基于多模态磁共振的散发性肌萎缩侧索硬化影像学标记与个体化诊断研究
发布时间：2024-04-12 19:53
肌萎缩侧索硬化(Amyotrophic Lateral Sclerosis,ALS)是一种同时累及上、下运动神经元的进行性神经退行性疾病,平均生存期3-5年。仅有5-10%的ALS患者为家族遗传,90%以上的病例中,ALS的发病都很突然,称为“散发性ALS(sporadic ALS,sALS)”,其致病原因尚不清楚。由于没有明确的临床诊断检测方案,目前sALS的诊断主要依赖于有经验的医生通过详细病史询问和体格检查,寻找上、下运动神经元共同受累及进行性加重的证据。然而不幸的是,对于这种快速进展的疾病,从症状出现到确诊平均有1年的延迟,严重妨碍了sALS的早期干预。建立客观的、可靠的sALS诊断生物标记物将代表sALS临床研究的重大进展。现代磁共振技术对sALS的研究已经取得了一定的进展,但研究内容较分散,没有对sALS脑结构特征和功能特征的系统研究,有些研究结果甚至相悖,且大多数研究都是发现结构或功能模式的改变,而没有形成影像学标记。基于此,本文利用现代磁共振技术系统的研究了sALS患者脑结构特征和脑功能特征,并基于这些脑结构、功能特征和支持向量机技术训练了系列模式分类器,以期为sALS...
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 ALS及其诊断概述
1.2 现代磁共振技术及其在sALS中的应用
1.2.1 结构磁共振
1.2.2 弥散张量成像
1.2.3 功能磁共振
1.3 机器学习在sALS诊断中的应用
1.4 本文的研究构想和论文结构安排
1.4.1 本文的研究构想
1.4.2 论文结构安排
2 散发性肌萎缩侧索硬化的脑结构特征研究
2.1 引言
2.2 材料与方法
2.2.1 研究对象
2.2.2 MRI图像采集
2.2.3 基于VBM的脑结构特征分析
2.2.4 基于SBM的 脑结构特征分析
2.2.5 全脑结构网络构建与基于图论的全脑结构网络分析
2.3 统计分析
2.3.1 临床资料统计分析
2.3.2 对VBM分析结果的统计
2.3.3 对SBM分析结果的统计
2.3.4 全脑结构网络属性的统计分析
2.3.5 相关分析
2.4 结果
2.4.1 临床基本资料
2.4.2 基于VBM分析的脑结构特征组间比较结果
2.4.3 基于SBM分析的脑结构特征组间比较结果
2.4.4 全脑结构网络的组间比较结果
2.4.5 sALS患者脑结构特征改变与临床的相关性
2.5 讨论
2.5.1 sALS运动区形态学特征的改变
2.5.2 sALS非运动区形态学特征的改变
2.5.3 sALS全脑结构网络特征的改变
2.6 本章小结
3 散发性肌萎缩侧索硬化的脑功能特征研究
3.1 引言
3.2 材料与方法
3.2.1 研究对象
3.2.2 MRI图像采集
3.2.3 fMRI信号预处理
3.2.4 ALFF特征分析
3.2.5 ReHo特征分析
3.2.6 VMHC特征分析
3.2.7 FCD特征分析
3.2.8 全脑FC特征分析
3.2.9 DC特征分析
3.2.10 全脑功能网路构建与基于图论的全脑功能网络分析
3.3 统计分析
3.3.1 临床资料统计分析
3.3.2 对脑功能特征的统计
3.3.3 对全脑功能网络属性的统计
3.3.4 相关分析
3.4 结果
3.4.1 临床基本资料
3.4.2 ALFF特征组间比较结果
3.4.3 ReHo特征组间比较结果
3.4.4 VMHC特征组间比较结果
3.4.5 FCD特征组间比较结果
3.4.6 全脑FC特征组间比较结果
3.4.7 DC特征组间比较结果
3.4.8 全脑功能网络组间比较结果
3.4.9 sALS患者脑功能特征改变与临床的相关性
3.5 讨论
3.6 本章小结
4 基于支持向量机的散发性肌萎缩侧索硬化的个体化诊断
4.1 引言
4.2 材料与方法
4.2.1 研究对象
4.2.2 MRI图像采集
4.2.3 MRI图像预处理
4.2.4 特征选择
4.2.5 特征预处理
4.2.6 基于单模态脑结构或功能特征的模式分类分析
4.2.7 基于多模态数据融合的模式分类分析
4.2.8 基于多模态感兴趣区的模式分类分析
4.3 统计分析
4.3.1 对单模态模式分类器分类结果贡献显著脑区的统计
4.3.2 相关分析
4.4 结果
4.4.1 基于单模态脑结构或功能特征的模式分类分析结果
4.4.2 基于多模态数据融合的模式分类分析结果
4.4.3 基于多模态感兴趣区的模式分类分析结果
4.4.4 分类器预测效果与临床的相关性
4.5 讨论
4.6 本章小结
5 全文总结与展望
5.1 全文总结
5.2 本文主要创新点
5.3 未来工作展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间参与的科研项目
C.攻读博士学位期间获奖情况
D.AAL模板和Desikan-Kiliany模板
E.学位论文数据集
致谢
本文编号：3951888
【文章页数】：131 页
【学位级别】：博士
【文章目录】：
中文摘要
英文摘要
1 绪论
1.1 ALS及其诊断概述
1.2 现代磁共振技术及其在sALS中的应用
1.2.1 结构磁共振
1.2.2 弥散张量成像
1.2.3 功能磁共振
1.3 机器学习在sALS诊断中的应用
1.4 本文的研究构想和论文结构安排
1.4.1 本文的研究构想
1.4.2 论文结构安排
2 散发性肌萎缩侧索硬化的脑结构特征研究
2.1 引言
2.2 材料与方法
2.2.1 研究对象
2.2.2 MRI图像采集
2.2.3 基于VBM的脑结构特征分析
2.2.4 基于SBM的 脑结构特征分析
2.2.5 全脑结构网络构建与基于图论的全脑结构网络分析
2.3 统计分析
2.3.1 临床资料统计分析
2.3.2 对VBM分析结果的统计
2.3.3 对SBM分析结果的统计
2.3.4 全脑结构网络属性的统计分析
2.3.5 相关分析
2.4 结果
2.4.1 临床基本资料
2.4.2 基于VBM分析的脑结构特征组间比较结果
2.4.3 基于SBM分析的脑结构特征组间比较结果
2.4.4 全脑结构网络的组间比较结果
2.4.5 sALS患者脑结构特征改变与临床的相关性
2.5 讨论
2.5.1 sALS运动区形态学特征的改变
2.5.2 sALS非运动区形态学特征的改变
2.5.3 sALS全脑结构网络特征的改变
2.6 本章小结
3 散发性肌萎缩侧索硬化的脑功能特征研究
3.1 引言
3.2 材料与方法
3.2.1 研究对象
3.2.2 MRI图像采集
3.2.3 fMRI信号预处理
3.2.4 ALFF特征分析
3.2.5 ReHo特征分析
3.2.6 VMHC特征分析
3.2.7 FCD特征分析
3.2.8 全脑FC特征分析
3.2.9 DC特征分析
3.2.10 全脑功能网路构建与基于图论的全脑功能网络分析
3.3 统计分析
3.3.1 临床资料统计分析
3.3.2 对脑功能特征的统计
3.3.3 对全脑功能网络属性的统计
3.3.4 相关分析
3.4 结果
3.4.1 临床基本资料
3.4.2 ALFF特征组间比较结果
3.4.3 ReHo特征组间比较结果
3.4.4 VMHC特征组间比较结果
3.4.5 FCD特征组间比较结果
3.4.6 全脑FC特征组间比较结果
3.4.7 DC特征组间比较结果
3.4.8 全脑功能网络组间比较结果
3.4.9 sALS患者脑功能特征改变与临床的相关性
3.5 讨论
3.6 本章小结
4 基于支持向量机的散发性肌萎缩侧索硬化的个体化诊断
4.1 引言
4.2 材料与方法
4.2.1 研究对象
4.2.2 MRI图像采集
4.2.3 MRI图像预处理
4.2.4 特征选择
4.2.5 特征预处理
4.2.6 基于单模态脑结构或功能特征的模式分类分析
4.2.7 基于多模态数据融合的模式分类分析
4.2.8 基于多模态感兴趣区的模式分类分析
4.3 统计分析
4.3.1 对单模态模式分类器分类结果贡献显著脑区的统计
4.3.2 相关分析
4.4 结果
4.4.1 基于单模态脑结构或功能特征的模式分类分析结果
4.4.2 基于多模态数据融合的模式分类分析结果
4.4.3 基于多模态感兴趣区的模式分类分析结果
4.4.4 分类器预测效果与临床的相关性
4.5 讨论
4.6 本章小结
5 全文总结与展望
5.1 全文总结
5.2 本文主要创新点
5.3 未来工作展望
参考文献
附录
A.作者在攻读学位期间发表的论文目录
B.作者在攻读学位期间参与的科研项目
C.攻读博士学位期间获奖情况
D.AAL模板和Desikan-Kiliany模板
E.学位论文数据集
致谢
本文编号：3951888
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3951888.html