麻醉大鼠皮层及纹状体静息态脑功能网络连接

目的 以功能连接分析方法探讨大鼠麻醉状态和呼吸、心跳消失早期状态不同脑部位静息态自主性BOLD低频振荡(LFBF)信号的变化.方法 对SD大鼠20只,于吸入麻醉后应用7.0T小动物磁共振仪行MRI,采集鼠脑解剖及功能成像数据;处死大鼠,呼吸、心跳停止5 min后以相同方法行鼠脑MRI;分别以大脑皮层和纹状体为ROI,以功能连接分析方法行脑功能相关性分析.结果 麻醉状态下皮层相关性强于纹状体,信号差异范围以皮层为主;呼吸、心跳停止早期皮层与纹状体相关性差异变小,信号差异以皮层之外的区域为主;相应ROI内两种状态相关系数差异有统计学意义.结论麻醉状态下大鼠脑功能活动网络依然存在.LFBF信号蕴含着神经活动的生理性信息,可能为研究局限性脑缺血早期脑神经活动变化及预后评估提供一种新的技术.

基于时频分析的静息态大脑情绪记忆网络

目的 观察脑老化过程中情绪记忆(EM)功能改变的时频特性.方法 按年龄将选中的静息态fMRI数据集分为青年组与老年组,以杏仁核为种子点,运用相关系数法计算两组受试者全脑功能连接(FC),寻找存在差异的脑区.运用小波相干性的时频分析法计算存在差异的脑区的时频特性,细分频率在0.01～0.1 Hz的大脑低频振荡信号,观察各子频段的FC差异.结果 EM相关脑区间FC随时间和频率变化.由脑老化引起的EM功能的FC改变主要反映在大脑低频振荡0.01～0.027 Hz和0.027～0.073 Hz的子频段内(P＜0.05,FDR校正).结论 脑老化中EM网络的FC随时频变化,且与低频振荡中的特定子频段存在密切联系.

心率低频振荡:心肌梗死后死亡预告的一个新指标

用低频震荡幅度探讨局部自发性脑活动的研究

在静息状态下,用功能MR(fMR)研究发现:大脑双侧初级运动区之间,听觉皮层和视觉皮层的低频振荡(LFF)具有很高的同步性,即保持着很强的功能连接,一般认为这种LFF是由于神经元的自发活动引起的<'[1-2]>.

静息态fMRI技术在临床的应用-局部一致性研究

静息态的fMRI成像(resting-state fMRI,rs-fMRI)是发展为迅速的功能磁共振成像技术的分支之一,它能够在无特定任务的情况下,在受试者不做系统地思考或尽量不思考问题的状态下进行的磁共振扫描.静息态fMRI信号的低频振荡与自发的神经元活动关系密切,具有比较明确的生理意义与病理意义;并且适用于病情比较严重的患者[1,2],是神经科学领域和神经精神疾病领域的研究热点.

轻度脑外伤急性期局部脑区的区域一致性变化

目的:探讨应用区域一致性(ReHo)及低频振荡(ALFF)的方法反映轻度脑外伤(mTBI)后急性期局部脑功能网络连接一致性的变化,研究部分轻度脑创伤患者不同程度的神经心理及认知功能障碍与脑组织精细损伤的相关性.方法:通过47例急性期mTBI患者和37例性别、年龄匹配的健康对照组,计算ReHo及ALFF,并在两组之间进行双样本t检验.结果:与健康对照组相比,急性期mTBI患者出现了左侧颞中回、颞下回、中央前(后)回、舌回的脑功能连接显著性减弱,在右侧海马及海马旁回和左侧辅助运动区出现脑功能连接显著增强(P＜0.05,AlphaSim校正).结论:区域一致性及低频振荡方法可以为临床评估急性期mTBI脑组织损伤提供客观依据.

糖尿病对大鼠海马神经协同性的影响

离体电生理和行为研究表明,糖尿病会对海马功能造成负面影响.本研究采用活体胞外电极记录方式,在麻醉条件下,记录STZ诱发糖尿病人鼠以及正常大鼠海马区神经元自发放电.运用相干系数和相位同步的分析技术,对在海马区同一位点记录到的神经元放电和局部场电位(local field potentials)的低频振荡(1～4 Hz)进行时域协同性的分析.结果显示,糖尿病大鼠的相干系数值(0.617±0.028)与正常大鼠(0.730±0.024)相比普遍偏低(P=0.005).而相位同步的分析方法更直观地反映了神经元放电与低频局部场电位的时域协同性程度,通过von Mise拟合的一个相位聚集参数K来衡量相位同步程度的大小,发现糖尿病大鼠的相位同步系数k值(0.347±0.113)远低于正常大鼠(1.174±0.134)(P<0.001).在此研究中,相干系数和相位同步两种分析结果都表明糖尿病会对大鼠海马神经元放电与低频局部场电位的协同性造成负面影响.这种负面影响或许是糖尿病造成记忆功能障碍的神经网络机理.

基于独立成分分析的脑功能连接性分析

静息脑功能连接性是研究脑功能的重要技术手段.我们提出了利用空域独立成分分析(Independent component analysis, ICA)来处理静息态功能磁共振(Functional magnetic resonance imaging, fMRI)数据,首次将静息态脑功能的低频振荡理论应用于ICA静态数据分析的成分选择,通过Z分数选择静息态下的活动点并去除独立噪点,然后通过频谱分析选择主要能量集中在0.01～0.1 Hz的独立成分,进而采用聚类分析得出脑功能连接网络.