文摘

这项工作旨在研究大脑静息状态功能磁共振成像(fMRI)技术的基础上,深度autoencoders算法和评价临床疗效的普瑞巴林治疗postherpetic神经痛(PHN)。在这项研究中,选择40例PHN患者,随机分成治疗组和对照组每组(20例)。然后,深度autoencoders算法构造和应用于大脑静息状态功能磁共振成像技术。40 PHN患者接受普加巴林的大脑进行扫描,并从MRI图像提取的时间曲线是由线性卷积漂移去除带通滤波减少低频漂移和高频噪声,因此低频振幅计算。基于低频振幅的方法,计算出低频信号能量最终的总功率除以整个频带获得低频振幅值。低频波动的振幅(ALFF)和部分ALFF (f-ALFF)治疗前后比较治疗组和对照组之间,和视觉模拟量表(血管)治疗后也观察到。服用此药4周后,治疗组的患者的血管得分(6.5±0.8分),第一周第二周(6.5±0.8分),第三周(3.1±0.3分),和第四周(2.3±0.4分)治疗后比治疗前评分大幅降低(8.3±1.1分)( )。静息状态功能磁共振成像图像表明,f- - - - - -ALFF 4大脑区域的治疗组高于对照组,主要包括双边额叶、双边顶叶、左顶叶和小脑后叶。此外,f-ALFF 6大脑区域的治疗组低于对照组,主要包括右额叶,顶叶,额中回,楔前叶,左额叶、额上回。总之,静息状态功能磁共振成像技术的基础上,深度autoencoders算法能有效地显示大脑区域特征PHN患者治疗前后的变化,从而提供一个参考的诊断病人的病情。

1。介绍

Postherpetic神经痛(PHN)是一种常见的周围神经性疼痛(1,2),但其发病机制目前并不十分清楚。神经生理学研究表明,急性带状疱疹会损害神经系统,导致周围的中枢神经系统病变(3]。到目前为止,最基本的治疗带状疱疹后神经痛药物治疗(4]。普瑞巴林是新一代的抗惊厥药物,可用于治疗慢性疼痛。外国的数据表明,它能明显降低PHN,这是良好的耐受性(5]。

功能性磁共振成像(fMRI)是一个划时代的新科技、noninvasiveness的优点,可重复性高空间和时间分辨率,和脑功能区域的精确定位6]。基本原则是利益相应的大脑区域(ROI)可以在执行任务时被激活,所以局部脑血流量开始增加,局部脑组织的血氧含量相对增加,局部组织氧合血红蛋白的数量上升,但缺氧血红蛋白减少(7]。含氧和缺氧血红蛋白有不同的磁场效应。脱氧血红蛋白的含量增加时,t2加权图像信号减少。脱氧血红蛋白的含量减少时,t2加权图像信号增加。因此,t2加权图像信号的变化可以用来反映当地大脑神经元的活动。静息状态功能磁共振成像技术是一种非侵入式测量方法检测神经活动(8]。静息状态功能磁共振成像的原始数据中提取有用的信息来分析复杂的大脑功能活动的国家。此外,一般应用方法包括voxel-mirror同伦连接,体素形态测量学,当地的一致性、功能连接和低频波动幅度(ALFF)。采用ALFF方法更重要的是,在这项研究中,即血液oxygen-level-dependent信号偏离平均基线水平在一段时间内测量来反映各脑区神经元的活动水平。目前,静息状态功能磁共振成像已广泛应用于慢性下腰痛、纤维肌痛、针灸、三叉神经痛、糖尿病周围神经痛,postherpetic神经痛,阿尔茨海默氏症、精神分裂症、慢性复杂区域疼痛综合征,和许多其他疾病。

近年来,深度学习语音识别和图像处理的快速发展。国内外学者应用深度学习静息状态功能磁共振成像数据进行统计和分析药物治疗的疗效PHN [9]。在这项研究中,提出了一种深度autoencoders算法,由Softmax一起训练分类器和深度学习模型。基于Softmax分类器的准确率,隐神经的重量单位的深度学习模型调整(10]。深度autoencoders算法将不断更新隐层神经单元的重量根据输入样本数据之间的差异和输出示例数据和有效地诊断PHN [11]。

本文的创新是提出一个新的深autoencoders评估算法的有效性与方案在40 PHN患者静息状态功能磁共振成像。本研究的目的是观察治疗后患者的疼痛和睡眠时间,探索普瑞巴林治疗的有效性和安全性PHN,并提供科学理论依据PHN的临床治疗和预防。

2。研究方法

2.1。研究对象的选择

40例PHN患者选择为研究对象,在这项研究中,从10月15日在医院被诊断为2018,到2019年11月25日。有23个男性和17名女性,平均年龄为74.52±8.69年。此外,他们开进一个治疗组(20例)和对照组(20例)基于随机数字表。治疗组的患者接受75毫克的普瑞巴林一天两次,而对照组患者服用300毫克的卡马西平,一天两次。此外,医疗应当维持4周。这个实验已经被医院医学伦理委员会批准,和病人和他们的家人理解的研究情况,并签署了知情同意表格。

包含被定义的标准包括50 - 80岁的患者;男性或女性;符合国际疼痛研究协会PHN的诊断标准;有6分以上的血管;也不把止痛药、阿片类药物和抗癫痫药物实验开始前1周。

排除的标准被定义为包括在实验开始前病人普瑞巴林或有过敏药物探索在这个实验中,相似的药物;患有心脏、肝脏、肾脏和其他相关疾病的同时;有精神疾病的疾病,病人不能独立完成实验并放弃或中途退出;和不能容忍口服药物或药物吸收障碍。

2.2。临床疗效评价

采用视觉模拟量表(血管)评估所有患者的疗效在治疗和第一周,第二周,第三周,第四周后治疗。疼痛水平评估病人本人。一条直线作为规模,规模是1 - 10厘米。左边代表没有疼痛,右边站着难以忍受的痛苦。病人标志着相应部分的规模根据他/她自己的疼痛水平,和阅读的结果是脉管的分数。此外,阅读结果应当记录,获得血管分数进行加权值处理。

此外,血管加权值可以表示为方程(1)。临床疗效的评价如下:脉管加权值大于或等于75%,显示这是治愈;≤50%脉管加权值< 75%意味着它是显著有效的;≤25%脉管加权值< 50%表达效果;和脉管加权值小于25%,表明它是无效的。此外,总有效率可以计算如下:

连续睡眠时间应用于评估睡眠质量,和病人的连续睡眠时间被记录在治疗和第一周,第二周,第三周,第四周后治疗。

2.3。深度Autoencoders算法

autoencoder可以自动获取数据的特点进行了分析。经典autoencoder,一个输入层对应于一个隐藏层和一个输出层,和在输入层神经元的个数等于输出层。深度autoencoder采用一种无监督学习方法,它可以自动编码复杂的高维数据在低维数据。深度autoencoder由两种功能,逐渐接近常数函数,输出值y输入值接近x在最大的程度上。

第一个编码函数映射的输入量x高维数据的隐藏特性方程表达式H如下:

在方程(3), , ,和 代表输入值的尺寸; 代表了激活函数; 的矩阵表示 ;和 意味着偏差向量。

第二个是解码功能。y输入值的近似值吗x,有 。此外,重建方程映射隐藏功能H输出值y表示如下:

在方程(4), , ,和 表示输入值的尺寸; 代表激活函数; 的矩阵 ;和 表达偏差向量。

深度autoencoder可以确定参数 通过减少损失函数值,重构误差最小化的损失函数,以便计算公式如下:

在方程(5), 代表了损失函数; , ,和 表达输入值的尺寸;和 代表偏差向量。图1显示了流的深度autoencoder算法有三个隐藏层,减少了高维复杂数据的低维数据。


图1
深度autoencoders算法的流程图。
2.4。大脑静息状态功能磁共振成像评估

超导磁共振扫描器(由西门子、德国),8路头线圈,用于大脑数据收集。研究对象被要求在图像采集过程中保持清醒和放松。从两组患者接受常规t1加权成像(T1WI)和t2加权成像(T2WI)。此外,梯度场强40吨/米,梯度切换率150吨/米/女士,轴向视图T2WI图像,重复时间= 4000毫秒,回波时间= 113毫秒,切片厚度= 5.0毫米,视野= 225毫米×225毫米,和矩阵= 320×300。T2梯度回波序列应用于大脑静息状态功能磁共振成像扫描,包括重复时间= 2000毫秒,回波时间= 30 ms,扭转角= 90°,视野= 220毫米×220毫米,矩阵是64×64,有间隔30-slice截面的扫描,层厚度为4.0毫米,层间距为1.2毫米。

2.5。核磁共振图像数据分析

静息状态功能磁共振成像数据处理助理(DPARSF)软件采用消除前20个时间点的数据。剩下的240个时间点的数据预处理,然后分段T1图像空间标准化。高斯内核被用来顺利处理空间标准化图像,图像是delinearly漂流。最后,典型的频带(0.02 - -0.07赫兹)是用于过滤减少低频漂移和高频噪声,从而获得ALFF价值。然后,ALFF值的图像信号反映灰质信号在不同频段计算反过来,和ALFF的平均值计算。ALFF基本方法的基础上,计算能量的低频带(0.02 -0.07赫兹)信号最终被除以整个频段的总功率(0 - 0.25赫兹)获得f-ALFF值。ALFF值的差异和不同群体之间f-ALFF值和频率乐队是用于统计分析。

2.6。深度Autoencoders算法的实验过程和步骤

在本研究中,两种不同的方法被用来训练分类器。首先,PHN患者获得的功能磁共振成像图像特征自动剥离标签模板,和传统分类器训练测试分类的准确性。然后,通过模板的特性被用来训练autoencoder深处。训练有素的autoencoder的特征提取后,传统分类器训练。获得的数据自动解剖模板作为原始特征,和深autoencoder自动获得的特性作为优良的特性。通过比较两个特性,准确率之间的支持向量机(SVM),径向基核的支持向量机(RBF-SVM)分类、和深度autoencoders算法进行了比较。

2.7。统计方法

在这项研究中,SPSS21.0统计软件来计算和分析数据。计算数据符合正态分布均值±标准差(‾所代表的x±年代),和不相容的计算数据被表示为百分数(%)。成对的数据t以及用于比较治疗前后组内,和一群t测试是用于比较两组之间的意思。治疗后,ALFF f-ALFF参数映射治疗组和对照组的两个示例t以及基于一般线性模型;的配对t以及进行ALFF参数映射和f-ALFF参数映射的治疗组治疗前后。此外, 意味着在统计学上的区别很大。

3所示。结果

3.1。深度Autoencoders算法的实验结果

分类精度,好的特征提取每个分类器使用深度学习明显高于原始功能训练(图中提取的2)。autoencoder结果表明,特征提取的算法基于深度学习可以显著提高分类器的分类效果。


图2
各种分类的准确性。
3.2。一般的统计数据

总共40 PHN患者会议的标准包括,还有23个男性和17名女性。此外,包括在治疗组20例男性和10个女性(10),平均年龄为70.36±8.54年。其中,9例55 - 69岁,70 - 76岁,7例和4例76 - 80岁。在对照组,有20例,其中包括13名男性和7女性,平均年龄为71.64±7.98岁,其中7例为55 - 69岁,70 - 76岁,8例和5例76 - 80岁。病变包括头和脸(13例),颈部和胸部(11例),背部(7例),和腿(9例)。一般治疗组和对照组的数据进行了比较,比较结果如图2。没有明显的年龄和性别的差异从两组患者的一般资料( ),表明两组患者具有可比性。

3.3。疼痛疗效的指标和评价

最低有效剂量的镇痛治疗组为75毫克,和维护镇痛的有效剂量是每天150毫克。经过4周的药物,血管从预处理的分数下降了4 - 6分。此外,最低的在对照组镇痛剂量300毫克。组内比较,治疗组的患者的血管成绩第一周(6.5±0.8分),第二周(6.5±0.8分),第三周(3.1±0.3分),和第四周(2.3±0.4分)治疗后大幅低于治疗前成绩(8.3±1.1分),和数据具有统计上的显著差异( )。对照组的血管得分第三周(5.5±0.5分),第四周(4.6±0.5分)治疗后明显减少与评分治疗前(8.3±1.2分),统计上明显的差异( )。两组相比,治疗组血管分数的第一周,第二周,第三周,第四周治疗后的得分明显低于对照组( )(图3)。因此,它表明,治疗组的镇痛效果优于对照组的效果。


图3
比较两组患者的一般信息。
3.4。连续睡眠时间的变化

在治疗的过程中,连续的时间睡在治疗组和对照组继续扩展。第一周的连续睡眠时间治疗组(3.6±0.3小时)的时间大大超过对照组(2.5±0.4小时)( );第二周的连续睡眠时间治疗组为4.8±0.5小时,这是再明显比对照组(3.3±0.3小时)( );连续第三周的睡眠时间治疗组(5.1±0.4小时)是大大超过对照组(3.9±0.3小时)( );睡在第四周的时间治疗组(5.8±0.6小时)时间明显比对照组(4.1±0.4小时),( )(图4)。因此,它表明,治疗组有一个更好的效果比对照组在改善睡眠时间。


图4
比较血管之间的分数两组病人。 与治疗组相比, ;#与治疗前相比, 。
3.5。两个示例t以及结果的ALFF值治疗组和对照组治疗后

图5表明治疗组的大脑区域,曾ALFF值高于对照组的区域,主要包括脑干、右额叶,右侧边缘叶,左脑岛,双边颞叶、右侧楔前叶,扣带前。此外,ALFF 4大脑区域的值治疗组低于对照组,主要包括正确的海马旁回、右梭状回,双边额叶,颞叶(图6)。


图5
比较连续睡眠时间的变化从两组病人。 与对照组相比, 。

图6
大脑区域与ALFF值治疗组高于对照组。请注意。红色的部分大脑区域代表治疗组的大脑区域,而ALFF值高于对照组治疗后,和蓝色的部分大脑区域显示治疗组的大脑区域的ALFF值低于对照组治疗后。
3.6。两个示例t以及结果的f-ALFF值治疗组和对照组在治疗

f-ALFF值较高的大脑区域在治疗组比对照组主要包括双边额叶、双侧顶叶、左上层上小叶和右小脑后叶(图7)。此外,图8表明治疗组的6个大脑区域f-ALFF值低于对照组,主要包括右额叶,顶叶,额中回,楔前叶,左额叶、额上回。


图7
较低的大脑区域ALFF值治疗组比对照组。请注意。红色的部分大脑区域代表治疗组的大脑区域,而ALFF值高于对照组治疗后,和蓝色的部分大脑区域显示治疗组的大脑区域的ALFF值低于对照组治疗后。

图8
大脑区域与f-ALFF值治疗组高于对照组。请注意。红色的部分大脑区域代表治疗组的大脑区域,而f-ALFF值高于对照组治疗前,蓝色部分的大脑区域显示治疗组的大脑区域的f-ALFF值低于对照组治疗前。
3.7。两个示例t以及结果ALFF值治疗组治疗前后

的大脑区域治疗组治疗前与治疗后ALFF值高于主要包含两国顶叶(左顶叶,右顶叶),双边subparietal小叶(左低小叶和右低小叶),左脑岛叶,左额叶、左侧额内侧回皮质,楔前叶(图9)。此外,治疗组的大脑区域,其ALFF值低于治疗前治疗后,枕叶,边缘叶,左后小脑、左颞叶,和后扣带回(图10)。


图9
较低的大脑区域f-ALFF值治疗组比对照组。请注意。红色的部分大脑区域代表治疗组的大脑区域,而f-ALFF值高于对照组治疗前,蓝色部分的大脑区域显示治疗组的大脑区域的f-ALFF值低于对照组治疗前。

图10
集群的数量与ALFF增加体素值治疗组的大脑区域。请注意。答:左脑岛叶、右侧楔前叶;B:左额叶;C:左额内侧回;D:左额上回;艾凡:左顶叶;F:左顶叶劣质小叶;旅客:右顶叶;H:对顶下叶;集群级别 ,体素水平 ,和体素的大小> 36。
3.8。两个示例t以及结果f-ALFF值治疗组治疗前后

与治疗前相比,大脑区域增加f-ALFF值治疗组主要包括左内侧额叶脑回、左额叶和左额上回,可以观察到在图11。此外,大脑区域与减少f-ALFF值治疗后包括左侧中央后回、左侧颞叶、左顶叶(图12与治疗前相比(图13)。


图11
数量的集群中的体素与降低ALFF值治疗组的大脑区域。请注意。答:左小脑后叶;B:左枕叶;C:左颞叶;D:枕叶;艾凡:后扣带回;F:边际叶;集群级别 ,体素水平 ,和体素的大小> 36。

图12
大脑区域增加f-ALFF值之前,治疗后治疗组。请注意。红色部分的大脑区域的f-ALFF值表明,治疗组治疗后高于治疗前的值,和蓝色的部分大脑区域意味着f-ALFF治疗组治疗后的价值低于治疗前。

图13
大脑区域与减少f-ALFF值之前,治疗后治疗组。请注意。红色部分的大脑区域的f-ALFF值表明,治疗组治疗后高于治疗前的值,和蓝色的部分大脑区域意味着f-ALFF治疗组治疗后的价值低于治疗前。

4所示。讨论

PHN是带状疱疹最常见的并发症之一。从解剖学的角度来看,初级传入神经PHN患者受伤和兴奋性高。此外,传入神经会引起中枢敏化的形成,和触觉将持续兴奋地诱发疼痛,造成短暂的感觉(12]。静息状态功能磁共振成像技术,依靠局部脑血流量信号,措施基本活动的强度检测大脑神经元的能量水平的变化,这是具有重要意义的疼痛知觉的生理机制检测带状疱疹神经痛强度(13]。在这个研究中,治疗后,f-ALFF值治疗组和对照组的比较,发现,激活中线、水箱、和室旁地区大幅减少,同时激活区域的纵向槽,侧水箱,和侧脑室后角相对较低(14]。这些结果表明,f-ALFF方法能有效地抑制噪声信号在心室和水箱地区静息状态功能磁共振成像。拉威等人的研究结果。15]也完全证实了这一点。的double-samplet以及结果显示治疗组和对照组的ALFF值的中央前回、扣带回、楔前叶、顶叶小叶在大脑区域都增加16),反映出基本的大脑活动PHN患者的疼痛知觉的过程。

药物治疗是首选治疗带状疱疹神经痛(17]。其中,抗癫痫药物作为钙离子通道调节器,是有效的治疗带状疱疹神经痛。常用药物包括普加巴林、卡马西平和加巴喷丁(18]。这项研究的结果显示,治疗组血管分数的第一周,第二周,第三周,第四周治疗后大幅降低与对照组的成绩( )。睡在第四周的时间治疗组(5.8±0.6小时)是显著长于对照组(4.1±0.4小时)( )。在治疗组镇痛的最低剂量的口服普加巴林是75毫克/天。第一个星期的治疗,病人的疼痛指标逐渐下降。经过4周的治疗,病人的连续睡眠时间通常改善(19]。对照组口服卡马西平和400毫克/天。第二周后,疼痛减轻,睡眠质量普遍提高。然而,缓解疼痛低于治疗组,和睡眠的持续时间低于治疗组。因此,它表明,普瑞巴林是更有效的比卡马西平治疗带状疱疹神经痛。这是符合研究结论et al。20.]。

5。结论

在这项研究中,静息状态功能磁共振成像技术的基础上,深度autoencoders算法是用来评估普瑞巴林治疗的疗效40 PHN患者。静息状态功能磁共振成像技术的基础上,深度autoencoders算法能有效地显示大脑区域特征PHN患者治疗前后的变化,从而提供一个参考的诊断病人的病情。这个实验是实验时间短的缺点和小样本大小。在以后的阶段,有必要扩大样本量进一步探索的长期疗效与治疗带状疱疹神经痛。简而言之,这项研究的结果证实了静息状态功能磁共振成像技术的优势,探索治疗普瑞巴林治疗带状疱疹神经痛,这进一步促进了成像在临床医学中的应用。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。