基于视觉认知任务的注意缺陷多动障碍患儿与正常儿童脑功能网络差异研究

针对注意缺陷多动障碍(ADHD)儿童与正常儿童在执行任务状态下的脑网络的差异性,本文采用视觉功能区网络特征进行了比较研究,提取的试验数据为受试者执行猜题任务时,视觉捕捉范式获取的功能性磁共振成像(fMRI)数据,受试者包括23名ADHD患儿[年龄:(8.27±2.77)岁]与23名正常儿童[年龄:(8.70±2.58)岁]。首先,本文利用fMRI数据构建视觉区脑功能网络;然后,获取视觉区脑功能网络的特征指标,包括:度分布、平均最短路径、网络密度、聚集系数、介数等,并与传统全脑网络进行对比分析;最后,利用机器学习算法中的支持向量机(SVM)等分类器对特征指标进行分类以区分ADHD儿童与正常儿童。本研究采用视觉区脑功能网络特征进行分类,分类精度最高达到96%,与传统的构建全脑网络方法相比,精度提高了10%左右。试验结果表明,使用视觉区脑功能网络分析法能够更好地区分ADHD儿童与正常儿童。该方法对ADHD儿童与正常儿童脑网络的区分具有一定的帮助,有利于ADHD儿童的辅助诊断。

闪光视觉诱发电位方法学分析及其在鞍区肿瘤术中监测的初步应用

目的分析术中闪光视觉诱发电位(F-VEP)监测的相关方法学参数,并探讨其在鞍区肿瘤手术中的应用价值。方法回顾性分析2018年5月至2019年8月首都医科大学附属北京天坛医院神经外科收治的117例患者的临床资料。纳入86例椎管内占位患者(112侧眼,设为A组)进行F-VEP监测方法学参数研究。将可获得稳定F-VEP波形的参数应用于31例鞍区肿瘤患者(62侧眼,设为B组)。所有患者均在全静脉麻醉下行肿瘤切除术,并在术中行F-VEP监测,比较不同导联、不同刺激频率(0.7~1.2 Hz)下所获取F-VEP的波幅。结果A组中,在所有刺激频率下,O2-Fz或Oz-Fz导联的N75-P100峰间值(A1)均高于O1-Fz导联(均P<0.05);0.7~1.0 Hz刺激频率下,O2-Fz或Oz-Fz导联的P100-N145峰间值(A2)均高于O1-Fz导联(均P<0.05);在任一导联中,0.7~1.2 Hz范围内各刺激频率下产生的F-VEP A1的差异均无统计学意义(均P>0.05),而0.7 Hz频率下产生的F-VEP A2均高于其他频率下获得的波幅(均P<0.05)。B组中,61侧眼术中引出稳定的F-VEP波形,引出率为98.4%(61/62)。B组19例患者术中的F-VEP波形无变化,其中13例患者术后的视觉功能较术前无变化,6例患者的视觉功能有所改善。B组12例患者术中的F-VEP波形呈可逆性变化,其中4例术后视觉功能较术前无改变,7例有改善,仅1例视觉功能下降。结论选择合适的电生理刺激参数后,可在神经外科手术中获得稳定的F-VEP波形;通过在鞍区肿瘤手术中应用F-VEP监测,初步证实术中F-VEP监测结果可用于预测患者的术后视觉功能。

VisConnectome：基于图论且独立运行的脑网络可视化软件

人脑作为一个复杂的系统,其拓扑结构在研究脑结构和功能机制上有十分重要的作用。利用图论可以有效地分析复杂脑网络并且得到它在正常发育和病理状况下拓扑结构的变化。为了更加高效地利用图论的分析策略,开发具有图形界面的可视化软件非常必要。为此,我们开发了VisConnectome,以直观、友好的方式呈现脑网络的分析结果。该软件提供独特的图形用户界面(GUI),包括工具箱、工具栏、双滑块过滤器、脑区属性栏等,可以在任意微软Windows操作系统下运行且不依赖于其他平台。读入自定义初始化脑网络信息的脚本文件后,将脑网络抽象为球棍模型并允许相关可视化操作,如标识节点和边、改变属性(如大小和颜色)、过滤简化脑网络以及与脑表面融合、脑分区显示等。通过实验和分析,我们得出:VisConnectome是一个高效、快速的脑网络可视化软件,可以帮助研究人员更加灵活方便地对结构或功能脑网络进行可视化和比较分析。