论文部分内容阅读
本文旨在利用功能磁共振成像(functional Magnetic ResonanceImaging，fMRI)技术，深入研究和探讨相关(correlation)和独立成分分析(IndependentComponent Analysis，ICA)的方法与应用，并应用于静息状态功能连接，从脑功能网络的角度来研究正常人脑的功能，同时，也考察在阿尔茨海默氏症(Alzheimer’s Disease，AD)的病理条件下脑功能网络的异常，从而加深对AD病理机制的理解和认识。研究工作主要体现在以下几个方面：
相关作为描述两个信号之间相似程度的方法，是目前应用最广泛的度量脑区之间是否存在相互依赖关系的一个重要指标。ICA作为一种基于数据的统计分析方法，也是功能连接分析中的重要工具。在脑功能连接分析中，相关分析和ICA两种方法各有优势。相关分析可以得到两个脑区间的连接强度，但其依赖于感兴趣区域(Region of Interest，ROI)的选择，而ICA是一种数据驱动的方法，不依赖于ROI的选择，其缺点在于无法度量脑区间的连接强度。因此，提出将两种方法结合起来，采用ICA找出静息状态下人脑的默认网络，再将网络中的各个脑区作为ROI，最后利用所选的ROI应用相关分析，从而得到脑区间的连接强度。这种将ICA与基于ROI的相关分析相结合的方法，充分考虑了静息状态下的数据属性，开辟了一种研究人脑静息状态功能连接网络的新思路。
在图论中，节点的连接度或度定义为该节点与其它节点连接的个数，即其邻域节点的个数。将连接度的概念引入到脑功能连接分析中，用其衡量一个脑区与网络中其他脑区连接的紧密程度，并评估该脑区在网络中的地位及重要性。连接度分析从连接广度的角度为评价功能连接网络提供了一种新方法。
将上面建立的静息状态功能连接的新方法应用于正常被试和AD患者，发现与正常被试比较，AD患者前额叶与顶叶的功能连接降低，而前额叶、顶叶、枕叶和颞叶等内部脑区间的连接增强，这暗示了这些脑区静息状态的功能连接变化可能成为该病临床前期诊断及药物评价等的重要生物学指标。
最后，本文所建立的所有研究方法可推广到认知神经科学及神经精神病学各个领域。