神经突方向离散度和密度成像结合机器学习对遗忘型轻度认知障碍脑微观结构的研究
目的 采用神经突方向离散度和密度成像(NODDI)结合机器学习算法,研究遗忘型轻度认知障碍(aM-CI)脑微观结构的改变.方法 搜集26例aMCI患者和24例健康对照者,进行磁共振扩散序列扫描,采用NODDI_toolbox对扩散数据进行处理,获得NODDI参数神经突密度指数(NDI)、方向离散度指数(ODI)和各向同性水分子体积分数(Viso),基于约翰霍普金斯大学脑白质图谱,制作11个脑白质结构的模板,包括双侧扣带束、胼胝体膝部和压部、双侧内囊后肢、双侧上纵束、双侧钩束和穹窿的模板,基于解剖学自动标记模板(AAL),制作14个脑灰质结构的模板,包括双侧海马、双侧海马旁回、双侧杏仁核、双侧尾状核、双侧苍白球、双侧壳核、双侧丘脑的模板,提取模板的NDI、ODI和Viso值,应用K最近邻(KNN)、Logistic回归(LR)、随机森林(RF)、支持向量机(SVM)机器学习算法评估NODDI各参数对aMCI的预测能力;并对提取值进行独立样本t检验,具有统计学差异的结构与简易智能状态检查量表(MMSE)和蒙特利尔认知评估量表(MoCA)评分进行相关性分析.结果 采用KNN、LR、RF、SVM机器学习算法,所有模板NDI值预测aMCI的受试者工作特征(ROC)曲线下面积(AUC)分别是0.781、0.719、0.833、0.766,所有模板ODI值预测aMCI的AUC分别是0.891、0.859、0.914、0.922;所有模板Viso值预测aMCI的AUC 分别是 0.914、0.891、0.922、0.891;所有模板 NODDI 所有参数(NODDI_all)预测 aMCI 的 AUC 分别是 0.938、0.922、0.969、0.953;在白质结构中,aMCI组有45.45％(5/11)的NDI值显著降低,18.18％(2/11)的ODI值显著降低,27.27％(3/11)的Viso值显著增加;在灰质结构中,aMCI组有7.14％(1/14)的NDI值显著降低,71.43％(10/14)的ODI值显著降低,14.29％(2/14)的Viso值显著增加;相关性分析,右侧钩束NDI值,左侧上纵束、右侧海马、左侧尾状核、左侧苍白球ODI值,双侧扣带束、左侧海马Viso值均与MMSE评分相关;胼胝体压部、双侧钩束、左侧杏仁核NDI值,左侧上纵束、双侧海马、双侧海马旁回、左侧尾状核、左侧苍白球、左侧壳核、双侧丘脑ODI值,双侧扣带束、左侧海马Viso值均与MoCA评分相关.结论 MCI阶段脑白质微观结构以神经突密度降低为主,灰质微观结构以树突复杂性降低为主,NODDI可能能够反映aMCI的临床认知状态,NODDI结合机器学习算法,有望成为aMCI早期诊断的新方法.
认知障碍、机器学习、扩散加权成像、神经突密度、方向离散度
41
R743;TU528.042.6;TP311.52
天津市卫健委课题项目;天津市医学重点学科专科建设项目
2022-09-14（万方平台首次上网日期，不代表论文的发表时间）
共7页
1239-1245
