当前位置：首页 > article >正文

如何实现区域灰质体积、皮层厚度、低频振幅等影像学特征的病例-对照分析差异分析

article 2025/3/28 8:39:58

在神经影像学研究中，病例-对照分析（case-control analysis）是一种常见的方法，用于比较患者组（cases）与健康对照组（controls）在脑结构和功能上的差异。本文介绍如何利用病例-对照分析对**区域灰质体积（GMV,、皮层厚度（CT）及低频振幅（ALFF）进行统计分析。

在这里插入图片描述

1. 数据准备与预处理

1.1 影像数据获取

结构 MRI（T1 加权）—— 用于计算 GMV 和 CT
功能 MRI（rs-fMRI）—— 用于计算 ALFF

1.2 预处理流程

使用 CAT12（SPM 工具箱）、Freesurfer、DPABI 进行数据预处理，包括：

CAT12（基于 SPM）：

GMV 计算：分割 T1w 图像，归一化至 MNI 空间，计算体积并进行平滑处理（FWHM = 8 mm）。
CT 计算：投影到皮层表面，计算皮层厚度。
Freesurfer：使用 recon-all 处理 T1w 数据，提取皮层厚度。

DPABI（基于 rs-fMRI 处理）：ALFF 计算：经过时间校正、头动校正、归一化、去噪后，在 0.01-0.1 Hz 频段计算 ALFF 并进行 Z 转换。

2. 统计分析

2.1 组间差异检验

在影像学研究中，一般线性模型（GLM, General Linear Model）是常用的统计方法之一。

GLM 通过构建预测变量与因变量之间的线性关系，评估组别效应及其他协变量对影像学特征的影响。例如，在病例-对照分析中，可将影像学特征（如灰质体积、皮层厚度或功能活动）作为预测变量，而年龄、性别、组别、教育程度等临床变量作为因变量。

GLM 允许控制协变量的影响，从而准确评估组别差异是否显著。最终，通过统计检验（如 F 检验或 t 检验），可以确定哪些脑区的影像学特征在不同组别之间存在显著差异。

2.2 代码实现——核心命令fitlm

clc
clear all

%set code folder path
path='G:\yourpath\'; 

%% load clinical information
% 临床变量表整理为3列，第一列为sex (0代表女性，1代表男性)。第二列为age, 第三列为组别信息。
clinical = importdata(strcat(mypath,'clinical_information/Cov_HC_Patients.xlsx'));
ClinicalInfrom = clinical.data;
sex = ClinicalInfrom(:,1);
age = ClinicalInfrom(:,2);
group = ClinicalInfrom(:,3);

cons=find(group==1);
pats=find(group==2);

%% load HC data
X_RS=load(strcat(mypath,'data/HC_ALFF.mat'));               
HC_FC = X_RS.ALFF;

n_ROI = size(HC_FC,1);

%% load Patients data
X_RS=load(strcat(mypath,'data/Patients_ALFF.mat'));               
Patients_FC = X_RS.ALFF;

FC_data = [HC_FC,Patients_FC];

group_T_value=zeros(n_ROI,1);
group_P_value=zeros(n_ROI,1);
for i=1:n_ROI
  tbl = table(age,sex,group,FC_data(i,:)');
  tbl.sex = categorical(tbl.sex);
  lm = fitlm(tbl,'Var4~age+sex+group');
  %% age and group 的交互效应
%   lm = fitlm(tbl,'Var4~age*group+sex');
  group_T_value(i)=lm.Coefficients{4,3};
  group_P_value(i)=lm.Coefficients{4,4};
end
%%Bonferroni FDR 
group_correct_P=mafdr(group_P_value,'BHFDR',1);                                                                     %fdr
group_result=[group_T_value group_P_value group_correct_P];
group_sigregs_FDR_ALFF = find(group_correct_P<0.05)

%% save results
xlswrite(strcat('G:\yourpath\Case-control_ALFF.xlsx'),group_result)