《基於腦網路計算的多模態醫學圖像數據處理方法及套用》是依託北京師範大學，由賀永擔任項目負責人的重點項目。
基本介紹
- 中文名：基於腦網路計算的多模態醫學圖像數據處理方法及套用
- 依託單位：北京師範大學
- 項目負責人：賀永
- 項目類別：重點項目
項目摘要,結題摘要,
項目摘要
活體人腦結構和功能網路的構建及其連線模式描述（即人腦連線組學）是當今神經科學領域最為核心的研究課題之一，然而相關的計算理論與計算方法仍很不成熟。本項目擬通過分析多模態磁共振圖像海量數據建立一套規範、科學的腦網路計算方法體系，具體包括：磁共振圖像數據預處理方式對腦網路構建的評價；腦網路拓撲屬性在不同人群和時間的可重複性和穩定性評價；腦網路拓撲屬性的系統描述；腦結構-功能網路的融合計算模型等。進一步，本項目擬將建立的腦網路計算方法用於阿爾茨海默氏病的橫向和縱向多模態影像學數據集，以發現病人異常腦連線模式，並以此模式為敏感特徵建立病人早期診斷和病情進程檢測的腦網路影像學標記，同時為建立的腦網路計算方法提供疾病模型驗證。該項目的實施不僅將為當今國際上極為關注人腦連線組學這一重大科學前沿課題做出貢獻，而且對探索阿爾茨海默氏病和其他重大神經精神疾病的發病機理、早期診斷及治療評價均具有重要意義。
結題摘要
活體人腦結構和功能網路的構建及描述（即“人腦連線組學”）是當今神經科學領域最為核心的研究課題之一，然而相關計算方法很不成熟，生理基礎亦不清晰。本項目建立並評價多模態磁共振圖像海量數據的人腦網路計算方法體系。主要研究內容包括：腦網路動態和方向性計算方法；圖像預處理對腦網路構建評價；腦網路拓撲屬性可重測評價；腦網路計算在阿爾茨海默病(Alzheimer’s Disease, AD)的疾病模型驗證。項目組取得的重要進展包括：（1）基於多模態磁共振海量數據的腦網路計算方法及軟硬體計算平台：建立了基於變參數回歸和卡爾曼濾波方法描述靜息態動態功能連線計算方法；提出採用Granger因果模型和圖論研究人腦功能有向網路的計算方法；系統評價了腦網路分析多個關鍵因素（如不同腦節點和腦連線定義、不同圖像預處理方式、不同掃描方式以及個體差異等）對拓撲屬性的影響；採用多模態功能影像數據揭示了靜息態腦網路核心區域連線強度與局部腦血流的關聯規律；開發了多模態神經影像和腦網路分析和可視化軟體包Gretna和BrainNet Viewer。這些對於腦網路計算方法建立、揭示腦網路生理基礎及選擇穩定可靠的腦網路分析指標具有重要價值。（2）多模態磁共振海量數據的腦網路計算方法在阿爾茨海默病套用研究。利用彌散磁共振纖維跟蹤技術和腦網路計算方法，構建了AD痴呆階段和痴呆前階段(輕度認知障礙)的全腦白質網路，發現患者腦網路效率顯著降低，額葉皮層降低最為明顯且與言語工作記憶相關；採用靜息態功能磁共振成像和腦網路分析技術，構建了AD痴呆階段和痴呆前階段的高精度腦功能網路，發現中樞腦區的紊亂主要位於內側額頂皮層且與患者認知能力相關。研究不僅闡釋了AD患者腦網路關鍵神經通路異常，為深入理解該疾病的病理生理機制提供了新視角，也為該疾病早期診斷影像標誌物研究提供了重要信息。在該基金資助下，項目組共發表(含接收)63篇學術論文(61篇英文和2篇中文論文)，包括SCI論文59篇，其中通訊作者論文42篇，這包括發表在PNAS (1篇)，Biol Psychiatry (3篇), Cereb Cortex (4篇), Neuroscientist (2篇), J Neurosci (3篇), NeuroImage (6篇)和Hum Brain Mapp (3篇)上IF＞5的論文25篇。
