基于人脑PET影像数据的精神疾病的生物标识的研究以及相关数学模型的建立与反问题的研究

The human brain is one of the most complex systems in nature, comprised of multiple brain regions interconnected as a network structure, completing various brain functions through interaction with each other. Since the invasive method to study the animal brain structure can not by applied to study the human brain in vivo, it makes the progress of the human brain research really slow. Morphological data of the human brain contains massive information of brain connection, which makes the study based on human brain images a hot topic in the field of neuroscience and mental disorders. This proposal is mainly concerned finding the connections between the neuropsychiatric disorders(such as Alzheimer's disease, schizophrenia, etc.) and the brain functional network based on brain images, and searching the lesions by statistical methods from multi-scales(such as from genetic, molecular and behavioral points of view). On the one hand, based on the PET imaging data from PET Research Center of Huashan Hospital Fudan University, we want to distinguish the normal people and patients, and to search for the area where the disorders starts in the human brain regions; On the other hand, through the formulation of mathematical models, to mimic the evolution of disorders in the brain, and to study the related inverse problems using time series analysis and regularization methods. The proposal aims to provide a new perspective to know the pathogenesis of neurogenic disorders, and to find the brain imaging markers for early diagnosis and treatment.

人脑是自然界中最复杂的系统之一，由多个脑区互连接成庞杂的结构网络，通过相互作用完成脑的各种功能。由于获取动物大脑结构连接的侵入式方法无法用于研究活体人脑，这使得人脑结构连接网络的研究进展缓慢。人脑的形态学数据中包含着大量脑连接信息，使得基于人脑影像数据的研究已经成为神经科学领域和精神疾病领域的研究热点。本课题希望利用影像数据来找精神疾病（例如老年痴呆症，精神分裂症等）与脑功能网络的异常关系，从多尺度上（例如遗传，分子，行为的角度），利用统计方法来寻找病灶。一方面，基于复旦大学附属华山医院的PET研究中心提供的PET影像，来区分正常人和病人，并研究疾病产生在脑区中的位置；另一方面，通过建立相关动力学模型来模拟疾病的演化过程，利用时间序列的分析方法以及正则化数值计算方法，来研究其中涉及到的反问题。本课题旨在为理解精神疾病的病理机制提供新的视角，并为疾病的早期诊断和治疗提供脑网络影像标记。

人脑是自然界中最复杂的系统之一，由多个脑区互相连接成庞杂的结构网络，通过相互作用完成脑的各种功能。人脑的形态学数据中包含着大量的脑连接信息，使得基于人脑的影像数据的研究成为神经科学领域和精神疾病领域的研究热点。本课题一方面基于多模态的数据，研究精神分裂症患者功能连接的异常；另一方面，基于微分方程研究疾病演化的动力学模型。.基于不同脑区、多模态的数据，通过数据的整合分析，利用多变量的高维统计分析方法，将多因素引入到模型的分析过程中，研究精神分裂症功能连接的异常。关于精神分裂症功能异常的报告由于缺乏分阶段的观点和全脑维度的分析而存在着很大程度的相异性。研究发现在首发患者中，90％的功能连接的改变发生在前额叶，多数为下前额叶脑回，包括Broca区域，并且这些变化会与妄想等症状相关。对于慢性病人，功能连接的差异扩展到大脑更广泛的区域，包括Thalamo-Frontal连接的减少和Thalamo-temporal和Thalamo-sensorimoter连接的增多。丘脑变化在慢性阶段十分突出。这些研究发现，为理解精神分裂症的发病机理提供思路，可能为其早期的临床诊断提供建议。.从数学建模的角度，建立相关疾病演化的微分方程模型，来模拟疾病可能的演化过程。本项目根据实际中的数据确定了相关动力学模型中关键参数的值，并给出了敏感性分析，对具体问题利用数值方法模拟了演化的动力学性态。在模型中引入实际的控制措施、人为的干预等，先从理论的角度研究模型的动力学行为，理解疾病可能的演化机理；通过确定模型中可能的参数值，从数值模拟的角度研究预防控制措施对疾病演化过程的影响。