关键词:
内侧颞叶癫痫
机器学习
扩散张量成像
基于纤维束的空间统计方法
白质
白质网络
摘要:
第一部分应用机器学习方法及DTI-TBSS技术对内侧颞叶癫痫患者全脑白质的研究 目的 以往的研究表明内侧颞叶癫痫患者的脑白质损伤不仅仅局限于颞叶白质,而是广泛分布于全脑白质区域,但是由于样本量以及研究技术的不同,这些发现常常发生变化,有时甚至得到相反的结果;而且传统的组水平的统计学方法无法在个体水平评估异常脑白质区域的疾病鉴别能力。当前机器学习方法已经广泛的应用于磁共振数据分析,因为它能够从影像数据中提取出新的信息和感兴趣的模式,找到基于全脑影像数据的生物学标记,并从个体水平区别病人与正常被试。本文利用机器学习方法、磁共振扩散张量成像技术(diffusion tensor imaging, DTI)以及基于纤维束的空间统计方法(Tract-based spatial statistics, TBSS)研究内侧颞叶癫痫患者全脑白质微结构改变情况,探讨机器学习方法,基于全脑DTI数据,能否将左侧、右侧内侧颞叶癫痫患者以及正常对照在个体水平区分开来,并达到较高的识别率;找到最具有疾病区分能力的白质区域,并作为内侧颞叶癫痫的生物学标记进行讨论,为内侧颞叶癫痫的临床诊断、治疗、术前及术后评估提供客观的科学依据。 材料和方法 1.研究对象 研究被试包括66人,其中内侧颞叶癫痫组32人,均为右利手[其中左侧内侧颞叶癫痫17人,男性11例,女性6例,年龄:24(18-42)岁,教育程度:12(6-16)年,病程:11(0.5-26)年,发病年龄:14(3-32)岁;右侧内侧颞叶癫痫15人,男性9例,女性6例,年龄:32(19-43)岁,教育程度:12(9-12)年,病程:11(3-33)年,发病年龄:18(5-34)岁],全部来自广东三九脑科医院住院病人,健康对照组34人[男性20人,女性14人,年龄:25.5(18-44)岁,教育程度:12(6-16)年]。三组之间的性别、年龄及受教育程度均没有显著性差异。左侧和右侧内侧颞叶癫痫组的病程及发病年龄均没有显著性差异。所有内侧颞叶癫痫患者均为住院病人,均行常规MRI检查,以及视频脑电检查,脑电图包括头皮电极或/和蝶骨电极。内侧颞叶癫痫纳入标准:①癫痫发作类型与临床症状符合1981年以及1989年国际抗癫痫联盟的诊断和分类标准;②发作期或发作间期脑电图EEG显示异常放电起源于颞部;③MRI检查于FLAIR序列显示患侧海马信号增高,体积缩小。排除标准:①颅内占位性病变(如肿瘤、血管畸形及皮层发育不良等),颅脑外伤及精神类疾病等;②EEG定位与海马硬化的位置不符;③双侧海马硬化。健康对照组既往无任何神经系统疾病,临床神经系统检查未见明显阳性体征,常规MRI扫描脑内未见明显异常信号灶。所有检查对象均知情同意。 2.磁共振DTI数据采集 磁共振DTI数据采集使用飞利浦1.5T磁共振扫描仪(Philips Gyroscan Intera1.5T),并采用6通道相位陈列(神经血管线圈6,NV6)线圈接受核磁共振信号。DTI数据采集采用单次激发自旋回波平面序列,平行于大脑前后联合得到全脑轴位弥散加权成像。b=800s/mm2共32组图像(32个扩散梯度方向),和一组扩散敏感系数b=0的非扩散加权图像。磁共振扫描具体参数如下:TR=11000ms:TE=72ms;翻转角(flip angle):900;矩阵(matrix size)=144×144:视野(FOV)=230mmx230mm:激励次数(NEX)=1;层厚=2.0mm;层间距=0;层数=67。 3.数据预处理和图像分析 首先,将原始的DICOM格式的数据转化为用于数据分析的NIFTI格式。然后利用McFliirt (FSL工具)将四维的扩散张量图像配准到第一幅图像,以便于消除头动误差。之后,利用FSL软件将配准后的扩散张量图像进行失真校正(电涡流引起)。完成这些步骤后,利用FSL脑提取工具(BET)将处理后的图像进行脑提取,最后利用DTIFit (FMRIB Software Library’s Diffusion Toolbox)在每个体素中建立扩散张量模型,并生成FA值图像。 接下来,利用TBSS来找到左、右侧患者组及健康对照组之间白质FA值存在差异的区域。首先通过将每个被试的FA值图像互相配准得到一幅目标图像,以此来确定最具有代表性的被试。然后使用仿射变换将这个目标图像标准化到MNI152标准空间中。将所有被试配准到目标图像再使用FNIRT (FSL工具)非线性将它们配准到分辨率为1×1×1mm的MNI152空间。这个过程创建了一个平均FA值骨架,这个骨架表示这组被试中所有纤维束的共同中心。所有被试配准后的数据都投射到FA值骨架上,得到的结果数据用于体素级别的分类。 4.分类 首先,FA骨架图像被连成特征向量,并形成一个大的特征矩阵。由于FA骨架