基於嗅皮層變性及腦結構MRI的AD分類及MCI轉化預測研究

《基於嗅皮層變性及腦結構MRI的AD分類及MCI轉化預測研究》是依託吉林大學，由郭春傑擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於嗅皮層變性及腦結構MRI的AD分類及MCI轉化預測研究
• 項目類別：青年科學基金項目
• 項目負責人：郭春傑
• 依託單位：吉林大學

項目摘要

探索阿爾茨海默病（AD）早期個性化無創性分類診斷模型，並對MCI患者是否會進展為AD進行預測具有重要的臨床及科研意義。近年來研究表明嗅覺損害可作為AD早期及臨床前期的潛在生物學標誌物，但是基於嗅功能活動減低及反應其相應病理變化的腦結構改變的研究有限。課題組已通過嗅覺腦功能磁共振（fMRI）研究證實AD及輕度認知功能障礙（MCI）患者初級嗅皮層（POC）區激活減低，並與該區腦萎縮程度有關。基於先進的腦結構磁共振成像（sMRI）自動分割結果建立的AD分類模型有效且穩健，但嗅皮層變性在AD分類診斷中的作用尚不明確。本課題擬採用多元分析方法（MVA）聯合嗅皮層變性及腦結構自動分割結果建立AD vs. CTL分類模型，對其在AD及MCI早期個性化診斷中的價值做進一步研究；並對MCI進行長期多時間點隨訪，對MCI病人是否轉化為AD進行外部驗證，為建立基於多模態MRI技術的AD分類診斷模型提供新思路。

結題摘要

近年來研究表明嗅覺損害可作為AD早期及臨床前期的潛在生物學標誌物，但是基於嗅功能活動減低及反應其相應病理變化的腦結構改變的研究有限。本課題組通過嗅覺腦功能磁共振（fMRI）研究證實AD及輕度認知功能障礙（MCI）患者初級嗅皮層（POC）區激活減低，並與該區腦萎縮程度有關。同時對腦結構及腦白質高信號（WMH）自動分割及定量測量進行可重複性進行研究，並對病灶填充是否影響腦結構自動分割進行研究，進而獲得穩健的腦結構及WMH自動分割方法。本課題組進一步採用機器學習方法，聯合嗅皮層變性特徵（嗅覺腦fMRI POC區BOLD信號激活百分比、POC區腦體積）及基於FreeSurfer腦sMRI自動分割技術得到的皮層厚度及局部腦體積作為特徵，分別並聯合建立AD vs. CTRL、MCI vs. CTRL及AD vs. MCI分類診斷模型。發現聯合嗅皮層變性及腦體積特徵可以提高上述疾病的分類診斷效力，為建立基於多模態MRI技術的AD分類診斷模型提供新思路。