基于脑网络信息传递特性的癫痫病灶区定位

目的癫痫是一种反复发作的慢性脑疾病,严重危害患者身心健康。如何精确定位癫痫病灶区是目前医学研究热点之一。本文旨在基于脑网络信息传递特性定位癫痫病灶区,期望为临床确诊病灶区提供创新思路。方法应用频域因果连接分析构建5位颞叶癫痫患者颅内脑电特征频段因果网络,计算网络节点因果流。结果 (1)颞叶癫痫患者颅内脑电能量分布优势频带是δ、θ频段,δ、θ频段能量显著高于其他频段,病灶区能量分布高于非病灶区。(2)颞叶癫痫患者病灶区因果流小于0,非病灶区因果流大于0。结论 (1)颞叶癫痫患者颅内脑电特征频段为δ、θ,病灶区特征频段能量异常增强。(2)颞叶癫痫患者因果网络中,被定义为因果汇的脑区为临床确诊病灶区,因果源脑区为非病灶区,病灶区易受非病灶区影响。

基于静息态功能磁共振异常脑区体素值的帕金森病分类研究

目的通过提取正常对照组与帕金森病（PD）组静息态功能磁共振图像特征实现PD的分类。方法对32例正常人（正常对照组）与32例PD患者（PD组）采用3．0T磁共振扫描仪进行静息态功能磁共振检查；接着使用DPARSF软件对图像进行预处理，得到全脑的低频振幅（ALFF）、比率低频振幅（fALFF）和局部一致性（ReHo）参数图；然后对参数图利用双样本T检验提取具有显著差异的脑区体素值作为图像特征值，利用支持向量机分类器对特征值进行模型训练；最后采用分类精度、受试者操作特性（ receiver operating characteristics, ROC）曲线及曲线下面积（AUC）值对分类结果进行评价。结果在ALFF、fALFF和ReHo参数图上分别提取了1167、1678、2780个异常脑区体素值，利用这些脑区体素值取得了较理想的分类结果，其中基于ReHo参数图的分类结果最好，其分类精度为96．97％，AUC值为0．99。结论通过提取正常对照组与PD组静息态功能磁共振图像中差异脑区体素值，可以对PD实现较高准确率的分类，为临床诊断提供辅助依据。