Application of magnetic resonance diffusion tensor imaging in alzheimer’s disease
[Abstract] Alzheimer’s disease (AD) is a neurodegenerative disease , which can easily occur in elderly people. The cognitive impairment is an important marker of AD, advanced AD patients will lose the ability to take care of themselves, which has a serious impact on family even society. Therefore, it has received extensive attention. Diffusion tensor imaging can provide the information about microstructure changes in patients with AD, and it make for studying the pathogenic mechanism of AD. In this article, the research progresses of diffusion tensor imaging in AD were reviewed.
[Key words] Diffusion tensor imaging; Alzheimer’s disease; White matter
磁共振弥散张量成像在阿尔茨海默病研究中的应用
[摘 要]:阿尔茨海默病(Alzheimer’s Disease, AD)是极易发生于高龄人群的神经退行性疾病,主要标志为认知功能的障碍,晚期AD患者将失去生活自理能力,对家庭乃至社会造成了严重影响,因此其得到了广泛的重视。弥散张量成像(Diffusion Tensor Imaging, DTI)技术能够提供AD患者大脑白质微观结构变化的信息,有利于研究AD患者发病机理。本文主要对DTI技术在阿尔茨海默病的研究进展做一综述。 [关键词] 弥散张量成像;阿尔茨海默病;脑白质 0 引言
阿尔茨海默病(Alzheimer’s Disease, AD)是一种好发于高龄人群的神经退行性疾病,主要以认知和记忆功能的衰退为临床表现。随着病情的进展,最终会导致患者执行功能障碍,甚至是丧失生活自理能力[1-2]。因此,探寻AD早期的诊断方法对社会具有重要的意义。以往的报道主要是对AD的灰质体积进行研究,现在已证实白质在AD病理进程中也会受到 严重影响。弥散张量成像(Diffusion Tensor Imaging,DTI)是近年来兴起的功能影像技术,它有助于我们了解AD病理相关白质的一些变化,为AD的诊断提供一种新的方式。本文对DTI技术在AD中的研究进展进行综述。 1 DTI原理介绍
DTI是一种无创测量水分子平移运动的磁共振成像技术,能够提供不同组织各项异性的信息,以此来反映白质组织的完整性[3]。弥散方式主要分为各向同性和各向异性,各向同性是指水分子在每个维度上的运动距离都一样,各向异性是指水分子的运动距离在某个维度上具有偏向性。白质的脱髓鞘会导致其附近的水分子对沿着纤维束方向的依赖性减少,导致水分子的各向异性减少,DTI用此原理来区别异常的白质组织。DTI评估白质纤维完整性的二
维灰度标量主要有各向异性分数(Fractional Anisotropy,FA)和平均弥散率(Mean Diffusivity MD),FA值的下降以及MD值的上升,表明白质的微观结构被破坏[4]。因此,基于DTI技术的AD研究有助于我们进一步认知病变发生的机理,在临床及脑疾病研究中具有广阔的应用前景。
2 DTI研究AD的分析方法
DTI数据的分析方法主要包括感兴趣区分析法(Region of Interest, ROI)、基于体素的形态学分析法、(Voxel-Based Morphometry, VBM)、基于纤维束示踪的空间统计分析法(Tract-Based Spatial Statistics, TBSS)以及特定纤维束分析法(Tract-Specific Analysis,TSA)。
ROI分析法主要是通过人为手动的选取特定脑区,进行组间的差异分析。它具有执行方便、目的性强等优势。但是ROI分析法比较耗时且重现性差,它对操作者的要求较高。此外,ROI分析法的准确性还受到噪声和部分容积效应的影响。
VBM分析法也叫基于张量的形态学分析(Tensor-Based Morphometry, TBM),通过统计参数图(Statistical Parametric Mapping, SPM)软件将每个被试的MD图像和FA图像空间标准化到标准空间模板上,然后进行基于体素的统计学分析。此方法的优点是全自动流程以及允许全脑的分析,但它也有局限性,低分辨率、高对比度的MD/FA图的配准可能会发生严重误差,部分容积效应会导致的假阳性结果。此外,对DTI数据进行空间平滑的程度仍未达成一致。
TBSS分析法是一种新的VBA方法,VBA使用的是基于大脑形状匹配的方法,然而TBSS使用的是基于纤维束匹配的方法。TBSS解决了VBA中的配准和平滑问题,它通过非线性的配准将个体FA图像投射至平均FA纤维骨架,平均FA纤维骨架是通过扭曲所有被试脑图像确定的最小变形目标脑。然而TBSS的缺陷是获得最小变形目标比较耗时,并且从骨架图获得的纤维束FA值是否准确需要进一步的研究。
TSA是一种较为新颖的分析方法,它能够提取重建纤维的弥散参数,在概念上与ROI分析类似,不同的是TSA分析法感兴趣的纤维束是通过纤维示踪成像算法自动确定的,它能够测量纤维束几乎整个长度的弥散参数。TSA 不仅能够三维显示大脑纤维束的走向,而且可以定量分析特定的纤维束,有助于科研人员进一步认知脑区之间的连接失调。相比较于VBA或者ROI,TSA能够更加精准的测量纤维束的完整性,因为它拥有更好的解剖定位,能够避免邻近组织对纤维束的影响。但是该方法也有一个缺陷,对感兴趣的纤维束进行追踪时,需要人为的设置种子点和目标点来开始和结束追踪,该过程不能完全的做到全自动。
3 DTI在AD脑白质二维灰度标量的研究
AD的病理表现之一是大脑萎缩,以往的大量研究[5-7]证实AD患者灰质的萎缩是起于海马旁回中的内嗅皮层,之后累及海马、杏仁核以及颞顶枕交界区等部位。随着病情的加剧,最后导致新皮质联络区受到破坏,大脑出现广泛的萎缩。现在越来越多的研究表明[8-9],AD患者除了脑灰质会发生一定程度的萎缩之外,也会出现脑白质微观结构的异常,对于白质的异常最为合理的解释是脑网络和纤维连接的失调[10]。
Bozoki等[11]采用ROI定量分析发现,AD患者穹窿以及下扣带回的体积、FA值明显下降。这与Remy等[12]的研究结果相似,他发现AD患者两侧钩束、海马旁回扣带束以及穹窿的FA值明显下降,表明在AD病程中边缘系统的白质通路在一定程度上受到了影响。之后,Palesi等[13]采用VBA法研究发现,AD患者的海马、海马连接楔前叶的纤维(Hipp-PC Tracts, HPT)以及海马连接后扣带回的纤维(Hipp-PCC Tracts, HPCT)体积减少、MD值上升,他们还发现言语的记忆与左侧海马纤维、HPT以及HPCT的MD值呈负相关,进一步证实了边缘系统微观结构的异常。现在越来越多的研究认为,除了边缘系统的白质纤维会发生退化之外,整个大脑范围的白质都会出现广泛异常,对于这种现象最为合理的解释就是皮质-皮质联络纤维的传播。Meng等[14]研究发现AD患者的两侧上纵束、下额枕束FA值明显下降,他们进一步发现上纵束FA值的下降与认知功能的衰退呈正相关,暗示着上纵束的FA值可以作为AD患者认知功能的临床参考指标。这与Kijajevic[15]等的研究结果相似,他还发现AD患者双侧下纵束、钩束FA值下降、MD值上升。钩束是连接颞极和眶额回的纤维束,作为Yakovlev回路的重要一个环节,与许多高级认知功能相关,它的退化将导致患者认知功能障碍[16]。此外,Chen等[17]用TBSS方法研究发现AD患者扣带、海马、皮质脊髓束以及下额枕束的FA值下降,并且FA值下降的脑区主要集中在后部,表示大脑后部白质出现广泛的异常,这与AD的病理过程相一致[18]。
上述报道都是基于Wallerian理论,他们认为白质的退化是继发于灰质的萎缩,并呈现 一个进行性的发展。现有研究提出白质的退化是独立于灰质萎缩的,并认为在AD早期白质的微观结构就已经开始发生变化。Zhuang等[19]通过纵向研究发现,早期MCI患者只有穹窿MD值上升,这说明在早期MCI灰质没有出现明显萎缩前,穹窿就已经开始发生变化。之后, Lacalle等[20]通过ROI定量分析发现AD患者海马旁回束、扣带回纤维以及胼胝体压部FA值明显下降,但是他们发现这些边缘系统纤维束的退化与内侧颞叶的萎缩没有直接联系。现有研究[8]发现轻度认知障碍(Mild Cognitive Impairment, MCI)患者的内侧颞叶发生萎缩,然而白质的异常不仅仅局限于内侧颞叶,它在全脑范围内出现了一个广泛的退化,暗示着颞
磁共振弥散张量成像在阿尔茨海默病研究中的应用
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)
![](/skin/haowen/images/icon_star.png)