磁共振频谱定量测定脑内γ-氨基丁酸浓度技术的研究

磁共振频谱定量测定脑内γ-氨基丁酸浓度技术的研究

论文摘要

目的:本研究的目的有三个方面:1)检测GABA的模拟和临床模型研究,探讨建立一种稳定可靠的能够在体检测出GABA的方法;2)基于LCModel和QUEST定量技术研究检测模型及活体GABA浓度方法;3)基于2D J-分解技术研究检测脑代谢物GABA浓度的方法。材料与方法:研究一:本研究利用双量子滤波技术,设计GABA谱编辑序列,基于乘积算符理论和相干路径选择理论讨论谱编辑的方法,并讨论提高检测效率的方案,优化谱编辑序列,并结合软件模拟结果讨论检测GABA的方案。研究二:LCModel软件和QUEST分离模型中3.0ppm处被Cr覆盖的GABA波形,并定量检测其浓度,验证方法的可行性。通过MRUI软件和NMR-SCOPE模拟获得包括GABA在内的10种主要代谢物的频谱先验知识,结合QUEST算法及LCModel软件分离GABA等人脑10种主要代谢物,并定量检测它们的绝对浓度。研究三:本文利用NMR 2D J-分解谱技术,探究脑内主要代谢物GABA,NAA,Cr浓度的检测方法。结果:研究一:使用NMR-SCOPE的模拟实验中,优化的DQF-PRESS序列能显著压制3.0ppm处的Cr,同时增强非常弱的GABA信号。研究二:在模型实验中,LCModel和QUEST能分离出3.0ppm处GABA信号波形。在模型实验中,LCModel定量结果为:QUEST定量结果为:拟合谱线在jMRUI软件包上进行分析处理,拟合定量算法结果为:Asp:2.59±0.83(mmol/kg);Cho:2.32±0.25(mmol/kg); GABA:3.54±0.57 (mmol/kg);Glu:6.97±0.83 (mmol/kg);Glc:0.19±0.46(mmol/kg);Gln:0.60±0.16(mmol/kg),其中Cr+PCr*:7.50 (mmol/kg)作为内标参考物;与相关参考文献比较,10种代谢物的估计CRBs在1%-10%范围内,可见结果是可靠的。研究三:实验结果:1D MRS检测的大脑GABA浓度为0.37μmol/g,2D NMR J-分解检测的结果为0.30±0.13μmol/g,表明GABA在δ1.92波峰处2D NMR J-分解的绝对定量值与1D MRS数据结果基本一致。鼠小脑的GABA 1D MRS测得的平均浓度为0.19μmol/g,2D MRS J-分解测得的浓度为0.30±0.05μmol/g,有所偏差,但仍然在允许误差范围之内。鼠脑中的Cr浓度也比较低,大脑和小脑内的Cr平均浓度均为0.16μmol/g,2D MRS J-分解检测的结果为0.17μmol/g,两者之间差距很小。NAA的浓度1D MRS结果与2D MRS J-分解检测结果基本一致。结论:本研究提供了一种有效的活体检测GABA的方法,而且描述了脉冲序列作用机制的数学及序列设计的理论,为后续研究者理解脉冲序列开发脉冲序列提供帮助。同时,本研究使用临床PRESS序列,进行了模型实验,验证了LCModel对检测GABA的可靠性。结果证实LCModel可以从Cr背景中分离出GABA,是一种有效的后处理方法。本研究使用临床PRESS序列,进行了模型和活体实验,验证了LCModel软件及QUEST算法对检测GABA的可行性。结果证实LCModel及基于先验知识的QUEST定量方法能提取被噪声淹没的低浓度成分的代谢物分子,可从Cr背景中分离出3.0ppm处GABA,为定量检测大脑GABA等代谢物的浓度提供了新的方法。基于2D NMR J-分解技术检测脑内GABA等代谢物的浓度是一种可行的方法,实验结果可满足临床要求,相对其它方法法,本方法更为准确可靠。本研究建立了三种磁共振频谱定量测定脑内γ-氨基丁酸浓度技术,该技术为神经退行性疾病的发病机制、预测、诊断和对治疗效果的评估提供新的途径,对于开辟新的治疗脑神经性疾病的方法提供了理论的依据,结果有较高的应用价值。

论文目录

  • 中文摘要
  • 英文摘要
  • 符号与缩写词表
  • 第1章 绪论
  • 1.1 前言
  • 1.2 本研究的主要内容
  • 1.3 参考文献
  • 第2章 检测 GABA 的模拟和临床模型研究
  • 2.1 GABA 的 DQF-PRESS 序列序列设计
  • 2.2 材料与方法
  • 2.3 结果
  • 2.4 讨论
  • 2.5 结论
  • 2.6 参考文献
  • 第3章 使用LCMODEL 和QUEST 定量检测活体中GABA 浓度
  • 3.1 LCModel 和 QUEST 定量检测方法的设计
  • 3.2 材料与方法
  • 3.3 结果
  • 3.4 讨论
  • 3.5 结论
  • 3.6 参考文献
  • 第4章 2D J-分解技术检测脑代谢物 GABA 浓度
  • 4.1 2D J-分解技术
  • 4.2 材料与方法
  • 4.3 NMR 实验和数据采集
  • 4.4 实验数据处理
  • 4.5 结果与讨论
  • 4.6 结论
  • 4.7 参考文献
  • 第5章 总结与展望
  • 5.1 研究总结
  • 5.2 需要进一步研究的问题
  • 综述
  • 综述一:一维磁共振频谱中的信号处理方法
  • 综述二:磁共振频谱定量检测 GABA 浓度的研究进展
  • A STUDY OF MR IMAGE DENOISING METHOD BASED ON CONTOURLET TRANSFORM WITH CONTEXT MODEL
  • 发表及参加会议文章目录
  • 致谢
  • 相关论文文献

    • [1].深圳先进院磁共振全身脂肪定量成像技术研究取得新进展[J]. 高科技与产业化 2019(11)
    • [2].1.5T磁共振在膝关节损伤诊断中的应用体会[J]. 中国医药指南 2019(36)
    • [3].磁共振安全教育在科研扫描人员中的实施与评估[J]. 教育教学论坛 2020(13)
    • [4].地面磁共振方法探测地下水研究[J]. 内蒙古煤炭经济 2019(20)
    • [5].浅析1.5T磁共振增强扫描和弥散加权成像诊断复发微小肝癌的价值[J]. 影像研究与医学应用 2020(07)
    • [6].常规磁共振检查对肩袖损伤的诊断价值研究[J]. 基层医学论坛 2020(11)
    • [7].绝热脉冲磁共振地下水探测技术数值模拟及影响分析[J]. 物理学报 2020(12)
    • [8].磁共振信噪比与均匀度智能评价系统[J]. 福建电脑 2020(06)
    • [9].高分辨磁共振血管壁成像对颅内动脉瘤的评估诊断价值[J]. 临床医学工程 2020(06)
    • [10].探析冷却系统导致磁共振故障及维修路径[J]. 影像研究与医学应用 2020(17)
    • [11].分析磁共振弥散加权成像和磁共振波普成像在脑胶质瘤鉴别诊断的临床价值[J]. 影像研究与医学应用 2020(17)
    • [12].医院磁共振:迈向无液氦时代[J]. 中国医院院长 2020(13)
    • [13].额叶皮层退行性萎缩的高分辨率磁共振研究[J]. 影像研究与医学应用 2020(17)
    • [14].2020年心血管磁共振学会标准化图像判读与后处理解读[J]. 磁共振成像 2020(10)
    • [15].隧道磁共振测深超前探测模型参数不确定度分析方法研究[J]. 地球物理学报 2020(11)
    • [16].磁共振力显微镜的研究现状[J]. 产业科技创新 2020(14)
    • [17].第四届全国磁共振三基训练学习班通知[J]. 磁共振成像 2019(05)
    • [18].3.0 T磁共振在颅内动脉粥样硬化狭窄诊断中的应用价值[J]. 河南医学研究 2019(13)
    • [19].磁共振在肩关节撞击综合征诊断中的应用效果分析[J]. 影像研究与医学应用 2019(20)
    • [20].国际心血管磁共振协会中国区委员会第五届学术年会隆重召开[J]. 放射学实践 2019(10)
    • [21].综合护理在婴幼儿磁共振检查的应用效果研究[J]. 山西医药杂志 2019(22)
    • [22].婴幼儿磁共振检查镇静剂首次应用失败原因分析及对策[J]. 中国医疗器械信息 2016(04)
    • [23].磁共振电影成像对成人房间隔缺损的诊断价值[J]. 中国医学计算机成像杂志 2017(01)
    • [24].磁共振增强药物不良反应的观察与处理措施[J]. 中国医药指南 2017(06)
    • [25].低场强磁共振对肩关节损伤的临床应用效果评价[J]. 中国实用医药 2017(07)
    • [26].心脏磁共振新技术在缺血性心脏病中的临床应用探讨[J]. 中国医药指南 2017(05)
    • [27].视频就医指导在老年患者磁共振检查中的运用及效果评价[J]. 护理与康复 2017(04)
    • [28].胎儿磁共振检查的临床应用探讨[J]. 基层医学论坛 2017(16)
    • [29].动态增强乳腺磁共振在乳腺疾病诊治中的应用价值[J]. 内蒙古医学杂志 2017(05)
    • [30].磁共振心肌灌注成像在诊断冠心病方面的临床探讨[J]. 临床医药文献电子杂志 2017(24)

    标签:;  ;  ;  ;  ;  

    磁共振频谱定量测定脑内γ-氨基丁酸浓度技术的研究
    下载Doc文档

    猜你喜欢