阿尔茨海默病风险人群的超早期β淀粉样蛋白沉积与默认网络模式的关联研究

目的 探讨阿尔茨海默病风险人群的超早期脑脊液β淀粉样蛋白(Aβ)沉积与默认网络(DMN)功能连通性的关系。方法 纳入阿尔茨海默病神经影像学计划从2010年7月至2018年12月在北美地区招募的轻度认知障碍受试者,根据36个月随访期脑脊液Aβ的变化将受试者分为Aβ下降组(25例)和稳定组(19例)。运用脑功能MRI技术研究脑脊液Aβ下降、DMN功能连通性和认知功能变化的关系。结果 相较于Aβ稳定组,Aβ下降组在随访过程中连线测试-B(TMT-B)时间延长(P<0.05)。在双侧枕中回和左侧颞中回,Aβ下降组DMN功能连通性低于Aβ稳定组(P<0.01);其中,左侧颞中回的功能连通性与TMT-B时间呈负相关(r<0,P<0.05)。结论 超早期Aβ沉积与颞枕叶DMN功能连通性下降密切相关,且导致了执行功能损害。

脑老化与β淀粉样蛋白沉积

在脑老化的进程中,β淀粉样蛋白(Aβ)的沉积引起认知功能的下降,其机制尚不清楚。文章从β淀粉样蛋白沉积对脑萎缩程度、脑细胞相互作用、氧化应激反应、分泌酶活性的影响等方面对脑老化的进程、认知功能下降与淀粉样蛋白的关系进行了综述。

基于像素特征学习的磁共振图像中β淀粉样蛋白沉积信息检测算法

β淀粉样蛋白(Aβ)沉积是阿尔茨海默症(AD)的重要防治靶点,在脑中及早发现Aβ蛋白沉积是AD早期诊断的关键。磁共振成像(MRI)是一种理想成像方式,但不能直接显示图像中存在的沉积信息。本文基于过滤式和封装式的选择模式引入链式智能体遗传算法(CAGA)、主成分分析(PCA)、支持向量机(SVM)和随机森林(RF),构建6种特征学习分类算法,通过像素特征优选来实现Aβ蛋白沉积信息(分布)的检测。首先,分割脑磁共振(MR)图像中的脑组织;然后提取脑组织中的像素值形成像素特征向量;接着设计特征学习分类算法对像素实现特征优选,并基于投票机制得到一组最终最优特征向量;最后采用弹性映射方法将最优像素特征向量映射到脑MR图像上,并标记出对应的像素点,从而显示出Aβ蛋白沉积的分布。实验结果表明,本文的像素特征学习方法可提取并显示Aβ蛋白沉积信息,最高分类准确率可达到80%以上,表明该方法是可行和有效的。本文从脑MR图像中检测的Aβ沉积信息将有助于提高基于MR的AD诊断准确率。

中药复方防治老年性痴呆药理作用研究

大量文献资料显示,中药复方在防治老年性痴呆实验中疗效显著,中药复方通过抑制β淀粉样蛋白沉积、抗炎、增强胆碱能神经功能、抗氧化应激、修复线粒体损伤、抑制神经细胞凋亡、调节神经营养因子、抗Tau蛋白异常磷酸化、改善突触功能及调节脑内微量元素等10个方面的药理作用达到防治老年性痴呆的功效。