整体水平的角度分析了正常人的DMN并发现了其存在层次化结构,即包含着至少两个以上的子网络,但这种层次化结构的机制尚未完全清楚。在本研究中,以原发全身强直痉挛癫痫(generalized tonic-clonic seizure,GTCS)病人为研究对象,采用静息功能磁共振成像技术,结合图论分析方法和聚类分析方法对癫痫患者DMN的结构改变情况进行研究。 1 对象和方法 1.1 般资料及病例对照 2012年2月至2012年9月,共18例(男10例,女8例)来自于兰州军区总医院临床诊断为原发全身强直痉挛癫痫患者参与了此研究。特发性全身性癫痫纳入标准依据1989年国际癫痫分类标准,满足临床发作符合全身强直痉挛,在视频脑电图检查中可见痫样波,在常规头颅磁共振检查正常的青年患者,排除海马硬化、颞叶癫痫等局灶性癫痫患者。同期,21例(男12例,女9例)正常健康志愿者作为对照组,均无颅内病灶及神经和精神病史。两组被试均为右利手,性别和年龄均无统计学差异。所有被试自愿参与并签署了研究内容知情同意书。本研究经兰州军区总医院医学伦理委员会批准通过。详细临床资料见表1。 1.2 剖像采集和分析参数 所有被试均采用SIEMENS MAGNETOM Verio3T磁共振扫描系统进行数据采集。实验时被试取仰卧位,头部固定,带耳机,闭眼并尽量避免特定的思维活动。首先做全脑解剖像数据采集,确定脑结构没有异常,解剖像采用三维预磁化快速梯度回波(Magnetization Prepared Rapid Gradient Echo,MPRAGE or 3D MPR)序列矢状位薄层扫描模式采集,共36层包括小脑。解剖像扫描参数:重复时间(TR)=1900ms,回波时间(TE)=2.52ms,观察野(FOV)=240,层厚=1mm,层间隔(gap)=0.182mm,Matrix=256×256,扫描时间是335s。功能像采用基于梯度回波的平面回波(GRE-EPI)序列,扫描参数:TR=2000ms,TE=30ms,FOV=240,层厚=3.8mm,层间隔=0.4mm,Matrix=64×64,层数=35层,扫描时间是400s。 1.3 a.生成磁饱和效应的软件 功能像数据的预处理采用DPARSF(/forum/index.php)软件来进行,包括:时间层间校正、头动校正、空间标准化、滤波(0.001HZ~0.008HZ)、去线性漂移。由于初始的磁饱和效应,每个被试的前10个时间点图像被删除。头动校正去除平动大于1mm、转动大于1°的3例患者被试和1例正常对照组被试。 1.4 实验设计和过程 采用GIFT(/)软件分别检测每组被试的DMN网络。核心算法是独立成分分析(independent component analysis,ICA)方法。在进行ICA时,基于informax算法,首先确定每个被试的空间独立成分个数,在此,独立成分的个数是由一维估计决定的,这个一维估计是改进的用于解释空间相关性的最小描述长度准则,本实验独立成分数确定为50。每个独立成分对应一个时间序列,该时间序列相当于大脑持续活动的一个特殊模式图,并且这种大脑活动模式的强度通过体素表达在相应的空间图中。每个体素的值可以理解为该处原始信号与此时间序列的相关值,根据该值的大小可以确定是否存在功能连接。在ICA分割之后,采用DMN模版 1.5 选取种子区和roi 参照Jessica等的方法共选取DMN中的11个脑区作为感兴趣区(region of interest,ROI)。具体步骤包括:

文档评论(0)

lmzwkyc + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档