基于主动表观模型的MR脑图像海马自动识别和三维分割法联合fMRI多模态成像模式用于AD早期诊断

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81401459
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    23.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H2706.分子影像
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Because the pathogenesis of Alzheimer's disease is inconclusive, the clinical and laboratory tests lack sufficient specificity, making clinical diagnostic accuracy not high at its early stage. However, conventional MRI widely used in clinical mostly adopts single imaging sequence, which cannot satisfy demand on the high diagnostic accuracy and sensitivity at the same time, and therefore patients with Alzheimer's disease or mild cognitive impairment are unable to get early diagnosis and miss the optimal timing for treatment. To solve this thorny problem, our study is to realize the hippocampal automatic identification and three-dimensional segmentation based on active appearance model in individual brain magnetic resonance images through establishing a new mathematical model, and then to analyze the morphological changes of the local area in both hippocampi in order to provide quantitative indicators for the early diagnosis of AD, and thereby to establish individualized brain MR imaging library. Furthermore, combined with functional MR imaging to further explore the relationship between AD pathophysiology and molecular imaging through multi-modality imaging, and finally to achieve in vivo visualization of its pathophysiological state.
由于阿尔茨海默病发病机制尚无定论,其临床和实验室检查均缺乏足够的特异性,使得其早期阶段的临床诊断准确率不高,而较广泛应用于临床的传统模式下的磁共振成像技术多为单一成像序列研究,诊断准确率及敏感度不能同时满足,因此阿尔茨海默病或轻度认知障碍患者无法得到早期诊断,延误了最佳治疗时机。针对这一棘手问题,本研究欲通过建立新型的数学模型实现基于三维主动表观模型的个体病患脑部磁共振图像上的海马自动识别和三维分割,分析其局部区域形态变化,为临床上阿尔茨海默病的早期诊断提供定量指标,建立个体化脑部磁共振图像库,同时结合功能成像多模式进一步探索其病理生理机制与分子影像学的关联性,实现活体状态下对其病理生理现象进行可视化。

结项摘要

随着世界人口的普遍老龄化,阿尔茨海默病(Alzheimer’s disease,AD)正逐年增加,成为导致老年痴呆的主要原因。由于AD的病因复杂,而且临床和实验室检查均缺乏足够的特异性,使其早期阶段临床诊断准确率不高。为有效解决这一难题,本项目基于主动表观模型的磁共振脑图像上海马的自动识别和三维分割的理论和方法,包括海马骨架的自动抽取算法、基于骨架的海马特征点自动提取算法、海马三维主动表观模型的构建方法,以及基于此模型对患者个体脑部磁共振图像上的海马进行自动识别和三维分割方法,通过自动分割患者个体的海马,克服了使用人工勾画感兴趣区方法所带来的不足,用同一个标准来探索海马是否具有因为灰质缺失所带来的特定部位的萎缩,这对于老年痴呆疾病的早期诊断具有重要意义。同时结合磁共振波谱(MRS)及脑铁含量测定(R2)等功能磁共振成像技术为AD的影像学诊断提供一条新的途径,实现了MRI形态学和功能学成像的联合应用,为AD的早期诊断和脑内代谢的改变提供准确的影像学、生化和功能信息。该研究采用的功能磁共振多模态成像方式进一步探索AD病理生理机制与分子影像学的关联性,实现活体状态下对其病理生理现象进行可视化。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
头颈部木村病的CT、MRI影像学表现
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    现代生物医学进展
  • 影响因子:
    --
  • 作者:
    杨光明;罗竹人;郭春英;汪艳;郑晓辉;张裕玲
  • 通讯作者:
    张裕玲
MRI诊断头颈部木村病的临床价值
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    医学影像学杂志
  • 影响因子:
    --
  • 作者:
    杨光明;罗竹人;郑晓辉;汪艳
  • 通讯作者:
    汪艳

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

MR脑图像海马自动分割法在AD早期诊断中的应用研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    现代生物医学进展
  • 影响因子:
    --
  • 作者:
    罗竹人;申宝忠;王丹;付宜利;高文鹏;孙鹏;孟祥薇;孙夕林
  • 通讯作者:
    孙夕林

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码