前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >近红外脑功能成像与老年痴呆

近红外脑功能成像与老年痴呆

原创
作者头像
用户6944759
修改2020-02-11 15:10:19
1.3K0
修改2020-02-11 15:10:19
举报

说起老年痴呆,你想到什么?记忆退化,失语,运动功能丧失,以上种种都可以总结为认知障碍。简而言之,老年痴呆是一种以认知障碍为主要表现的神经退行性疾病。目前老年痴呆的发病机制尚未明确,已有研究表明基因遗传,饮食和生活作息习惯都在一定程度上影响了疾病的发生。

老年痴呆正成为人类健康的第一杀手。据2018年数据统计,全球痴呆患者的人数是5000万,该数字预计在2050年前会上升至1.52亿,该疾病不仅患者基数大,而且病例新增速度快,约每3秒就有一人成为老年痴呆患者。老年痴呆有多种分型,阿尔兹海默症(AD)是占比最大的一种,约占2/3,其他如血管型痴呆、帕金森等共占1/3。老年痴呆造成了沉重的社会经济负担,2018年全球因该疾病产生的经济负担是一万亿美元,预计2030年会达到2万亿美元[1]。

近红外脑功能成像fNIRS

近红外脑功能成像技术是一种新型光学成像技术,其生理机制是神经血管耦合效应,即神经活动与血流变化存在关联,通过对血流变化的监测我们可以获得脑功能活动的变化。fNIRS的工作原理具体而言就是一束近红外光穿过头发、头皮、头骨等多重屏障到达大脑皮层的血管内,特定波长的近红外光大部分被血管中的血红蛋白吸收,初始入射光有一部分会从头皮射出,通过检测出射光的光强可以推出血红蛋白浓度从而间接预测脑功能变化。

由于近红外脑功能成像自身的一些独特优势,因此将其应用于阿尔兹海默疾病的早期诊断成为近年来的研究热点。

图fNIRS成像原理

通过fNIRS成像技术获取脑血氧信号后结合信号分析方法及脑网络等方法,便可提取出有效的度量参数,实现对认知障碍的评估。

任务态下认知障碍人群异常脑区激活

Takehiko Doi 等人利用近红外脑功能像设备对双任务行走条件下轻度认知障碍患者的前额叶活动进行了探究。发现双任务时,行走速度小于正常行走时的速度,而前额叶通道的氧合血红蛋白浓度高于正常行走组。双任务时左侧前额叶的氧合血红蛋白浓度与执行功能显著相关,进一步解释了双任务助于认知康复的背后机制,并证实fNIRS在认知评估中运用的可行性[2]。

图 执行功能与HbO浓度相关性

Niu等人通过fNIRS探究了工作记忆任务(n-back记忆任务)下健康老人与轻度认知障碍老人脑区氧合血红蛋白浓度差异,并对Hbo浓度与神经心理学评分的相关性进行研究,结果表明轻度认知障碍人群的左侧额叶和颞叶激活下降且额颞叶部分通道的Hbo浓度与行为学评分存在较强相关性,说明这些敏感通道的fnirs信号可以作为AD早期诊断的指标[3]。

图 HC组和MCI组Hbo浓度的空间分布 (a)健康对照组在n-back任务中的空间激活模式,(b)轻度认知障碍组在n-back任务中的空间激活模式

图 任务正确数与部分通道Hbo浓度变化的相关性

脑功能连接分析

Tong Boon Tang等人通过近红外功能成像技术探究了HC\MCI\AD在语意言语流畅(SVFT)性任务中前额叶的功能连接情况,结果表明AD病人普遍表现连接下降,且左右前额叶偏侧指数不再显著,进一步的网络分析表明正常人脑网络聚类系数显著大于AD,该研究说明近红外成像在认知障碍诊断中应用的可行性,而借助语意语言流畅性任务,网络聚类系数和偏侧指数等指标有望成为认知障碍分类中的特征参数[4]。

图 NA\MCI\AD不同阈值下前额叶功能连接

信号复杂度分析

David Perpetuini等人利用近红外功能成像技术的便携性将该技术与临床量表评估结合,对选择性提醒测试(FCSRT)下正常人和早期AD患者前额叶皮质的近红外信号样本熵和多尺度熵参数进行分析,发现在波得曼脑区9和46处发现显著组间差异,早期AD组的复杂度增加[5]。

表 MSE表现显著组间差异的通道

图 FDR校正后的MSE具显著组间差异的通道

Antonio M. Chiarelli等人利用近红外成像技术对视空间及短期记忆任务下正常人和早期AD患者信号复杂度进行分析。基于通道的分析结果表明早期AD患者波得曼脑区9,10和46的信号复杂度发生变化,多元回归分析表明任务相关的信号复杂度对早期认知障碍具有良好的特异性和敏感性[6]。

图 不同实验阶段fNIRS信号复杂度的t值分布图

图 测试结果(a)和基于信号复杂度多元回归分析结果(b)的ROC曲线

小结

近红外脑功能成像技术的高空间定位性、抗运动信号干扰、适宜于自然情景均使得fNIRS发展成为阿尔兹海默症定量评估与筛查的新平台。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档