1-5岁幼儿胼胝体的表面形态测量

摘要

胼胝体(CC)是大脑中的一个大型白质纤维束,它参与各种认知、感觉和运动过程。尽管CC与多种发育和精神疾病有关,但关于这一结构的正常发育(特别是在幼儿阶段)还有很多待解开的谜团。虽然早期文献中报道了性别二态性,但这些研究的观察结果并不一致。本研究使用包括基于表面张量的形态测量(TBM)方法来研究12-60个月儿童CC形状的局部变化,以12个月(m)为间隔。本研究还分析了每个年龄组的性别差异。研究结果发现,在早期年龄段(12m v 24m)和稍晚年龄段(48m v 60m)中存在较大的显著团簇,并且在CC体部前区存在明显差异。12m组中的性别差异最明显。总而言之,本研究补充了现有文献,并强调了表面TBM方法的实用性。

引言

越来越多的研究报告称,神经发育和精神疾病(包括自闭症、精神分裂症和注意缺陷障碍)中的认知和行为缺陷与胼胝体(CC)的细微结构变化相关。其他研究也显示CC亚区存在性别差异,并将这些差异与神经精神障碍(包括自闭症谱系障碍、阅读障碍、注意缺陷障碍和图雷特综合症)的形态测量异常相关联。这些发现强调了我们需要更好地了解胼胝体的结构发育,以及它对神经发育或精神疾病的潜在影响。

胼胝体(CC)是大脑中最大的白质纤维束,负责整合大脑两个半球之间的运动、感觉和认知过程。CC一般分为膝部、喙部、体部、峡部和压部。虽然目前还没有宏观解剖标志来准确划分胼胝体亚区,但有两种广泛使用的亚区分割方案,均基于胼胝体中线和功能特化进行几何分割:Witelson分割方案和Hofer与Frahm分割方案。Witelson分割方案最早于1989年提出,主要基于非人类灵长类动物的死后组织数据,将胼胝体沿其最大前后长度分为五个垂直段。值得注意的是,通过光学显微镜检查胼胝体纤维的组成发现,Witelson分割方案并不能准确反映CC在细胞水平上的区域差异。

Hofer和Frahm提出了一种更新的胼胝体中线分割方案,其基于健康人类被试的纤维示踪成像,并根据胼胝体皮层连接的差异提出了五个垂直分区。与Witelson分割方案类似,Hofer和Frahm的分割方案沿着胼胝体的最大前后长度建立了一个几何基准,然后在此基础上划分出五个垂直分区。Hofer和Frahm的划分将CC最前面的1/6定义为I区(膝部),其中包含向前额叶区域投射的较细的轴突纤维。剩下的前半部分构成II区,其中包含投射到运动前区和辅助运动皮层区域的纤维。胼胝体的后半部分减去最后1/3的部分构成III区,该区域包含投射到初级运动皮层的纤维。II区和III区中的轴突纤维相对于I区、IV区和v区中的轴突来说更粗。IV区由胼胝体最后1/3部分减去最后1/4部分构成,包含初级感觉神经纤维。胼胝体的最后1/4部分构成了V区(压部),通过该区域的纤维横跨胼胝体,连接顶叶、颞叶和枕叶。

虽然胼胝体包含异位连接,可以帮助整合大脑非同源区域之间的信息,但其大多数轴突投射是同位连接,连接两个半球之间的同源区域。前部胼胝体纤维连接额叶,在两个半球之间传递运动信息,有助于协调运动功能。胼胝体前部还包含更细的联合纤维,能够促进大脑皮层非同源区域之间的协调和交流,这对于复杂的认知加工至关重要。胼胝体后部(压部)纤维连接大脑皮层的后部区域,包括后顶叶、颞叶和枕叶,并在两个半球之间的多模感觉信息传递中发挥作用。具体而言,听觉信息整合与峡部有关,视觉信息整合与压部有关。

胼胝体通常使用扩散加权MRI扫描进行研究,这是一种研究大脑白质(WM)的有用技术。通过测量分数各向异性,扩散张量成像可以显示WM束(如CC)的扩散程度。尽管有各种探索这一结构的技术手段,但关于胼胝体在儿童正常结构发育方面仍有许多未解之谜。这在5岁以下儿童中尤为明显,因为儿童早期的大规模系统性神经影像学研究数量有限。

在T1加权MRI扫描中,由于包裹轴突纤维的髓鞘产生了白质对比度,胼胝体可以在矢状面MRI切片上清晰可见。在早期大脑发育中,胼胝体在出生后以不同的速率髓鞘化。例如,喙部髓鞘化的时间晚于其他胼胝体区域,大约50%的个体在12个月龄时可见明显的髓鞘,并且髓鞘化在2岁后仍在继续。另一方面,25%的个体在足月时具有微小的髓鞘化,其中纤维连接着大脑额叶后部和顶叶中部。此外,髓鞘化在5个月龄后迅速进行,90%的个体在13个月龄时髓鞘化已基本形成。同一研究还显示,在21个月龄时,90%个体的压部(包含连接颞叶和枕叶的纤维)已明显髓鞘化。还有一些使用髓水分数(MWF)的研究表明,3-60个月儿童的髓鞘化程度逐渐增加。

在这项研究中,研究者使用了多个基于表面的测量方法(包括基于多变量张量的形态测量(mTBM)和径向距离(MAD))来研究胼胝体(CC)的组间差异。mTBM利用雅可比矩阵或从每个顶点处位移场的雅可比矩阵测量值,计算每个被试图像与模板图像之间的差异,用于组间比较。MAD是胼胝体表面结构的中线与每个顶点之间的距离。这些方法已被证实在脑表面形态和体积的区域差异检测方面具有优势。此外,结合mTBM和MAD的测量可以显著提高统计功效。虽然这种方法已被证明对不同人群之间的差异很敏感,但它从未用于研究胼胝体早期大脑发育中的局部变化。60个月以下的年龄段尤为重要,因为在5岁时大脑发育已达到其最终体积的90%。

方法和材料

数据

本研究数据集包括纵向收集的160名健康被试的脑体积数据,年龄范围为12-60个月(均值和标准差以周为单位列于下表1中),这些数据来自先进婴儿成像实验室数据库(http://www.babyimaginglab.com)。所有可用数据均经过质量检查,以排除可能影响CC分割的伪影。在此过程中,排除了以下被试数据:12个月龄组排除4名、24个月龄组排除3名、36个月龄组排除3名、48个月龄组排除3名、60个月龄组排除7名。使用原始分析中质量检查合格的样本,具体使用的被试总数如表1所示。神经影像数据的收集是为了研究目的,而非医学原因。被试纳入标准为:妊娠37-42周之间单胎出生,胎儿超声无异常,并且婴儿无神经事件或疾病史。数据集中的儿童被进一步分为5个年龄组(12个月、24个月、36个月、48个月和60个月)。研究人员调查了各组的性别差异。被试分布详见表1。

表1.被试在不同年龄组中的分布情况。

使用反转扰相梯度回波(IR-SPGR)成像采集图像(翻转角:5°,TR:16ms,TE:6.9ms,TI:950ms,体素分辨率:1.2×1.2×1.2mm3)。根据头部大小调整采集矩阵和视场来保持各年龄段的体素分辨率。在进行MRI扫描之前,每位被试或其监护人被告知研究目的,并签署了知情同意书。该研究获得了布朗大学机构审查委员会的批准。所有数据在预处理前均已去标识。请注意,由于在早期年龄段中缺乏利手性信息,因此本研究未评估被试的利手性。

处理流程

首先使用FSL BET对T1加权MP-RAGE扫描进行颅骨剥离,然后在MNI空间中使用6个自由度将图像严格配准到年龄匹配的模板上。接下来,使用ITK-snap工具包(http://www.itksnap.org)手动分割CC。利用胼胝体的神经解剖学参考来确定分割位置。CC是围绕中心层(+/- 6层)的大脑矢状面分割的,如图1(顶部)的彩色区域所示。CC通常在膝部和压部呈扇形分布,虽然中心矢状面非常清楚地显示了CC,但在儿童脑MR图像上无法一致地识别这些区域的末端。分割方案经儿科神经放射科医师的批准,本研究仅分析了中间矢状面层,由于事先与年龄匹配的模板进行了配准,这些层在被试之间是一致的。所有分割由同一人完成。分割完成后,使用共形映射程序创建表示CC的三维四面体网格。该程序基于自适应大小的四面体网格成型方法。网格示例如图1所示。

图1.(顶图)从冠状面、中矢状面和轴状面显示的CC。(底图)基于CC分割生成的四面体网格。

结果

图2比较了12个月(12m)和24个月(24m)的全局显著性,图3显示了24个月和36个月的比较结果,图4显示了36个月和48个月的比较结果。在每幅图中,a.表示雅可比行列式的结果(左侧图),b.表示径向距离(MAD)的结果(第二列),c.表示mTBM的结果(第三列),d.表示径向距离和mTBM联合测量(MADMTBM)的结果(第四列)。这些结果是将两种性别数据合并后得出的结果。虽然mTBM和MADMTBM对局部差异更敏感,但雅可比行列式和MAD可用作参考。具体来说,MAD用于研究变化的方向性。

图2.使用(a)雅可比行列式、(b)径向距离(MAD)、(c)mTBM、以及(d)径向距离和mTBM联合测量(MADMTBM)量化12m组和24m组之间的CC形态测量学差异。

图3.使用(a)雅可比行列式、(b)MAD、(c)mTBM、以及(d)MADMTBM量化24m和36m组之间的CC形态测量学差异。

图4.使用(a)雅可比行列式、(b)MAD、(c)mTBM、以及(d)MADMTBM量化36m和48m组之间的CC形态测量学差异。

组间差异最大的区域出现在CC体部,特别是12m和24m年龄组比较中的前中体,48m和60m的前、中、后中体以及峡部(图1和图5)。此外,在12m和24m之间的比较中,还观察到CC压部(图2)存在较小的显著区域。在“中间”年龄组(24m和36m比较以及36m和48m比较)中,最显著的差异似乎更集中于喙部和前中体。图6显示了本研究队列中年龄最小和最大之间变化最大的区域。可以看到,CC体部的大部分区域都发生了显著变化。

图5.使用(a)雅可比行列式、(b)MAD、(c)mTBM、以及(d)MADMTBM量化48m和60m组之间的CC形态测量学差异。

图6.使用(a)雅可比行列式、(b)MAD、(c)mTBM、以及(d)MADMTBM量化12m组和60m组之间的CC形态测量学差异。

图7显示了不同年龄之间的比率图,以确定变化的方向。在雅可比行列式和MAD中,相邻年龄之间的平均比率约为1,在膝部有扩张,在CC的压部有较小程度的扩张。本研究还观察到,24m相比于12m,以及48m相比于36m,膝部有所减小。

图7.显示了雅可比行列式(上)和MAD(下)变化方向的比率图。

由于MADMTBM方法对变化的敏感性更高,因此图8显示了使用MADMTBM方法计算出的各组性别差异。从图中可以看到,最显著的性别差异在12m组和48m组之间的CC体部。在48m组,还观察到在CC压部附近存在一个显著性团簇,在60m组也有一些显著性团簇。

图8.使用MADMTBM方法计算的12m、24m、36m、48m和60m组胼胝体发育的性别差异结果,由于MADMTBM在检测变化方面具有更高的灵敏度,因此使用该方法进行计算。

结论

胼胝体(CC)是大脑中的一个重要结构。本研究结果表明,使用多变量mTBM和MAD联合测量方法能够识别12-60个月龄之间大脑发育中CC的局部3D结构差异。这些差异在CC体部尤为显著。此外,本研究还考察了这些年龄段之间的性别差异,利用MADMTBM方法能够更好地观察到每组内的局部差异。总的来说,利用3D结构信息的表面形态测量方法有助于探索儿童早期的CC生长及其性别差异。未来的研究可以进一步创建发展轨迹,并涵盖更多年龄段的被试,以获得更全面的研究结果。

参考文献:Gajawelli, N., Paulli, A., Deoni, S., Paquette, N., Darakjian, D., Salazar, C., Dean, D., O'Muircheartaigh, J., Nelson, M. D., Wang, Y., & Lepore, N. (2024). Surface-based morphometry of the corpus callosum in young children of ages 1–5. Human Brain Mapping, 45(9), e26693. https://doi.org/10.1002/hbm.26693


小伙伴关注茗创科技,将第一时间收到精彩内容推送哦~

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/45438.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【Linux网络】select{理解认识select/select与多线程多进程/认识select函数/使用select开发并发echo服务器}

文章目录 0.理解/认识回顾回调函数select/pollread与直接使用 read 的效率差异 1.认识selectselect/多线程(Multi-threading)/多进程(Multi-processing)select函数socket就绪条件select的特点总结 2.select下echo服务器封装套接字…

C++ 类和对象 赋值运算符重载

前言: 在上文我们知道数据类型分为自定义类型和内置类型,当我想用内置类型比较大小是非常容易的但是在C中成员变量都是在类(自定义类型)里面的,那我想给类比较大小那该怎么办呢?这时候运算符重载就出现了 一 运算符重载概念&…

安全防御:防火墙基本模块

目录 一、接口 1.1 物理接口 1.2 虚拟接口 二、区域 三、模式 3.1 路由模式 3.2 透明模式 3.3 旁路检测模式 3.4 混合模式 四、安全策略 五、防火墙的状态检测和会话表技术 一、接口 1.1 物理接口 三层口 --- 可以配置IP地址的接口 二层口: 普通二层…

车载终端_RTK定位|4路摄像头|驾驶辅助系统ADAS定制方案

现代车辆管理行业的发展趋势逐渐向智能化和高效化方向发展,车载终端成为关键的工具之一。在这个背景下,一款特别为车队管理行业设计的车载终端应运而生。该车载终端采用8寸多点触控电容屏,搭载联发科四核处理器,主频2.0GHz&#x…

如何安装node.js

Node.js Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时环境。 主要特点和优势: 非阻塞 I/O 和事件驱动:能够高效处理大量并发连接,非常适合构建高并发的网络应用,如 Web 服务器、实时聊天应用等。 例如,在…

网络安全——防御(防火墙)带宽以及双机热备实验

12,对现有网络进行改造升级,将当个防火墙组网改成双机热备的组网形式,做负载分担模式,游客区和DMZ区走FW3,生产区和办公区的流量走FW1 13,办公区上网用户限制流量不超过100M,其中销售部人员在其…

排序相关算法--3.选择排序

之前涉及的堆排序就是选择排序的一种,先进行选择。 基本选择排序: 最简单,也是最没用的排序算法,时间复杂度高并且还是不稳定的排序方法,项目中很少会用。 过程: 在一个长度为 N 的无序数组中,…

智慧公厕系统助力城市卫生管理

在当今快速发展的城市环境中,城市卫生管理面临着诸多挑战。其中,公共厕所的管理一直是一个重要但又常被忽视的环节。然而,随着科技的不断进步,智慧公厕系统的出现为城市卫生管理带来了全新的解决方案,成为提升城市品质…

OrangePi AIpro 浅上手

OrangePi AIpro 浅上手 OrangePi AIpro 介绍开发版介绍硬件规格顶层视图和底层视图接口详情图 玩转 OrangePi AIPro烧录镜像串口调试连接 WiFissh 连接配置下载源 使用感受优点:缺点或需注意的点: OrangePi AIpro 介绍 开发版介绍 OrangePi AIpro是香橙…

【大语言模型】私有化搭建-企业知识库-知识问答系统

下面是我关于大语言模型学习的一点记录 目录 人工智能学习路线 MaxKB 系统(基于大语言模型的知识问答系统) 部署开源大语言模型LLM 1.CPU模式(没有好的GPU,算力和效果较差) 2.GPU模式(需要有NVIDIA显卡支持) Ollama网络配置 Ollama前…

【问卷系统】TDucKX更新速览

TDuck是一款在线表单问卷收集工具,开源地址:https://gitee.com/TDuckApp一款免费的表单问卷系统;可快速创建问卷或业务表单,采用无代码理念支持开发自定义组件。采用SpringBootVueElementUI技术栈,功能强大界面清新&am…

Catena-x标准解读:CX-0007 Minimal Data Provider Service Offering v1.0.2 最小数据提供商服务产品

为了更好地理解,最小数据提供者服务也将被称为“上传工具”。 对于数据供应工具来说,数据主权的概念尤为重要。数据主权是Catena-X网络的核心价值观之一。每个参与者都应该尽可能多地控制自己的数据。这包括 他总是确切地知道他在与谁交换数据。参与者…

软件测试面试200问(全)

1、B/S架构和C/S架构区别 B/S 只需要有操作系统和浏览器就行,可以实现跨平台,客户端零维护,维护成本低,但是个性化能力低,响应速度较慢 C/S响应速度快,安全性强,一般应用于局域网中&#xff0…

【matlab】智能优化算法优化BP神经网络

目录 引言 一、BP神经网络简介 二、智能优化算法概述 三、智能优化算法优化BP神经网络的方法 四、蜣螂优化算法案例 1、算法来源 2、算法描述 3、算法性能 结果仿真 代码实现 引言 智能优化算法优化BP神经网络是一个重要的研究领域,旨在通过智能算法提高…

变量筛选—特征包含信息量

在变量筛选中,通过衡量特征所包含信息量大小,决定是否删除特征,常用的指标有单一值占比、缺失值占比和方差值大小。单一值或缺失值占比越高,表示特征包含信息量越少,不同公司设置不同阈值,一般单一值、缺失值占比高于95%,建议删除。方差值越小,代表特征包含信息量越小。…

入职前回顾一下git-01

git安装 Linux上安装git 在linux上建议用二进制的方式来安装git,可以使用发行版包含的基础软件包管理工具来安装。 红帽系 sudo yum install gitDebian系 sudo apt install gitWindows上安装git 去官网下载和操作系统位数相同的安装包.或者可以直接安装GitHub…

[图解]SysML和EA建模住宅安全系统-14-黑盒系统规约

1 00:00:02,320 --> 00:00:07,610 接下来,我们看下一步指定黑盒系统需求 2 00:00:08,790 --> 00:00:10,490 就是说,把这个系统 3 00:00:11,880 --> 00:00:15,810 我们的目标系统,ESS,看成黑盒 4 00:00:18,030 --> …

Power Apps使用oData访问表数据并赋值前端

在使用OData查询语法通过Xrm.WebApi.retrieveMultipleRecords方法过滤数据时,你可以指定一个OData $filter 参数来限制返回的记录集。 以下是一个使用Xrm.WebApi.retrieveMultipleRecords方法成功的例子,它使用了OData $filter 参数来查询实体的记录&am…

最新盘点!2024年最值得了解的24款项目管理软件

一、企业该如何选择一款项目管理工具?选择项目管理工具时需要考虑哪些因素? 在选择和对比项目管理工具时,可以通过加权方式进行对比和评估。参考以下模板,可以把自己关注的项目管理工具,进行表格对比,选中…