抑郁症静息态功能连接网络动态模式特征的脑磁图研究

摘要

医学影像学研究证实，静息态下神经活动具有多变非平稳的特征。这种动态变化规律与抑郁症异常认知功能的神经病理机制密切相关。近年来，关于阿兹海默证和精神分裂症的研究发现动态神经活动可以被解析为若干短暂却呈现“准稳态”的功能状态。这些功能状态的异常与认知功能障碍存在密切联系，但针对抑郁症的微状态研究还少之又少。本研究采用具有高时空分辨率的脑磁图(MEG)信号，对抑郁症患者的动态功能连接模式及其变换特征进行分析，探索抑郁症患者静息态下脑网络的动态特性。
　　首先，论文探究了alpha节律下抑郁症相关脑区间动态功能交互的准稳态模式。这里，我们运用小波一致性方法，计算静息态下抑郁症患者全脑感兴趣脑区间的功能连接时频特性;采用优化球状聚类算法（SP-Kmeans）对功能连接矩阵进行时序上的聚类分析，探究短时功能连接模式及其动态特征。结果发现，抑郁症组和健康对照组间的功能状态个数，状态出现频次，持续时间，占有比重以及对应状态功能连接模式均具有统计学差异。相比于健康被试，抑郁症患者拥有一个额外的功能连接状态;此外，对状态匹配后分析发现，其中的一个状态在患者组中具有更加频繁的出现次数和更短暂的持续时间。上述结果表明，抑郁症患者存在相对复杂不稳的神经活动。而抑郁症患者的功能状态中，默认模式网络(DMN)、额顶网络(FPN)和警醒网络(SN)内的脑区呈现明显的模块化和局部耦合的趋势，体现了抑郁症患者全脑信息交互的紊乱、局部信息交互强烈的特征。
　　其次，论文进一步探究了高度模块化的DMN、FPN和SN三个静息态网络在长时程上的功能状态动态特征。我们利用同步似然性计算网络内关键脑区间的功能连接;采用聚类算法获得功能连接模式及其动态特征。结果发现，DMN网络自身的动态模式与全脑感兴趣区域“微状态”的动态变化尺度一致，保持相对的“稳定”，以相对较长的时间周期调控FPN，SN等频繁快速变化的网络，用于维持大脑神经活动和认知过程的稳定。FPN网络存在多个不同的功能状态，在整个时程上频繁出现和转换，表明它以一种灵活的方式不断的对短时神经活动产生响应。可见，全脑动态功能模式由多尺度的子网络构成，它们以较高的自身一致性和灵活的网络交互方式影响并调节大脑的认知活动。
　　综上，本研究从脑区到网络，多角度探索抑郁症患者静息态下特殊的功能连接模式及动态特性。功能连接模式及其动态特性的异常与抑郁症患者认知、情绪功能紊乱有关，为理解抑郁症患者神经生理学机制提供了理论依据。

目录

声明

摘要

第一章 绪论

1．1 课题背景和研究意义

1．2 研究现状

1．2．1 效能连接和功能连接方法

1．2．2 网络动态模式分析

1．2．3 研究不足

1．3 本文的工作创新和贡献

1．4 本文的组织结构

第二章 动态功能连接算法介绍

2．1 小波一致性

2．1．1 方法概述

2．1．2 算法原理

2．1．3 算法优势及应用

2．2 同步似然性

2．2．1 方法概述

2．2．2 算法原理

2．2．3 算法优势及应用

2．3 小波一致性与同步似然性算法比较

第三章 抑郁症患者静息态网络动态功能连接模式的研究

3．1 引言

3．2 实验数据采集和研究对象

3．2．1 脑磁图数据采集

3．2．2 实验对象

3．3 实验数据分析方法

3．3．1 数据预处理

3．3．2 感兴趣区域的选择及信号提取

3．4 基于小波一致性的动态功能连接计算

3．4．1 主成分分析

3．4．2 希尔伯特包络

3．4．3 小波一致性计算

3．5 动态网络模式的聚类分析

3．5．1 高维聚类算法介绍：SPK-means

3．5．2 SP-Kmeans算法原理

3．5．3 基于时间的动态功能连接聚类分析

3．5．4 网络动态功能连接模式的特征分析

3．5．5 网络模式的动态转换

第四章 抑郁症患者静息态关键网络动态模式的长时程研究

4．1 引言

4．2 实验数据采集和研究对象

4．2．1 脑磁图数据采集

4．2．2 实验对象

4．3 实验数据分析方法

4．3．1 数据预处理

4．3．2 静息态网络选择及信号提取

4．4 网络动态功能连接计算

4．5 动态功能连接的长时程聚类分析

4．6．1 聚类及最优聚类个数选择

4．6．2 结果与分析

第五章 总结与展望

5．1 工作总结

5．2 工作展望

致谢

参考文献

在学校期间的研究成果及发表的学术论文