CN116504363B - 基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 - Google Patents
基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 Download PDFInfo
- Publication number
- CN116504363B CN116504363B CN202310525347.7A CN202310525347A CN116504363B CN 116504363 B CN116504363 B CN 116504363B CN 202310525347 A CN202310525347 A CN 202310525347A CN 116504363 B CN116504363 B CN 116504363B
- Authority
- CN
- China
- Prior art keywords
- group
- magnetic resonance
- depressive disorder
- major depressive
- tms
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000010586 diagram Methods 0.000 title claims abstract description 30
- 208000024714 major depressive disease Diseases 0.000 claims abstract description 75
- 238000002610 neuroimaging Methods 0.000 claims abstract description 52
- 230000000284 resting effect Effects 0.000 claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 238000012353 t test Methods 0.000 claims abstract description 21
- 238000000692 Student's t-test Methods 0.000 claims abstract description 19
- 238000011282 treatment Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 26
- 210000004556 brain Anatomy 0.000 claims description 17
- 238000011491 transcranial magnetic stimulation Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000004807 localization Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 4
- 230000003925 brain function Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 4
- 208000020401 Depressive disease Diseases 0.000 claims description 2
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000002595 magnetic resonance imaging Methods 0.000 claims 1
- 208000011736 mal de Debarquement Diseases 0.000 abstract description 18
- 230000007177 brain activity Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 26
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 6
- 238000002560 therapeutic procedure Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003001 depressive effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004007 neuromodulation Effects 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 210000002442 prefrontal cortex Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013548 repetitive transcranial magnetic stimulation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000000974 brodmann area Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 210000004326 gyrus cinguli Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 231100001274 therapeutic index Toxicity 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N2/00—Magnetotherapy
- A61N2/004—Magnetotherapy specially adapted for a specific therapy
- A61N2/006—Magnetotherapy specially adapted for a specific therapy for magnetic stimulation of nerve tissue
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Child & Adolescent Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Developmental Disabilities (AREA)
- High Energy & Nuclear Physics (AREA)
- Physical Education & Sports Medicine (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法及系统，采集重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据，并进行数据预处理；以球形sgACC为种子点，对每个受试者进行功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图；通过对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，作为组水平定位靶点；结合所得组水平定位靶点和预处理后的个体磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。本发明充分考虑到抑郁症患者的总体脑活动异常和个体功能变异，实现针对MDD患者TMS治疗的精准个体化定位。
Description
技术领域
本发明属于经颅磁刺激靶点定位技术领域，具体涉及一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法及系统。
背景技术
针对左侧背外侧前额叶皮层(dorsal lateral prefrontal cortex,DLPFC)的重复性经颅磁刺激(repetitive transcranial magnetic stimulation,rTMS)是被美国食品及药物管理局(food and drug administration,FDA)批准的难治性重性抑郁障碍(majordepressive disorder,MDD)的常见疗法。然而，传统的靶向算法如5毫米法、脑电图(electroencephalography,EEG)F3位点定位方法和基于布鲁德曼分区(Brodmann area)的定位方法等，其对抑郁症有效性和反应率并不令人满意。影响治疗效果最重要的因素是患者的个体化差异很大，每位患者脑结构和功能的发育情况均有不同，因此治疗的最佳靶点也不相同，根据统一的靶点进行TMS定位很难在每个患者上达到最好的治疗效果。因此，根据患者个体的脑结构和功能特点进行靶点的个体化精确定位是提高rTMS治疗效果的关键。
目前，基于功能磁共振脑成像(functional magnetic resonance imaging,fMRI)计算功能连接(functional connectivity,FC)是常见的经颅磁刺激(transcranialmagnetic stimulation,TMS)治疗难治性MDD患者的DLPFC精准定位方法。上述方法通过将sgACC设为感兴趣区(region of interest,ROI)，计算全脑水平功能连接，然后在DLPFC的掩膜(mask)内寻找最大负连接点。然而，由于功能磁共振成像的信噪比低，使用单个个体影像计算基于sgACC功能连接的TMS靶点很不稳定，因此研究者常用组水平平均功能连接来得到对应的靶点。神经科学研究发现，膝下前扣带回(subgenual anterior cingulatecortex,sgACC)脑区同抑郁症TMS治疗靶点DLPFC脑区存在着显著的负功能连接，DLPFC中该负功能连接绝对值最大的位置，一般是进行TMS刺激治疗抑郁症疗效最好的位置。但是，此类方法存在着一定的缺陷：其一是由于缺乏大样本的抑郁症脑成像样本，研究者使用健康人磁共振数据计算全脑功能连接，而抑郁症患者的全脑功能连接同健康人之间存在着显著的差异，因此基于健康人样本定位的组水平DLPFC靶点展开TMS治疗对于抑郁症患者不能达到最好的疗效；其二是该方法是基于组水平平均后的全脑功能连接计算DLPFC靶点，没有达到个体化定位靶点的效果。
发明内容
为了解决现有技术中所存在的上述技术问题，本发明提供了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法及系统，使用上千人的抑郁症样本脑成像大数据进行后续的靶点计算，充分考虑到抑郁症患者的脑自发活动的功能变异，使其比基于健康人样本的算法更具合理性，实现针对MDD患者TMS治疗的精准个体化定位。
所采用的具体方案如下：
一方面，本发明提供了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，所述方法包括如下步骤：
步骤1，采集若干名重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据；
步骤2，对所采集到的静息态功能磁共振脑成像数据进行数据预处理；
步骤3，在预处理后的个体静息态功能磁共振脑成像数据上，以球形sgACC为种子点，对每个受试者进行基于种子点的功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图；
步骤4，通过对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点；
步骤5，结合所得经颅磁刺激重性抑郁障碍组水平定位靶点和预处理后的个体重性抑郁障碍静息态功能磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。
进一步地，所述步骤1中所采集到的静息态功能磁共振脑成像数据来自多个站点，且采用经验贝叶斯的Combat算法进行数据的标准化。
进一步地，所述步骤2中对所采集到的静息态功能磁共振脑成像数据进行数据预处理，其具体方法是：
步骤2.1，删除所采集到的静息态功能磁共振脑成像数据最初的时间点，保证磁场均匀性和受试者适应扫描条件；
步骤2.2，将静息态功能磁共振脑成像数据转换为BIDS格式，并使用基于体空间或者皮层空间的预处理工具，对转换后的磁共振结构成像和功能成像数据进行预处理；
步骤2.3，采用线性回归方法对预处理后的静息态功能磁共振脑成像数据进行去噪处理；
步骤2.4，采用带通时间滤波器和空间平滑方法，完成对静息态功能磁共振脑成像数据的滤波与平滑处理。
进一步地，所述步骤3中，在预处理后的个体静息态功能磁共振成像上使用基于体空间的sgACC球形ROI或者基于皮层空间的sgACC模板ROI，计算基于sgACC种子点的全脑功能连接；采用皮尔逊相关计算功能连接。
进一步地，所述步骤4中，对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验时，使用基于无阈值的团块增强和置换检验方法对双样本t检验的sgACC功能连接图进行多重比较校正，在DLPFC掩膜内，提取校正后重性抑郁障碍组和正常对照组之间存在显著差异的团块，将其作为组水平的治疗MDD的DLPFC TMS靶点。
进一步地，基于所述步骤5中得到的组水平靶点采用双回归算法得到个体化TMS靶点的具体方法包括：
步骤5.1，用单个重性抑郁障碍受试者预处理后的全脑体素水平的时间序列X(i)构成二维矩阵作为因变量；
步骤5.2，用组水平定位靶点S(g)作为自变量，使用最小二乘法估计自变量的回归系数，并将其作为对应于组水平定位靶点S(g)的个体水平时间序列矩阵A(i)，表达式如下：
A(i)≡X(i)S(g)，T(S(g)S(g），T)-1
步骤5.3，将所得到的对应于组水平定位靶点S(g)的个体水平时间序列矩阵A(i)作为自变量，使用最小二乘法得到对应于组水平定位靶点S(g)的时间序列个体水平靶点S(i)，其表达式是：
步骤5.4，提取时间序列个体水平靶点S(i)中的最大值，将其作为个体化TMS靶点。
另一方面，本发明还提供了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位系统，所述系统包括计算机及运行于所述计算机中的数据采集模块、数据预处理模块、功能连接计算模块、统计差异靶点获取模块和个体化靶点获取模块；
所述数据采集模块，用于从各站点采集重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据；
所述数据预处理模块，用于对所采集到的静息态功能磁共振脑成像数据进行数据预处理；
所述功能连接计算模块，用于在预处理的个体静息态功能磁共振脑成像上，对每个受试者进行基于sgACC为种子点的功能连接计算，得到DLPFC区域掩膜内的sgACC功能连接图；
所述统计差异靶点获取模块，用于对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点；
所述个体化靶点获取模块，结合所得经颅磁刺激重性抑郁障碍组水平定位靶点和预处理后的个体静息态功能重性抑郁障碍磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。
进一步地，所述系统还包括运行于计算机中的数据标准化模块，用于对来自不同站点采集到的数据进行标准化处理。
本发明技术方案具有如下优点：
A.本发明基于大样本的MDD受试者磁共振脑成像数据为基础，构造个体化精准定位TMS靶点，相对于前人基于正常人磁共振脑成像数据为基础构造的TMS靶点，更具有抑郁症特异性。
B.本发明使用双回归算法作为个体化靶点定位的核心算法，该算法能够充分兼顾基于大样本疾病群体稳健的组水平疾病特征和基于个体受试者的特异性疾病变异，兼具稳定性和特异性；同时对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验时，使用基于无阈值的团块增强和置换检验方法对双样本t检验的sgACC功能连接图进行精确的多重比较校正(voxel-p＝0.001,cluster-p＝0.05),以提高结果的可重复性并降低假阳性率，大大提升了组水平靶点的信效度，从而使经颅磁刺激靶点的定位更准确。
附图说明
为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所提供的基于组水平差异统计图的抑郁症TMS个体化靶点定位方法框图；
图2是本发明所提供的基于组水平差异统计图的抑郁症TMS个体化靶点定位方法处理流程图；
图3a是本发明所提供的组水平差异模板定位效果图示；
图3b是本发明所提供的基于差异模板的个体化定位效果图示；
图3c是基于MDD平均模板定位效果图示；
图4a是基于NC平均模板定位效果图示；
图4b是基于NC个体化模板定位效果图示；
图5a和图5b分别为Weigand-2018组水平靶点和SNT疗法的定位效果图示；
图6是本发明所提供的定位系统组成结构图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1和图2所示，本发明提供了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，具体包括如下步骤：
【S01】采集若干名重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据。
中国的23个研究小组组成了抑郁症成像研究联盟(the depression imagingresearch consortium,DIRECT)，并同意分享来自1574名MDD患者和1308名匹配的正常对照(normal control,NC)的最终静息态fMRI指数。由于本发明数据来自多个站点，每个站点使用了不同的磁共振成像仪和扫描序列，因此在后续处理前需要对来自不同站点的数据进行标准化。本方法使用基于经验贝叶斯(empirical Bayesian)的Combat算法进行数据的标准化。年龄作为协变量纳入Combat模型，使用Combat数据标准化后的功能连接图纳入后续计算。
【S02】对所采集到的静息态功能磁共振脑成像数据进行数据预处理。
本发明优选使用DPABISurf进行数据预处理，这是一个基于皮层的静息态fMRI数据分析工具箱，由DPABI/DPARSF演变而来。DPABISurf调用fMRIPrep来预处理磁共振结构成像和功能成像数据，并提供一套统计和查看工具。
数据预处理包含以下内容：
(1)删除所采集到的静息态功能磁共振脑成像数据最初的采集时间点，比如前10个时间点，来保证磁场均匀性和受试者适应扫描条件；
(2)将静息态功能磁共振脑成像数据转换为BIDS格式，并使用基于体空间或者皮层空间的预处理工具，对转换后的磁共振结构成像和功能成像数据进行预处理；
(3)解剖数据预处理如下：
用N4BiasFieldCorrection对T1加权图像进行强度不均匀性校正，并在整个工作流程中作为T1w参考；
用Nipype实现antsBrainExtraction工作流程，使用OASIS30ANTs作为目标模板，对T1w参考进行颅骨剥离；
使用FSL FAST对结构像进行脑脊液、白质和灰质的脑组织分割；
使用recon-all重建大脑皮层。
(4)功能数据预处理：
对于每个受试者的静息态功能磁共振BOLD序列进行以下预处理：
首先，使用fMRIPrep的自定义方法生成一个参考体积和其头骨剥离版本；
然后使用bbregister(FreeSurfer)将血氧水平依赖(Blood oxygen levelsdependent,BOLD)参考量与T1w参考量进行核心配准，实现基于边界的配准；
使用3dTshift对BOLD运行进行时间层校正；
BOLD时间序列被重新取样到fsaverage5空间的表面上。
(5)噪声回归：
使用Friston的24参数模型被用来回归头部运动的干扰因素。此外，平均框架位移被用来解决群体分析中运动的残余影响。其他噪声信号来源(WM和CSF信号)也通过线性回归从数据中去除，以减少呼吸和心脏的影响。此外，线性趋势被作为一个回归因子来考虑BOLD信号的漂移。
(6)过滤和平滑如下：
最后，将带通时间滤波器(0.01-0.1赫兹)和空间平滑(半最大值全宽(full widthat half maxima,FWHM)为6毫米)应用于功能图像。
【S03】在预处理后的个体静息态功能磁共振脑成像数据上，以球形sgACC为种子点，对每个受试者进行基于种子点的功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图。
功能连接计算：
在大样本的MDD和NC预处理后的个体静息态功能磁共振脑成像上，使用基于体空间的sgACC球形ROI或者基于皮层空间的sgACC模板ROI，计算基于种子点的全脑功能连接。ROI坐标为[6,16,-10]，半径为10mm。使用皮尔逊相关计算功能连接，提取DLPFC区域掩膜内的功能连接模式进行后续计算。
【S04】通过对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点。
对MDD组和NC组的sgACC功能连接图做双样本t检验，其中性别、年龄、站点、扫描头动作为一般线性模型中的协变量加以去除；使用基于无阈值的团块增强和置换检验方式对双样本t检验统计图进行多重比较校正，当同时满足体素水平Voxel P<0.001,团块水平Cluster P<0.05时，得到显著差异的团块。一般来说，sgACC脑区同DLPFC TMS潜在靶点脑区存在着显著的负相关。相对于健康对照，MDD受试者的sgACC-DLPFC负相关减弱，即存在sgACC功能连接图上存在着显著的MDD>NC组的脑区，通过刺激该变异脑区，达到治疗MDD的效果。在DLPFC掩膜内，提取校正后两组受试者间存在显著差异的团块作为组水平的治疗MDD的DLPFC TMS靶点。该组水平靶点称为“MDD组同NC组sgACC功能连接差异靶点”，简称“差异靶点”。
【S05】结合所得经颅磁刺激重性抑郁障碍组水平定位靶点和预处理后的个体重性抑郁障碍静息态功能磁共振脑成像数据，采用双回归算法得到个体化TMS靶点。
基于抑郁症大样本的组水平参数统计图的TMS抑郁症组水平定位靶点，能够充分捕捉同抑郁症自发脑活动平均异常状态相关的潜在靶点。但即使同为MDD受试者，功能分区、功能定位和功能异常都有所不同，因此需要在大样本组水平靶点技术上进行个体化。
本发明采用双回归进行靶点的个体化，双回归计算流程如下：
步骤5中采用双回归算法得到个体化TMS靶点的具体方法包括：
步骤5.1，用单个重性抑郁障碍受试者预处理后的全脑体素水平的时间序列X(i)构成二维矩阵作为因变量；
步骤5.2，用组水平定位靶点S(g)作为自变量，使用最小二乘法估计自变量的回归系数，并将其作为对应于组水平定位靶点S(g)的个体水平时间序列矩阵A(i)，表达式如下：
A(i)≡X(i)S(g)，T(S(g)S(g)，T)
步骤5.3，将所得到的对应于组水平定位靶点S(g)的个体水平时间序列矩阵A(i)作为自变量，使用最小二乘法得到对应于组水平定位靶点S(g)的时间序列个体水平靶点S(i)，其表达式是：
步骤5.4，提取时间序列个体水平靶点S(i)中的最大值，将其作为个体化TMS靶点。
为了验证该算法的有效性，本发明使用了一组包含16名患者的功能磁共振数据，患者的汉密尔顿抑郁分数均大于7分。使用TMS 5Hz激发频率刺激患者基于5mm法或者脑电F3位点定位刺激DLPFC区域。记录患者在治疗前和6个月治疗后的汉密尔顿抑郁分数，使用汉密尔顿抑郁分数减分率作为疗效指标。根据受试者治疗前的静息态功能磁共振影像，计算本发明基于抑郁症大样本的组水平参数统计图的经颅磁刺激重性抑郁障碍组水平定位靶点。计算原始刺激靶点(基于传统定位方法)同基于本发明的个体化精准靶点间的欧几里得距离，二者距离越近，则汉密尔顿抑郁分数减分率应越低(即TMS定位偏移距离应同汉密尔顿抑郁分数减分率呈现显著负相关)。TMS定位偏移距离同汉密尔顿抑郁分数减分率的负相关越大，靶点定位效果越好。
测试本发明基于组水平差异统计图的抑郁症TMS个体化靶点定位方法的定位效果，为了证明个体化算法能提高组水平靶点的效果，也计算了未个体化的基于大数据统计图的组水平靶点的定位效果。此外，也比较了国际主流的治疗MDD的TMS DLPFC靶点(Weigand-2018组水平靶点，MNI坐标[-42 44 30])和国际先进的斯坦福神经调控疗法(Stanford neuromodulation therapy,SNT)的定位效果。结果显示：
(1)取得最好定位效果的算法为本发明提出的基于差异模板的个体化定位方法(r＝-0.49)，如图3b所示，且个体化定位方法准确性均高于对应的组水平非个体化版本的靶点，如图3a所示的组水平差异模板定位效果(r＝-0.15),图3c所示的MDD平均模板定位效果(r＝-0.04)。
(2)如图4a和图4b所示，基于NC平均模板定位效果(r＝0.07)和NC个体化模板定位效果(r＝-0.29)要远低于本发明提出的基于差异模板的个体化定位效果(r＝-0.49)。证明了本发明基于包含MDD大样本的脑成像数据计算TMS靶点的必要性，证明了单纯依靠健康受试者的脑活动模式不足以推测MDD样本的异常脑互动模式并计算最佳靶点。
(3)如图5a和图5b所示，本发明提出的基于差异模板的个体化定位方法的定位效果也远优于国际领先的Weigand-2018组水平靶点(r＝-0.01)和SNT疗法(r＝-0.36)，证明了本发明提出的个体化定位方法的优异性。
如图6所示，本发明还提供了一种基于组水平差异统计图的抑郁症TMS个体化靶点定位系统，系统包括计算机及运行于计算机中的数据采集模块、数据预处理模块、功能连接计算模块、统计差异靶点获取模块和个体化靶点获取模块；数据采集模块用于从各站点采集重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据；数据预处理模块用于对所采集到的静息态功能磁共振脑成像数据进行数据预处理；功能连接计算模块用于在预处理的个体静息态功能磁共振脑成像上，对每个受试者进行基于sgACC为种子点的功能连接计算，得到DLPFC区域掩膜内的sgACC功能连接图；统计差异靶点获取模块用于对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激抑郁症组水平定位靶点；个体化靶点获取模块结合所得抑郁障症组水平定位靶点和预处理后的个体重性抑郁障碍磁共振脑成像的个体化数据，采用双回归算法得到个体化TMS靶点。
系统还包括运行于计算机中的数据标准化模块，用于对来自不同站点采集到的数据进行标准化处理，用于后续计算。
本发明基于大样本的MDD受试者磁共振脑成像数据为基础，构造个体化精准定位TMS靶点，相对于前人基于正常人磁共振脑成像数据为基础构造的TMS靶点，更具有抑郁症特异性。
本发明未述及之处适合于现有技术。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (6)
1.一种基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，其特征在于，所述方法包括如下步骤：
步骤1，采集若干名重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据；
步骤2，对所采集到的静息态功能磁共振脑成像数据进行数据预处理，其具体方法是：
步骤2.1，删除所采集到的静息态功能磁共振脑成像数据最初的时间点，保证磁场均匀性和受试者适应扫描条件；
步骤2.2，将静息态功能磁共振脑成像数据转换为BIDS格式，并使用基于体空间或者皮层空间的预处理工具，对转换后的磁共振结构成像和功能成像数据进行预处理；
步骤2.3，采用线性回归方法对预处理后的静息态功能磁共振脑成像数据进行去噪处理；
步骤2.4，采用带通时间滤波器和空间平滑方法，完成对静息态功能磁共振脑成像数据的滤波与平滑处理；
步骤3，在预处理后的个体静息态功能磁共振脑成像数据上，以球形sgACC为种子点，对每个受试者进行基于种子点的功能连接计算，提取DLPFC区域掩膜内的sgACC功能连接图；
步骤4，通过对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点；
步骤5，结合所得经颅磁刺激重性抑郁障碍组水平定位靶点和预处理后的个体重性抑郁障碍静息态功能磁共振脑成像数据，采用双回归算法得到个体化TMS靶点，具体方法是：
步骤5.1，用单个重性抑郁障碍受试者预处理后的全脑体素水平的时间序列构成二维矩阵作为因变量；
步骤5.2，用组水平定位靶点作为自变量，使用最小二乘法估计自变量的回归系数，并将其作为对应于组水平定位靶点/>的个体水平时间序列矩阵/>，表达式如下：
；
步骤5.3，将所得到的对应于组水平定位靶点的个体水平时间序列矩阵/>作为自变量，使用最小二乘法得到对应于组水平定位靶点/>的时间序列个体水平靶点/>，其表达式是：
；
步骤5.4，提取时间序列个体水平靶点中的最大值，将其作为个体化TMS靶点。
2.根据权利要求1所述的基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，其特征在于，所述步骤1中所采集到的静息态功能磁共振脑成像数据来自多个站点，且采用经验贝叶斯的Combat算法进行数据的标准化。
3.根据权利要求1所述的基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，其特征在于，所述步骤3中，在预处理后的个体静息态功能磁共振成像上使用基于体空间的sgACC球形ROI或者基于皮层空间的sgACC模板ROI，计算基于sgACC种子点的全脑功能连接；采用皮尔逊相关计算功能连接。
4.根据权利要求1所述的基于组水平差异统计图的抑郁症TMS个体化靶点定位方法，其特征在于，所述步骤4中，对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验时，使用基于无阈值的团块增强和置换检验方法对双样本t检验的sgACC功能连接图进行多重比较校正，在DLPFC掩膜内，提取校正后重性抑郁障碍组和正常对照组之间存在显著差异的团块，将其作为组水平的治疗MDD的DLPFC TMS靶点。
5.一种基于组水平差异统计图的抑郁症TMS个体化靶点定位系统，其特征在于，所述系统包括计算机及运行于所述计算机中的数据采集模块、数据预处理模块、功能连接计算模块、统计差异靶点获取模块和个体化靶点获取模块；
所述数据采集模块，用于从各站点采集重性抑郁障碍组及与之匹配的正常对照组中受试者的静息态功能磁共振脑成像数据；
所述数据预处理模块，用于对所采集到的静息态功能磁共振脑成像数据进行数据预处理，其具体方法是：
步骤2.1，删除所采集到的静息态功能磁共振脑成像数据最初的时间点，保证磁场均匀性和受试者适应扫描条件；
步骤2.2，将静息态功能磁共振脑成像数据转换为BIDS格式，并使用基于体空间或者皮层空间的预处理工具，对转换后的磁共振结构成像和功能成像数据进行预处理；
步骤2.3，采用线性回归方法对预处理后的静息态功能磁共振脑成像数据进行去噪处理；
步骤2.4，采用带通时间滤波器和空间平滑方法，完成对静息态功能磁共振脑成像数据的滤波与平滑处理；
所述功能连接计算模块，用于在预处理的个体静息态功能磁共振脑成像上，对每个受试者进行基于sgACC为种子点的功能连接计算，得到DLPFC区域掩膜内的sgACC功能连接图；
所述统计差异靶点获取模块，用于对重性抑郁障碍组和正常对照组的sgACC功能连接图做双样本t检验，在DLPFC掩膜内，提取双样本t检验统计图中重性抑郁障碍组和正常对照组中的受试者间存在显著差异的团块，将其作为经颅磁刺激重性抑郁障碍组水平定位靶点；
所述个体化靶点获取模块，结合所得经颅磁刺激重性抑郁障碍组水平定位靶点和预处理后的个体静息态功能重性抑郁障碍磁共振脑成像数据，采用双回归算法得到个体化TMS靶点，具体方法是：
步骤5.1，用单个重性抑郁障碍受试者预处理后的全脑体素水平的时间序列构成二维矩阵作为因变量；
步骤5.2，用组水平定位靶点作为自变量，使用最小二乘法估计自变量的回归系数，并将其作为对应于组水平定位靶点/>的个体水平时间序列矩阵/>，表达式如下：
；
步骤5.3，将所得到的对应于组水平定位靶点的个体水平时间序列矩阵/>作为自变量，使用最小二乘法得到对应于组水平定位靶点/>的时间序列个体水平靶点/>，其表达式是：
；
步骤5.4，提取时间序列个体水平靶点中的最大值，将其作为个体化TMS靶点。
6.根据权利要求5所述的基于组水平差异统计图的抑郁症TMS个体化靶点定位系统，其特征在于，所述系统还包括运行于计算机中的数据标准化模块，用于对来自不同站点采集到的数据进行标准化处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310525347.7A CN116504363B (zh) | 2023-05-10 | 2023-05-10 | 基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310525347.7A CN116504363B (zh) | 2023-05-10 | 2023-05-10 | 基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116504363A CN116504363A (zh) | 2023-07-28 |
| CN116504363B true CN116504363B (zh) | 2024-03-08 |
Family
ID=87328216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310525347.7A Active CN116504363B (zh) | 2023-05-10 | 2023-05-10 | 基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116504363B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111521828A (zh) * | 2020-06-23 | 2020-08-11 | 山东立菲生物产业有限公司 | Rsph9作为少弱精症诊断标志物或治疗靶点的应用 |
| CN111551749A (zh) * | 2020-06-12 | 2020-08-18 | 郑州大学 | 一种鉴定药物靶蛋白的方法 |
| CN113367680A (zh) * | 2021-07-05 | 2021-09-10 | 北京银河方圆科技有限公司 | 靶点确定方法、装置、设备及存储介质 |
| WO2021184412A1 (zh) * | 2020-03-18 | 2021-09-23 | 浙江大学 | 基于肠道微生物的双相情感障碍生物标志物及其筛选应用 |
| CN113769275A (zh) * | 2021-10-19 | 2021-12-10 | 南京伟思医疗科技股份有限公司 | 一种用于经颅磁的治疗靶点自动定位方法及系统 |
| CN114732519A (zh) * | 2022-04-11 | 2022-07-12 | 成都焕星科技有限公司 | 基于磁共振成像的个体空间经颅磁刺激精准定位导航的方法 |
| WO2023020930A1 (en) * | 2021-08-19 | 2023-02-23 | Medical University Of Graz | Identification of target sites for ventricular tachycardia treatment |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6722845B2 (ja) * | 2017-10-03 | 2020-07-15 | 株式会社国際電気通信基礎技術研究所 | 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置 |
-
2023
- 2023-05-10 CN CN202310525347.7A patent/CN116504363B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021184412A1 (zh) * | 2020-03-18 | 2021-09-23 | 浙江大学 | 基于肠道微生物的双相情感障碍生物标志物及其筛选应用 |
| CN111551749A (zh) * | 2020-06-12 | 2020-08-18 | 郑州大学 | 一种鉴定药物靶蛋白的方法 |
| CN111521828A (zh) * | 2020-06-23 | 2020-08-11 | 山东立菲生物产业有限公司 | Rsph9作为少弱精症诊断标志物或治疗靶点的应用 |
| CN113367680A (zh) * | 2021-07-05 | 2021-09-10 | 北京银河方圆科技有限公司 | 靶点确定方法、装置、设备及存储介质 |
| WO2023020930A1 (en) * | 2021-08-19 | 2023-02-23 | Medical University Of Graz | Identification of target sites for ventricular tachycardia treatment |
| CN113769275A (zh) * | 2021-10-19 | 2021-12-10 | 南京伟思医疗科技股份有限公司 | 一种用于经颅磁的治疗靶点自动定位方法及系统 |
| CN114732519A (zh) * | 2022-04-11 | 2022-07-12 | 成都焕星科技有限公司 | 基于磁共振成像的个体空间经颅磁刺激精准定位导航的方法 |
Non-Patent Citations (3)
| Title |
|---|
| alterd dynamics of brain connectivity in major depressive disorder at-rest and during task performance;Fabio Sambataro等;《Psychiatry Research: Neuroimaging》;20170130;全文 * |
| Altered resting-state dynamic functional brain networks in major depressive disorder: Findings from the REST-meta-MDD consortium:ScienceDirection;Yicheng Long等;《NeuroImage: Clinical》;20210107;全文 * |
| 抑郁症的静息态脑功能磁共振研究;李东明等;《生物医学工程学杂志》(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116504363A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nourski et al. | Functional organization of human auditory cortex: investigation of response latencies through direct recordings | |
| Carass et al. | Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images | |
| Enatsu et al. | Connections of the limbic network: a corticocortical evoked potentials study | |
| US11733332B2 (en) | Systems and method of precision functional mapping-guided interventional planning | |
| US11534074B2 (en) | Systems and methods for predicting and treating neurological condition relapses | |
| WO2023280002A1 (zh) | 靶点确定方法、装置、电子设备、存储介质及神经调控设备 | |
| US11395920B2 (en) | Brain connectivity atlas for personalized functional neurosurgery targeting and brain stimulation programming | |
| WO2023280003A1 (zh) | 靶点确定方法、装置、电子设备、存储介质及神经调控设备 | |
| CN105708462A (zh) | 基于原发性癫痫的静息态功能磁共振的数据处理方法 | |
| US20220110694A1 (en) | Systems and Methods for Targeted Neuromodulation | |
| US10905882B2 (en) | Systems and methods for predicting optimal deep brain stimulation parameters | |
| Roland et al. | A comparison of resting state functional magnetic resonance imaging to invasive electrocortical stimulation for sensorimotor mapping in pediatric patients | |
| Chu et al. | Functional imaging of the brainstem during visually-guided motor control reveals visuomotor regions in the pons and midbrain | |
| CN111227833B (zh) | 一种基于广义线性模型的机器学习的术前定位方法 | |
| CN116504363B (zh) | 基于组水平差异统计图的抑郁症tms个体化靶点定位方法及系统 | |
| CN116543042B (zh) | 基于组水平平均统计图的抑郁症tms个体化靶点定位方法及系统 | |
| Al-Fatly et al. | Neuroimaging-based analysis of DBS outcomes in pediatric dystonia: insights from the GEPESTIM registry | |
| Du et al. | Dynamic default mode network connectivity diminished in patients with schizophrenia | |
| US20230190105A1 (en) | Treating epilepsy and other neurological disorders by targeting therapy to the endopiriform nucleus using ultra-high field magnetic resonance imaging | |
| US20230115330A1 (en) | Functional magnetic resonance imaging brain mapping and neuromodulation guidance and monitoring based thereon | |
| US11273310B2 (en) | Systems and methods for predicting optimal deep brain stimulation parameters | |
| Yuan | Perspective of Neuroimaging-Based on Epilepsy Monitoring Technology | |
| Bianchi et al. | Multidimensional Processes: In Italy, biomedical signal and image processing embraces a multiparametric, multimodal, multiscale paradigm | |
| WO2023147126A1 (en) | Transcranial stimulation to treat dmn dysfunction in normal and abnormal aging | |
| Wang et al. | Evaluating the strength of functional connectivity during the resting state |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |