发表于: 2020/08/30 10:01 | 作者: NICA

        2020年8月29日上午9:00,神经计算与脑机交互课题组汪胜佩同学在本所智能化大厦第五会议室进行了题为:“重度抑郁症及其无抽搐电休克治疗的大脑结构和功能研究”的博士论文答辩,参加此次答辩会的专家有王振常教授、高小榕教授、李小俚教授、鲜军舫教授、张家才教授、王毅军研究员和刘勇研究员。课题组全体成员参加了本次博士论文答辩。

        答辩秘书首先宣布了答辩专家组成员并介绍了答辩人的个人基本信息。答辩过程中,汪胜佩就自己的研究课题进行了报告,重点阐述了博士学位论文的创造性成果,以及攻读博士学位期间的学术成果,并对各位答辩专家提出的问题进行了逐一的回复。答辩委员们肯定了学位论文的选题意义和实用价值,同时也针对相关的学术问题展开热烈讨论。答辩委员会一致通过其论文答辩,并建议准予其博士毕业和授予工学博士学位。

        以下为汪胜佩博士学位论文的摘要:

        重度抑郁症(Major depressive disorder,MDD)是一种常见的精神障碍类疾病,该疾病伴有高致残率,会对患者身心造成严重危害。无抽搐电休克疗法(Modified Electroconvulsive therapy, mECT)对重度抑郁症具有较好的疗效,但其治疗机制仍不明确,这在一定程度上限制了mECT的发展与应用。因此,明确mECT对抑郁症的神经作用机制不仅能够有助于了解抑郁症的发病机制,同时也为改进优化mECT乃至于新技术的开发提供科学依据。在本论文中,我们与安徽精神卫生中心首先联合招募了58名重度抑郁症患者并接受mECT的治疗,同时招募了34名年龄性别相匹配的健康对照,然后采集mECT治疗前后的重度抑郁症患者及其健康对照的多模态磁共振成像。最后,使用多模态核磁共振图像对重度抑郁症及其mECT治疗的大脑结构和功能的可塑性进行研究。论文的主要的研究工作及创新点包括以下几个方面:

        首先,本文提出了不同尺度的大脑形态学和结构连接分析框架,分别从体素、感兴趣区和大脑结构网络三种尺度对重度抑郁症及其治疗的大脑结构的可塑性进行研究。研究结果发现重度抑郁症患者多个脑区受到损伤而导致灰质体积减少,而电休克治疗能够改善和修复受损的脑区。该研究表明重度抑郁症患者的边缘叶-皮层环路脑区受损,而电休克治疗可作用于该环路,改善整个环路的受损而起到抗抑郁效果。

        其次,本文基于图论分析了功能子系统连接模式,探究重度抑郁症及mECT治疗的大脑功能子系统之间的功能连接的改变。研究结果发现重度抑郁症在感觉运动网络和额顶控制网络内的功能连接显著低于正常对照,高级认知网络(默认网络和扣带-鳃盖网络)与低级感觉网络(注意网络、躯体运动网络、视觉网络)的连接也显著降低。经过mECT治疗后默认网络和额顶控制网络内的连接显著增加,默认网络和低级感觉网络间连接也显著增加。上述研究结果说明重度抑郁症患者高级认知网络和低级感觉认知网络之间存在失连接,而mECT治疗后可加强高级认知网络对低级感觉认知网络的调节。

        接着,本文提出了基于多层网络的模块动态特征分析的框架,探究重度抑郁症及其mECT治疗的大脑动态特性。研究发现重度抑郁症的患者的基底节网络的分离度显著增加,执行控制网络的分离度和灵活度显著降低;mECT治疗后的重度抑郁症患者的躯体运动网络的内聚度显著降低,同时语言网络的灵活度显著增加,且额中回、扣带、舌回的动态模块特征与临床参数存在显著的相关性。上述研究说明重度抑郁症患者执行控制网络灵活度的受损可能与患者对负性感官加工行为的调节作用有关,mECT治疗可改善重度抑郁症患者语言网络的损伤。

        最后,本文提出了基于隐马尔科夫模型的大脑动态特性分析框架,探究了重度抑郁患者大脑微状态时间上的重配置及特异的状态转移模式。研究发现重度抑郁症患者时间上存在大脑微状态的重配置,其中,重度抑郁症患者以默认网络激活降低为表征的大脑微状态的相对占比和存活时间显著增加。重度抑郁症患者存在特异的状态转移模块,以及重度抑郁症相关状态转移模块与正常对照相关状态转移模块之间存在多条状态转移路径。上述研究为抑郁症大脑网络的动态环路提供了新的证据,有助于理解重度抑郁的发病机制。

 

图1.汪胜佩答辩

 

图2.主席宣布答辩评审意见

 

图3.合影