以獨立元件分析方式評估巴金森病之腦血流異常

論文摘要 論文名稱: 以獨立元件分析方式評估巴金森病之腦血流異常 台北醫學大學醫學資訊研究所 研究生姓名:徐榮隆 畢業時間:九十五學年度 第二學期 指導教授：徐建業 台北醫學大學醫學資訊研究所 副教授 協同指導教授：邱泓文 台北醫學大學醫學資訊研究所 副教授 內文 關鍵詞：醫學影像，獨立元件分析，巴金森氏病，單光子電腦斷層攝影 背景: 過去二十年，生物醫學及工程上最重要的進展之一就是在非侵式記錄技術的突飛猛進。嶄新的技術讓我們能設計、從事各種複雜的實驗，記錄高精密度的腦電波、心電圖、肌電圖、磁振造影及功能性磁振造影。但是，當生醫技術繼續向時空精密度極限挑戰的同時，生醫訊號分析方法的進展卻沒能趕上技術開發的腳步。對腦神經科學而言，一個可信度高的分析方法與一項革命性的生物技術同等重要，我們需更好的分析方法來從龐大複雜的數據 (包括時間)中，擷取有意義的資訊。本研究使用一個目前最受訊號處理領域矚目的『獨立元件分析』 (Independent Component Analysis, ICA)演算法為主，來分析單光子電腦斷層攝影影像訊號。獨立元件分析是一種可以將多管道 (concurrent multiple-channel)生醫訊號分解成完全獨立的訊號(independent component)，並進一步探討這些獨立訊號與實驗行為(task behavior and performance)的相關性的分析工具。這個分析方法在過去幾年已經應用到各種基礎腦神經科學的數據分析，包括腦電波(ＥＥＧ）、肌電圖(ＥＭＧ）,及功能性磁振造影,獨立元件分析的提出原是為了要解決「雞尾酒會問題」(cocktail-party problem)，或稱為「分離未知訊號源問題」(blind source separation)。ICA 是一個可以將被一個未知轉換 (matrix)線性混在一起的訊號，一個個分離出來的工具。其大致之原理是利用神經網路演算法去找到另外一個轉換(Ｗ matrix)，使其所有輸出 (Ｙ) 的焗 (joint entropy)到達它的最大值，此Ｗ就可以把原來的訊號還原回來。過去ICA 應用到分析fMRI 訊號如McKeown et al展示了如何用ICA去分析fMRI 的資料。ICA 的最大優點是它不需要事先知道腦部會對各種不同的事件做如何的反應，而能自動的找到不同區域所作的活動，不像其它的分析方法往往依賴一個事先可以預測的活動變化來尋找哪些區域會產生這變化。本研究將運用此分析方式（獨立元件分析）來比較正常人與巴金森氏病人其大腦中的局部腦血流差異。 方法:巴金森氏病是老年常見的神經退化性疾病，其主要的症狀為動作遲緩、僵直、姿態不穩與顫抖。雖然經過數十年的研究，對於巴金森氏病的腦血流變化仍然未有定論，而目前的單光子電腦斷層攝影對於評估局部的腦血流與了解疾病的病理生理學是一項有用的工具。在本研究中我?將運用ICA 分析一組正常人與巴金森氏病人的單光子電腦斷層攝影影像資料，來比較正常人與巴金森氏病人其大腦中的局部腦血流差異的位置，並探討此差異與臨床症狀的關係。我們收集了27位不同程度的巴金森氏病人與24位對照組的單光子電腦斷層攝影影像資料，病患的臨床症狀與疾病嚴重度依英國巴金森氏病評估量表(United Kingdom of Parkinson’s Disease Rating Scale)與荷雅氏分級(Hoehn and Yahr)。以ICA 分析出9個與疾病相關的獨立訊號和42個與疾病不相關的獨立訊號，再經由影像統計分析的方法(Statistic Parametric Mapping, SPM)找出巴金森氏病與正常人有統計顯著差異的區域，同時我們也以病患的臨床症狀指標找出與疾病有顯著關聯的相關腦功能區。 結果:我們的研究顯示運用此方法可以找到比傳統分析方式更多的疾病相關聯腦功能區，且這些有顯著意義的區域與臨床症狀有著顯著相關，並且與疾病的病理生理學相符合。同時我們也發現邊緣系統(limbic system)中的扣帶迴(cingulated gyrus)與腦島(insula)和臨床症狀有顯著相關，這在過去的文獻並未被提出。 討論: 由於傳統的分析方式是以選擇區域性(region of interest)來進行比較，我們的研究顯示應用獨立成份分析方式可提供一個不同且較完全的方式來評估巴金森氏病的腦血流變化區域。然而我們的病人數並不是很多，另外病人服用藥物可能產生的影響是本研究在解釋時須注意的。未來將須更充份評估此方法的優劣並做廣泛的測試以期於臨床上的使用。