多模態(tài)神經(jīng)影像與腦連接組學(xué)課件

多模態(tài)神經(jīng)影像與腦連接組學(xué)專(zhuān)題會(huì)議

SpecialsessionsforMulti-modelingimagingandHumanconnectome會(huì)議時(shí)間：2015-04-17—04-19認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國(guó)家重點(diǎn)實(shí)驗(yàn)室/麥戈文腦研究院

參會(huì)人員：夏春生張棟會(huì)議簡(jiǎn)介人腦連接組學(xué)（HumanConnectome）已成為當(dāng)前神經(jīng)科學(xué)領(lǐng)域最受關(guān)注的研究熱點(diǎn)和前沿方向之一，目前采用不同模態(tài)的神經(jīng)成像技術(shù)，提取活體人腦的全腦結(jié)構(gòu)與功能連接模式，運(yùn)用圖論分析法揭示腦網(wǎng)絡(luò)組織形式及其拓?fù)鋵傩?。這種計(jì)算和分析框架可以用于神經(jīng)發(fā)育、老化及神經(jīng)精神等疾病的研究參會(huì)目的基于多模態(tài)神經(jīng)影像與腦連接組研究具備巨大科研價(jià)值和應(yīng)用潛力，同時(shí)由于該類(lèi)研究屬于交叉學(xué)科，需要研究者具備多個(gè)學(xué)科的基礎(chǔ)和背景知識(shí)，所以作為臨床醫(yī)療機(jī)構(gòu)，本實(shí)驗(yàn)室需要參加此類(lèi)會(huì)議以實(shí)現(xiàn)諸多繁瑣的計(jì)算方法和步驟，從而最終達(dá)到提高本實(shí)驗(yàn)室的神經(jīng)科學(xué)研究水平的目的人腦連接組學(xué)研究概況2005年，印第安娜大學(xué)OlafSporns教授正式提出“Connectome”概念。將其定義并描述為大腦內(nèi)神經(jīng)連接網(wǎng)絡(luò)的“地圖”2009年，美國(guó)國(guó)立衛(wèi)生研究院（NIH）正式宣布實(shí)施“人腦連接組學(xué)計(jì)劃”（HumanConnectomeProgect,HCP）

圖論分析法Graphtheoreticalanalysis圖論知識(shí)基礎(chǔ)ApplicationofGraphtheoreticalanalysisinHumanconnectome

圖論分析法在腦連接組學(xué)中的應(yīng)用圖論分析法的由來(lái)圖論分析法（Graphtheoreticalanalysis）是源自瑞士數(shù)學(xué)家歐拉的《哥尼斯堡七橋理論》，這個(gè)理論不僅解決了當(dāng)?shù)鼐用耜P(guān)于能否在不重復(fù)走同一座橋的前提下一次性走完哥尼斯堡七橋的困擾，同時(shí)開(kāi)創(chuàng)了數(shù)學(xué)領(lǐng)域的全新分支——圖論和幾何拓?fù)渚W(wǎng)絡(luò)圖論在圖論分析法中構(gòu)成網(wǎng)絡(luò)的最基本元素為“點(diǎn)”（Nodes）和連接點(diǎn)的“邊”(Edges)Graphismadeupof'nodes'andlinescallededgesthatconnectthem復(fù)雜網(wǎng)絡(luò)小世界網(wǎng)絡(luò)(Small-worldnetwork)無(wú)標(biāo)度網(wǎng)絡(luò)(Scale-freenetwork)復(fù)雜網(wǎng)絡(luò)的拓?fù)涮匦阅K化（Module）分布相對(duì)稀疏但是聯(lián)系十分緊密的節(jié)點(diǎn)集團(tuán)即為模塊化

層級(jí)性（Hierarchy）各個(gè)節(jié)點(diǎn)集團(tuán)之間存在明顯的層級(jí)關(guān)系，上下級(jí)之間聯(lián)系緊密，信息傳遞效率極高，但不同層級(jí)之間只能通過(guò)更高層次的節(jié)點(diǎn)相互聯(lián)系，信息傳遞效率較低

樞紐中心節(jié)點(diǎn)（Richclub，huds）網(wǎng)絡(luò)中存在一些與其他諸多節(jié)點(diǎn)聯(lián)系非常機(jī)密，在整個(gè)網(wǎng)絡(luò)信息傳輸中起到關(guān)鍵作用的節(jié)點(diǎn)，類(lèi)似與交通網(wǎng)絡(luò)中的樞紐網(wǎng)絡(luò)圖論的應(yīng)用利用網(wǎng)絡(luò)的模塊化、層級(jí)性和中心節(jié)點(diǎn)等屬性，定義功能節(jié)點(diǎn)和感興趣區(qū)，再通過(guò)計(jì)算機(jī)數(shù)據(jù)分析構(gòu)建腦網(wǎng)絡(luò)，從而可以直觀的呈現(xiàn)出腦網(wǎng)絡(luò)結(jié)構(gòu)特性。為進(jìn)一步的疾病腦網(wǎng)絡(luò)異常分析提供有效依據(jù)模塊定義(ModuleDefinition)根據(jù)研究目的定義研究模塊及感興趣區(qū)

數(shù)據(jù)采集（DataAcquisition）利用磁共振采集數(shù)據(jù)，設(shè)置相關(guān)序列及參數(shù)

網(wǎng)絡(luò)可視化（NetworkVisulization）利用BrainnetViewer、Tracvis等軟件將數(shù)據(jù)矩陣轉(zhuǎn)換成可視化圖片，可以直觀的反映網(wǎng)絡(luò)形式相關(guān)軟件數(shù)據(jù)處理相關(guān)Matlab、GRETNA、PANDA、BrainnetViewer、Trackvis等軟件具體操作過(guò)程暫不贅述。基于DTI的腦白質(zhì)網(wǎng)絡(luò)計(jì)算方法傳統(tǒng)腦白質(zhì)研究方法示蹤劑追蹤（Axonaltracing）缺點(diǎn)：有創(chuàng)性，操作復(fù)雜，只能用于活體動(dòng)物實(shí)驗(yàn)，追蹤纖維有限，同一個(gè)體難以多次追蹤外科解剖剝離(Surgicaldissection)缺點(diǎn)：只能用于尸體解剖和動(dòng)物實(shí)驗(yàn)，僅能夠分離出粗大明顯的纖維束基于彌散張量成像（DTI）研究白質(zhì)纖維彌散張量成像（Diffusiontensorimaging,DTI）利用水分子在腦白質(zhì)中的異向性擴(kuò)散特性來(lái)追蹤重建白質(zhì)纖維走向優(yōu)點(diǎn)：無(wú)創(chuàng)，可直接用于活體人類(lèi)，操作相對(duì)簡(jiǎn)單，能夠得到具體的網(wǎng)絡(luò)拓?fù)鋵傩詳?shù)據(jù)，成像質(zhì)量可靠，可廣泛用于各種疾病的研究DTI的兩種追蹤方法確定性纖維追蹤(DeterministicFiberTracking)

優(yōu)點(diǎn)：計(jì)算消耗時(shí)間短，纖維成像清晰缺點(diǎn)：無(wú)法解決纖維交叉問(wèn)題

概率性纖維追蹤(ProbabilisticFiberTracking)優(yōu)點(diǎn)：可以有效解決纖維交叉問(wèn)題缺點(diǎn)：計(jì)算耗時(shí)，結(jié)果是一種概率性估計(jì)，成像效果不及確定性追蹤，追蹤纖維走向扔有待進(jìn)一步解剖驗(yàn)證基于DTI的腦白質(zhì)纖維網(wǎng)絡(luò)構(gòu)建基本流程第一步：分別采集DTI和結(jié)構(gòu)像數(shù)據(jù)第二步：用PANDA軟件處理DTI數(shù)據(jù)，得出全腦纖維網(wǎng)絡(luò)第三步：運(yùn)用GRATNA軟件將全腦纖維網(wǎng)絡(luò)數(shù)據(jù)和結(jié)構(gòu)像數(shù)據(jù)相配對(duì)，并選取ROI節(jié)點(diǎn)，進(jìn)行特征化處理第四步：分別用以上方法處理所有病人組和對(duì)照組數(shù)據(jù)，再做統(tǒng)計(jì)學(xué)檢驗(yàn)，最后通過(guò)BrainnetViewer或Trackvis軟件生成纖維網(wǎng)絡(luò)圖及相關(guān)復(fù)雜網(wǎng)絡(luò)拓?fù)鋵傩灾笜?biāo)統(tǒng)計(jì)數(shù)據(jù)第五步：綜合數(shù)據(jù)分析討論

基本流程示意圖Ⅱ（數(shù)據(jù)總體處理步驟）

基本流程示意圖Ⅲ（復(fù)雜網(wǎng)絡(luò)拓?fù)鋵傩越y(tǒng)計(jì)檢驗(yàn)）

基本流程示意圖Ⅳ（數(shù)據(jù)結(jié)果生成）基于DTI研究腦白質(zhì)纖維網(wǎng)絡(luò)的問(wèn)題與挑戰(zhàn)腦節(jié)點(diǎn)選取方案無(wú)同一標(biāo)準(zhǔn)

邊權(quán)重的定義概念模糊，難以標(biāo)準(zhǔn)化

網(wǎng)絡(luò)參數(shù)是否可重復(fù)？個(gè)體差異基于DTI的腦白質(zhì)網(wǎng)絡(luò)的應(yīng)用研究復(fù)雜網(wǎng)絡(luò)的拓?fù)鋵傩悦枋?/p>

大腦正常發(fā)育研究正常發(fā)育研究發(fā)現(xiàn)'between-modulestrength'在0--20歲研究組內(nèi)隨年齡增長(zhǎng)而增強(qiáng)，支持大腦發(fā)育的表現(xiàn)

正常發(fā)育研究發(fā)現(xiàn)結(jié)構(gòu)連接（SC）和功能連接(FC)兩者的相關(guān)性（Correlation）在0--20歲組內(nèi)隨年齡增長(zhǎng)而加強(qiáng)智力水平相關(guān)性研究正常智力水平研究組，全局效率（GlobalEfficiency）隨著IQ值得增加而增長(zhǎng)，支持智力水平高者腦信息處理的高效率。神經(jīng)系統(tǒng)疾病研究Alzheimer'sDisease病人在全局效率、相關(guān)‘hubs’的度及介數(shù)等拓?fù)鋵傩灾笜?biāo)和健康人相比成下降趨勢(shì)，支持AD病人大腦認(rèn)知功能下降的臨床表現(xiàn)

精神分裂癥（Schizophrenia）與Healthcontrols相比，Rich-clublevel呈下降趨勢(shì)，支持該類(lèi)患者認(rèn)知功能下降，并且存在結(jié)構(gòu)連接和功能連接相關(guān)性（SC-FCCoupling）下降的現(xiàn)象

功能性近紅外光譜成像在腦連接組學(xué)中的研究FunctionalNearInfraredSpectroscopy(fNRIS)Imaging功能性近紅外光譜成像在腦連接組學(xué)中的研究FunctionalNearInfraredSpectroscopy(fNRIS)Imaging.什么是近紅外線？近紅外線波長(zhǎng)長(zhǎng)，穿透力好,不易被組織吸收，反射量大fNRIS的構(gòu)成發(fā)射源：發(fā)射近紅光探頭：接收組織發(fā)射回的近紅光計(jì)算機(jī)：數(shù)據(jù)處理分析多通道fNRIS機(jī)

探頭的數(shù)量可以根據(jù)研究實(shí)際人為的減少或增加，可操作性強(qiáng)fNRIS工作原理

激活的腦區(qū)脫氧血紅蛋白含量增高，對(duì)近紅光的吸收增加，反射量減少，從而產(chǎn)生信號(hào)差異fNRIS與fMRI相比的優(yōu)缺點(diǎn)

fNRIS用于靜息態(tài)功能連接（RSFC）的研究方法根據(jù)光密度的改變分析Oxy-Hb和Deoxy-Hb的含量差異，識(shí)別出激活腦區(qū)，最后做相關(guān)分析fNRIS研究結(jié)果與fMRI相比具