1.一种青少年肌阵挛癫痫多脑区共激活模式的研究方法,其特征在于,将灰质体积萎缩的脑区作为感兴趣区,通过共激活模式对JME患者与健康对照组在选定感兴趣区的大脑动态活动变化进行分析,研究JME患者与正常人在静息态下大脑动态活动之间的差异;
包括以下步骤:
S1,数据采集,首先使用SiemensVerio3.0TMRI采集受试者的全脑静息态及3DTWI数据,随后使用梯度回波一平面回波成像序列作为rs-fMRI数据的扫描序列;
S2,对步骤S1采集到的数据使用在window10操作系统上运行的MatlabR2017a,以及基于Matlab运行的GRETNA和SPM12软件进行功能磁共振数据的预处理;
S3,对步骤S2处理后的数据进行基于体素的形态学分析,基于体素的形态学分析方法采用matlab平台下基于SPM12运行的VBM8工具箱进行预处理及统计分析;
S4,对已经预处理好的功能项数据,采用基于Matlab运行的共激活模式工具箱分别对JME患者及健康对照组进行共激活分析;
所述功能磁共振数据的预处理的步骤包括:
S2.1.DICOM文件转换为Nifti文件;
S2.2.头动矫正:平动大于1mm,旋转大于1度被校正;
S2.3.配准:利用dartel配准将无解剖信息的结构图像配准到标准解剖空间的模板图像上;
S2.4.标准化到MNI空间:通过拉伸、压缩以及卷绕使得扫描得到的大脑与标准大脑模板一致;
S2.5.去线性漂移及协变量:去除由于机器的工作而升温或被试未适应,产生的一个线性趋势;
S2.6.低频滤波:低通滤波范围选取为0.01∽0.08Hz;
S2.7.平滑:平滑采用[555];
S2.8.4Dvolume转换为3Dvolume,使数据正常加载到共激活工具箱中;
所述步骤S3中基于体素的形态学分析方法包括以下步骤:
S3.1.首先对被试者的EPI图像进行格式转换,将原始结构像数据转换为nii格式文件,随后将转换完的数据文件进行时间矫正和头动矫正,排除头动大于0.5mm的EPI图像;
S3.2.进行将矫正后的图像进行空间标准化,使其与标准模板对齐,消除大脑的个体差异;
S3.3.根据脑组织的先验模板,对标准化的图像进行解剖分割,得到灰质、白质、脑脊液;
S3.4.对分割后的图像进行调制,是为了分析癫痫患者脑灰质体积的变化,因而在此对分割后的灰质图像进行调制,使其能够真实地反映灰质体积;
S3.5.将得到的灰质图像使用全宽半高4毫米的高斯核进行平滑使其图像的信噪比提高且服从正态分布;
S3.6.采用双样本T检验检测JME患者组与正常对照组大脑结构中灰质体积的组间差异;
所述步骤S3.3中,根据蒙特利尔神经学研究所提供的脑图谱作为划分和提取脑区的模板;
所述步骤S3.4中,根据AAL模板获得灰质体积萎缩的脑区,并将体素较高的脑区作为共激活模式分析所需的感兴趣区;
所述步骤S4中共激活分析包括以下步骤:
S4.1.数据加载,将预处理后的4Dvolume数据转换为3Dvolume,并将转换后的数据加载到工具箱中;
S4.2.ROI选取,选取vbm处理后得到的脑区作为感兴趣区加载到工具箱中,同时为了使数据满足正态分布,我们将阈值T设置为1,擦洗值M设置为0.5mm;
S4.3.聚类分析,使用的共识聚类算法对被试的数据进行聚类,
S4.4.结果分析,对生成的模式间的occurrence值、in-degree值及out-degree值进行对比。
2.根据权利要求1所述的一种青少年肌阵挛癫痫多脑区共激活模式的研究方法,其特征在于,所述步骤S1中,具体扫描参数设置如下:TR=2000ms,TE=30ms,FOV:240mm x240mm,层厚4.0mm,层数33层,层间距0.40mm,矩阵64×64,反转角90°,扫描时间6min 40S,其中共采集200个时间点,且3D解剖序列采用3DMR-RAGE序列采集矢状面数据,扫描范围包括全脑,关键扫描参数如下:TR:1900ms,TE:30ms,TI:900ms,FOV:256X 230,层数:192层,层厚:0.9mm,矩阵:256×256。
3.根据权利要求1所述的一种青少年肌阵挛癫痫多脑区共激活模式的研究方法,其特征在于,所述步骤S4.3.中共识聚类算法为:考虑一个候选聚类系数k和两个数据点i和j,k-means聚类运行N次,每次随机选择子样本的数据并不进行替换,对于每个褶皱f,我们确定数据点是分配到同一簇还是不同的簇,分别有其中矩阵总结了折叠f和聚类数k的分配情况;对于给定数量的聚类k和两个数据点i和j的共识矩阵条目[CK]i,j,通过对两个数据点共同进入计算的所有折叠进行平均化来提取;用F来定义这种折叠的集合,然后共识矩阵条目[CK]i,j与折叠集合F的关系为:式Ⅰ中如果评估的聚类数是好的,两个给定的数据点应该一致地聚在一起,或者分开聚在一起;因此,[Ck]i,j应该分别接近于1或0;然而,中间值将表明跨褶皱的集群不一致,这是不可取的;为了量化这一点,首先计算所有对数据点的一致值的累积分布;用Pk(c)表示该分布,且c∈[0,1]是一致的;然后计算模糊聚类对的比例-PAC,让阈值一致值cT大于此值,判断跨褶分配为不充分齐次,那么聚类数k的PAC给出如下:式Ⅱ中,PAC值越低,显示出跨褶皱的集群具有更好的鲁棒性;提取一系列候选值的结果,在工具箱中,Kmax指定要评估的最大簇数,并对几个阈值一致值cT进行分析,以确定最佳簇数,得到的聚类值Kmax=12,Kbest=5,因此最终生成五种共激活模式。