基于谱动态因果模型的重性抑郁症患者有效连接分析

论文摘要

重性抑郁症（Major Depressive Disorder,MDD）是一种严重的情感障碍类疾病。借助功能磁共振成像（Functional Magnetic Resonance Imaging,fMRI）技术,以往研究发现MDD涉及默认网络（Default Mode Network,DMN）、突显网络（Salience Network,SN）和中央执行网络（Central Executive Network,CEN）等多个网络的功能及连接异常。与传统的功能连接分析相比,有效连接分析更加侧重研究一个脑区对另一个脑区的因果作用关系,它不仅可以计算脑区间相互作用的强度,也能获得脑区间信号的传递方向,能够更加精确地刻画不同脑区之间的交互作用机制,对于阐明抑郁症相关的神经机制具有重要的意义。因此,本文采用谱动态因果建模（Spectral Dynamic Causal Modelling,spDCM）方法对MDD患者大脑有效连接进行分析。本文主要从以下三个方面开展研究:1.单网络（DMN）有效连接分析DMN在MDD的发病机制中扮演着重要的角色,其功能连接的异常被大量文献所报道,然而有关DMN内的因果交互情况尚不清楚。因此,本文第一部分工作利用spDCM对DMN单个网络内的有效连接进行分析,以此探究DMN内有效连接的异常与MDD患病和复发的潜在关系。实验分别采集正常人、首发MDD患者和复发MDD患者的静息态fMRI数据,再利用spDCM构建三组被试各自的DMN有效连接模式。对比分析结果发现,DMN左侧后顶叶皮层（Left Parietal Cortex,LPC）和内侧前额叶皮层（Medial Prefrontal Cortex,mPFC）的连接异常可能与MDD的发病存在紧密联系,同时,本研究进一步发现DMN内mPFC到后扣带皮层（Posterior Congulate Cortex,PCC）的连接异常可能与MDD的复发存在关联。2.双网络（CEN/DMN）有效连接分析DMN又被称作任务负激活网络（Task-negative Network,TNN）,与之相对应的是任务正激活网络（Task-positive Networks,TPNs）,其代表网络为CEN。以往研究表明,DMN和CEN的正常交互对于认知、情绪控制等功能具有重要作用。本文的第二部分工作采用spDCM对DMN与CEN双网络的有效连接进行分析,以此探究MDD患者TPNs和TNN的切换状态。spDCM的结果显示,正常人的有效连接主要集中在两个网络间的连接,而MDD患者的有效连接主要集中在各自网络内部的连接,这一结果提示MDD患者这两个网络间的信息交流可能减少。其次,MDD患者DMN到CEN的影响增强,而CEN到DMN的影响减弱,这也意味着TPNs与TNN的切换功能在MDD中出现异常,导致患者无法正常控制情绪。3.大尺度脑网络有效连接分析MDD患者通常同时存在情感、认知控制、注意缺陷等多方面的问题,本文在单网络（DMN）和双网络（DMN和CEN）有效连接分析的基础上,进一步通过大尺度脑网络有效连接分析及图论分析,研究了MDD患者视觉网络、感觉运动网络、听觉网络、默认网络、突显网络、小脑、背侧注意网络、左右中央执行网络等9大网络的有效连接。实验结果显示,MDD破坏了静息态下大尺度脑网络间的均衡连接。同时,MDD患者中有三条异常连接与患者临床得分呈负相关,这三条连接分别为左侧楔前叶至右侧中央前回、左侧三角部额下回至右侧角回,以及视觉网络中的VN2至顶下缘角回。此外,图论分析结果发现,大脑正常的拓扑结构遭到破坏,使得大脑内部的信息传输效率降低,并且网络局部效率的降低也使得部分脑网络的防御攻击能力减弱。本文从脑网络角度出发,通过对MDD患者从单网络（DMN）到大尺度脑网络的有效连接分析,深入探究了MDD患者大脑网络内及网络间的有效连接异常,为MDD的病理生理学机制带来新的解释,同时也为该疾病的复发防治带来一定的启发。

论文目录

• 摘要
• ABSTRACT
• 符号对照表
• 缩略语对照表
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 国内外研究现状
•   1.3 本文主要研究内容与创新性
•   1.4 全文组织结构框架
• 第二章 脑网络连接分析方法
•   2.1 引言
•   2.2 结构连接分析
•   2.3 功能连接分析
•     2.3.1 相关分析
•     2.3.2 独立成分分析
•   2.4 有效连接分析
•     2.4.1 结构方程模型
•     2.4.2 格兰杰因果分析
•     2.4.3 动态因果模型
•   2.5 本章小结
• 第三章 单网络有效连接分析
•   3.1 引言
•   3.2 材料与方法
•     3.2.1 被试信息与临床资料
•     3.2.2 脑影像数据的采集
•     3.2.3 数据预处理
•     3.2.4 感兴趣区域的提取
•     3.2.5 DMN有效连接构建
•     3.2.6 统计学分析
•   3.3 实验结果
•     3.3.1 网络节点的时间序列
•     3.3.2 三组被试各自DMN有效连接模式
•     3.3.3 DMN有效连接模式的差异
•   3.4 结果分析与讨论
•   3.5 本章小结
• 第四章 双网络有效连接分析
•   4.1 引言
•   4.2 材料与方法
•     4.2.1 被试信息
•     4.2.2 脑影像数据的采集
•     4.2.3 数据预处理
•     4.2.4 感兴趣区域的选择
•     4.2.5 模型构建与参数估计
•     4.2.6 统计学分析
•   4.3 实验结果
•     4.3.1 组独立成分分析
•     4.3.2 健康对照组有效连接的统计分析
•     4.3.3 MDD患者有效连接统计分析
•     4.3.4 MDD患者组与正常组有效连接的差异
•     4.3.5 异常有效连接与临床指标相关性分析
•   4.4 结果分析与讨论
•   4.5 本章小结
• 第五章 大尺度脑网络有效连接分析
•   5.1 引言
•   5.2 材料与方法
•     5.2.1 被试信息
•     5.2.2 脑影像数据的采集
•     5.2.3 数据预处理
•     5.2.4 感兴趣区域的选择
•     5.2.5 模型构建与估计
•     5.2.6 脑网络相关分析
•   5.3 实验结果
•     5.3.1 MDD患者与正常人各自脑网络连接模式
•     5.3.2 MDD患者与正常人的脑有效连接差异
•     5.3.3 图论分析相关结果
•   5.4 结果分析与讨论
•   5.5 本章小结
• 第六章 总结与展望
•   6.1 论文整体工作总结
•   6.2 未来工作展望
• 参考文献
• 致谢
• 作者简介

文章来源

类型: 硕士论文

作者: 李佳铭

导师: 朱守平,卢虹冰

关键词: 重性抑郁症,有效连接,大尺度脑网络连接,谱动态因果模型

来源: 西安电子科技大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,精神病学

单位: 西安电子科技大学

分类号: R749.4;O157.5

DOI: 10.27389/d.cnki.gxadu.2019.002539

总页数: 85

文件大小: 3297K

下载量: 101