杨宇轩
- 作品数：6 被引量：3H指数：1
- 供职机构：南京航空航天大学自动化学院更多>>
- 发文基金：江苏省临床医学科技专项更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 额颞叶肿瘤患者手术前后大脑网络特性研究
- 2018年
- 脑肿瘤患者大脑的损伤及手术对大脑认知的影响是目前临床最为关注的问题。基于静息态f MRI脑功能分析技术及小世界网络分析方法,研究9例脑额颞叶肿瘤患者的大脑肿瘤对大脑默认模式网络和感觉运动网络的影响,以及肿瘤切除对大脑功能网络特性的改变。首先基于ICA方法,研究肿瘤及手术切除对患者大脑默认网络和感觉运动网络的影响;接着构建肿瘤患者术前术后和正常对照组的小世界网络,对网络的拓扑特性和网络参数进行分析;然后运用介数中心度,求出各组的脑功能网络核心节点,并比较分析患者和正常人、患者术前术后核心节点的变化;最后比较分析患者术前、术后默认模式网络和感觉运动网络中脑区的具体变化。研究结果发现,默认模式网络和感觉运动网络神经活动活跃程度降低,证明肿瘤病灶对大脑内源性网络的两个模块造成了明显的损害;患者术后的小世界属性(σ=γ/λ)显著降低(术前:3.591±0.302,术后:3.263±0.174),簇系数显著降低(术前:0.482±0.007,术后:0.454±0.011),并且脑肿瘤使核心节点向肿瘤对侧偏移。默认网络中手术后肿瘤的切除使得右侧脑区(原肿瘤侧)活动变得强烈,右脑介数中心度值明显上升(术前:0.012 5±0.000 5,术后:0.018 4±0.001 0);左脑活动有所缓和,左侧介数中心度值显著下降(术前:0.018 0±0.001 1,术后:0.012 2±0.000 6)。术后部分被抑制的节点又重新激活。通过对病人的默认模式网络和感觉运动网络的研究,发现肿瘤对患者大脑功能网络有一定的破坏,术后会有所改善。研究结果表明,由于大脑高级神经皮层的重组性和代偿机制,脑肿瘤患者术后可能出现功能恢复。
- 杨宇轩陶玲陶玲薛莉钱志余
- 关键词：静息态小世界网络
- 复杂度算法在脑功能影像处理中的应用
- 2018年
- 本研究拟采用复杂度分析方法对大脑的功能信息进行提取和分析。该文基于复杂度分析方法对正常人大脑f MRI影像的功能信息进行提取和分析,并和现有的常用分析方法进行对比分析。首先基于样本熵和赫斯特指数计算,验证复杂度分析在大脑功能活动特性度量上的有效性;然后分别采用局部一致性方法和复杂度算法计算大脑静息态激活脑区,对二者结果进行对比分析;最后基于复杂度算法在全脑和静息态默认网络做男女功能认知差异分析。样本熵和赫斯特指数存在显著的负相关,认为样本熵可以表征大脑神经功能活动的变化特性;复杂度分析方法和局部一致性方法所提取出的大脑激活区基本一致;在默认网络上基于复杂度分析发现两性功能认知存在明显的性别差异,结果与相关文献结果基本一致。复杂度分析方法可以应用于脑功能影像的处理中,对大脑神经功能活动的特性进行分析。
- 杨宇轩薛莉陶玲钱志余郁芸
- 关键词：FMRI复杂度赫斯特指数
- 基于DTI的脑结构网络研究进展
- 人类的大脑是由数量巨大的神经元构成的,早期的医学影像研究更多关注脑功能区定位,而现代医学则更注重运用复杂网络分析方法研究不同层次的脑神经网络的结构和动力学行为.目前,基于弥散张量的脑结构网络研究已经成为神经科学的热门话题...
- 薛莉陶玲钱志余孙金洋杨宇轩
- 关键词：弥散张量成像复杂网络神经疾病
- 基于脑结构子网络分析的颞叶肿瘤患者认知功能研究被引量：1
- 2017年
- 本研究旨在结合图论讨论颞叶肿瘤对整个大脑结构网络的影响以及患者认知功能变化情况.本文基于弥散张量成像技术,构建颞叶肿瘤患者以及正常对照组脑结构网络,依据纤维束连接长度,将整个脑网络分为3个子网络,对比分析各个子网络的网络参数全局效率和局部效率,进而对颞叶肿瘤患者大脑内纤维束的再生以及消亡情况做简单分析.并对两组受试者进行认知能力评估,分析患者认知能力与节点效率之间的相关性,从而得到患者大脑认知分布情况.研究结果显示,全局效率和局部效率在全脑网络结构中均无显著差异,子网络拓扑参数显示,仅在短距离子网络中,患者组较正常组有显著升高,局部参数研究结果显示,正常组均优于患者组,且患者认知能力普遍低于正常组.脑区内部纤维束再生以及不同功能区之间纤维束连接发生变化从而使得颞叶肿瘤患者脑结构网络发生重组,且患者在注意力、记忆功能、学习能力等方面较正常人有显著降低,患者额颞-顶叶部分脑区参与认知过程,特殊脑区信息处理效率的变化可间接反映认知变化情况.
- 薛莉陶玲孙金洋杨宇轩郁芸
- 关键词：颞叶脑肿瘤
- 基于Hurst指数的脑胶质瘤分级方法被引量：2
- 2019年
- 目的基于复杂度分析对胶质瘤患者的磁共振大脑静息态数据进行描述,寻找基于复杂度分析的肿瘤分级的客观指标。方法基于复杂度赫斯特(Hurst)指数分析方法对被试者大脑肿瘤fMRI影像的功能信息进行提取和分析,并对肿瘤进行分级研究。首先基于MRIcro软件对患者肿瘤区域、对侧正常区域以及正常对照组的肿瘤对应区域进行提取;接着对提取出来的区域进行Hurst指数计算;然后对肿瘤区域及其对侧正常区域的Hurst指数值进行统计分析,对肿瘤区域及对照组同区域的Hurst指数值进行统计分析;最后将29例肿瘤患者样本按照病理等级进行分组,其中一级肿瘤患者10例,二级肿瘤患者7例,三、四级肿瘤患者各6例,对不同组别的Hurst指数进行双样本统计分析。结果被试肿瘤区域的Hurst指数值与肿瘤等级成正比关系,肿瘤等级越高Hurst指数值越大。统计分析表明不同级别肿瘤区域的Hurst指数差异具有统计学意义。低级别肿瘤Hurst指数范围为0.6381~0.6737,高级别肿瘤Hurst指数范围为0.7514~0.8194。结论Hurst指数分析方法可以区分低级别和高级别胶质瘤,可以为更细致的胶质瘤的等级划分提供帮助。
- 杨宇轩陶玲钱志余
- 关键词：脑胶质瘤肿瘤分级复杂度赫斯特指数
- 基于复杂度分析的脑静息功能像处理方法研究
- 人脑是高度复杂的系统,具有非平稳、非线性等特征.复杂度作为描述时间序列的非线性特征,已在脑电等方面有了深入的应用,但在fMRI数据处理中的应用还刚刚起步.本文综合目前已有的文献报道,首先阐述了复杂度分析的相关算法,并进行...
- 杨宇轩陶玲钱志余
- 关键词：静息状态图像处理
