脑肿瘤患者手术前后脑结构网络拓扑属性研究

doi:10.3969/j.issn.0258-8021. 2017. 02.014

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (983 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要主要研究脑肿瘤的存在及手术对患者全脑及半脑结构网络拓扑属性的影响。结合弥散张量成像技术(DTI)和图论方法,对10例健康志愿者以及10例脑肿瘤患者进行术前术后全脑及半脑结构网络构建,获得两组受试者脑结构网络拓扑属性参数,以及反映脑认知功能的各项网络指标,并对其进行统计对比分析。结果显示,部分局部参数(包括K_i、L_i、E_nodal、C_i和E_ilocal)在手术前后具有明显差异,且术前组均优于术后组;全脑及半脑各全局网络参数显示,各项参数术前组均优于术后组;同时半脑结构网络分析显示,位于不同脑半球的脑肿瘤对患者脑结构网络所造成的损伤均无统计学差异(P>0.05)。肿瘤的存在以及手术均使得脑肿瘤患者脑结构网络发生改变,大脑的半脑优势化趋势明显降低;手术后结构网络拓扑特性的改变以及小世界属性的增强,验证大脑本身存在的代偿机制以及功能重组现象。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	薛莉陶玲
	钱志余
	俞宙
	孙金洋

关键词 ：弥散张量成像, 大脑结构网络, 脑肿瘤, 切除手术, 网络拓扑属性

Key words： diffusion tensor imaging human brain anatomical networks brain tumor resective surgery topological properties of the network

收稿日期: 2016-04-20

PACS:

R318

基金资助:国家自然科学基金(61275199);中央高校基本科研业务费专项(NS2015032)

通讯作者: E-mail: taoling@nuaa.edu.cn.

引用本文:

薛莉陶玲, 钱志余, 俞宙, 孙金洋. 脑肿瘤患者手术前后脑结构网络拓扑属性研究[J]. 中国生物医学工程学报, 2017, 36(2): 228-232.
Xue Li Tao Ling, Qian Zhiyu, Yu Zhou, Sun Jinyang. Research on Cerebral Structural Network of Brain Tumor Patients before and after Surgery. Chinese Journal of Biomedical Engineering, 2017, 36(2): 228-232.

链接本文:

http://cjbme.csbme.org/CN/10.3969/j.issn.0258-8021. 2017. 02.014 或 http://cjbme.csbme.org/CN/Y2017/V36/I2/228

[1] 陆娜, 冯晓源, 何慧瑾. 脑肿瘤的MR诊断进展[J]. 磁共振成像, 2011, 2(1):71-74.
[2] 江涛. 脑胶质瘤治疗技术与进展[M].北京:人民卫生出版社, 2011.
[3] Richter A,Woernle CM,Krayenbühl N,et al. Affective symptoms and white matter changes in brain tumor patients[J]. World Neurosurgery, 2015, 84(4):927-932.
[4] 侯庆石. 脑肿瘤患者认知功能的评测及其影响因素分析 [D]. 广州:南方医科大学, 2013.
[5] 左常阳, 罗毅男. 弥散张量成像在脑肿瘤诊断及手术切除中的应用 [J]. 中国微侵袭神经外科杂志, 2008, 13(11): 526-528.
[6] 高云生. 图像引导的头颈部肿瘤放射治疗 [D]. 上海:复旦大学, 2010.
[7] 李鹏. 脑肿瘤射频消融手术规划关键技术研究 [D]. 北京:北京工业大学, 2013.
[8] Piepmeier J, Baehring JM. Surgical resection for patients with benign primary brain tumors and low grade gliomas [J]. Journal of Neuro-Oncology, 2004, 69(1-3): 55-65.
[9] Taphoorn MJ, Klein M. Cognitive deficits in adult patients with brain tumours[J]. Lancet Neurology, 2004, 3(3):159-168.
[10] Tallen G,ReschA, Calaminus G, et al. Strategies to improvethe quality of survival for childhood braintumour survivors[J]. European Journal of Paediatric Neurology, 2015, 19(6): 619-639.
[11] 余敏, 陶玲, 钱志余, 等. 基于弥散张量成像的脑结构网络参数研究 [J]. 北京生物医学工程, 2014, 33(5): 446-451.
[12] Rubinov M, Sporns O. Complex network measures of brain connectivity: Uses and interpretations [J]. Neuroimage, 2010, 52(3): 1059-1069.
[13] CaeyenberghsK, Leemans A, Decker CD,et al. Brain connectivity and postural control in young traumatic brain injury patients: A diffusion MRI based network analysis [J]. Neuroimage Clinical, 2012, 1(1): 106-115.
[14] Liu Yong, Liang Meng, Zhou Yuan, et al. Disrupted small-world networks in schizophrenia[J]. Brain, 2008, 131(4): 945-961.
[15] Su Tsungwei, Hsu Tunwei, Lin Yiching, et al. Schizophrenia symptoms and brain network efficiency: A resting-state fMRI study [J]. Psychiatry Research, 2015, 234(2): 208-218.
[16] Wang Bin, Fan Yuanyuan, Lu Min, et al. Brain anatomical networks in world class gymnasts: a DTI tractography study [J]. Neuroimage, 2012, 65(1): 476-487.
[17] Wang Wei, Collinger JL, Perez MA, et al. Neural interface technology for rehabilitation: exploiting and promoting neuroplasticity [J]. Physical Medicine & Rehabilitation Clinics of North America, 2010, 21(1): 157-178.
[18] 郑秀丽, 敖纯利, 沈抒, 等. 大脑高级皮质功能可塑性的认知神经心理学研究进展 [J]. 中国康复医学杂志, 2007, 22(11): 1044-1046.
[19] 刘小燮. 脑机交互结合功能性电刺激康复训练新技术对慢性期脑卒中大脑可塑性的影响 [D]. 北京:中国人民解放军医学院, 2014.
[20] Nielsen JA, Zielinski BA, Ferguson M A, et al. An evaluation of the left-brain vs. right-brain hypothesis with resting state functional connectivity magnetic resonance imaging [J].PLoS ONE, 2013, 8(8): e71275-e71286.
[21] Whitehouse AJO, Bishop DVM. Cerebral dominance for language function in adults with specific language impairment or autism [J]. Brain A Journal of Neurology, 2008, 131(12): 3193-3200.