首頁資訊加速神經(jīng)成像數(shù)據(jù)分析，推進健康認知老化研究

加速神經(jīng)成像數(shù)據(jù)分析，推進健康認知老化研究

來源：泰然健康網(wǎng) 時間：2024年12月13日 09:21

加速神經(jīng)成像數(shù)據(jù)分析，推進健康認知老化研究

作者 Richard Henson and Russell Thompson, Cambridge University

劍橋老化與神經(jīng)科學中心 (Cam-CAN) 是 2010 年啟動的一個大型研究項目，旨在了解個體如何在步入老年后盡可能保持認知能力。Cam-CAN 是一項跨學科舉措，匯集了來自心理學、神經(jīng)科學、精神病學、工程學和公共衛(wèi)生領(lǐng)域的研究人員，他們使用各種大腦成像技術(shù)，如結(jié)構(gòu)和功能性磁共振成像 (MRI) 及腦磁圖 (MEG)，評估與年齡相關(guān)的大腦結(jié)構(gòu)和功能的變化。隨著年齡的增長，大腦的結(jié)構(gòu)會發(fā)生巨大變化（圖 1），那么，有些人是如何在發(fā)生了這些變化的情況下依然保持良好的認知能力的呢？

圖 1. 結(jié)構(gòu)性 MRI 圖像顯示了典型的 19 歲健康人大腦（左）和典型的 86 歲健康人大腦（右）的橫切面。隨著年齡的增長，灰質(zhì)（大腦邊緣的卷積）和白質(zhì)（剩余的較輕物質(zhì)）逐漸縮小，導致老年人大腦中的黑洞（腦室）變大。

Cam-CAN 是全球同類項目中規(guī)模最大的項目之一，共招募了近 3,000 名參與者，他們的年齡從 18 歲到 88 歲不等，并且擁有廣泛的社會經(jīng)濟背景。數(shù)據(jù)來源包括健康史和生活方式調(diào)查問卷、認知測試，以及其中 700 名參與者的 MRI 和 MEG 成像。每個參與者都提供了近 1 GB 的數(shù)據(jù)，其中包含近 1,000 張 MRI 影像，每張影像分別包含超過 100,000 個體素，同時還包括數(shù)百個傳感器以毫秒間隔記錄、總長 30 分鐘的 MEG 信號。我們使用 MATLAB? 在高性能計算集群上處理數(shù)據(jù)，并應(yīng)用高級統(tǒng)計、優(yōu)化和機器學習方法解釋數(shù)據(jù)，進行有意義的定量比較。

處理 Cam-CAN 數(shù)據(jù)

處理來自大型同期群的 MRI 和 MEG 數(shù)據(jù)涉及很多步驟，例如配準不同類型的 MRI 影像，進行形變處理以置入公共空間，進行平滑處理，并在每個體素上運行統(tǒng)計模型。解釋 MEG 數(shù)據(jù)也需要將傳感器配準到結(jié)構(gòu)性 MRI 影像，以構(gòu)建準確的頭部模型。這使處理流程錯綜復(fù)雜，并且包含許多相互依賴的步驟。

為管理并自動執(zhí)行這一步驟繁多的流程，幾個研究團隊與 MRC 認知與腦科學研究所協(xié)作開發(fā)了基于 MATLAB 的自動分析 (AA) 軟件包 [1]。Cam-CAN 數(shù)據(jù)集是 AA 的理想用例，因為研究的參與者數(shù)量眾多，并且需要處理來自每個參與者的各種影像。即使不太精通編程的研究人員也可以使用 AA 執(zhí)行復(fù)雜的神經(jīng)成像數(shù)據(jù)分析（圖 2）。AA 流程由多個模塊組成，每個模塊執(zhí)行單個步驟并指定其輸入和輸出依賴項。AA 處理引擎本質(zhì)上是一個批處理系統(tǒng)，它管理這些依賴項，并跟蹤完成的步驟和剩余的步驟。如果流程中斷，研究人員可以恢復(fù)處理，而無需從頭開始。

圖 2. 用于功能性 MRI 分析的部分 AA 流程。圖片由 Cusack 等人提供，2015 年。

AA 流程可以調(diào)用其他神經(jīng)成像分析軟件，包括 Statistical Parametric Mapping（統(tǒng)計參數(shù)圖，SPM）包。SPM 同樣是基于 MATLAB 的包，也是全球使用最廣泛的神經(jīng)成像工具之一。

使用集群加速數(shù)據(jù)處理

盡管 AA 可以很好地管理圖像分析流程，但完整執(zhí)行流程中的所有步驟會耗費大量時間，對于這一涉及 700 名參與者的項目尤其如此。為加快此過程，我們使用 MATLAB Parallel Server? 在 1200核集群上處理數(shù)據(jù)。由于單個參與者的大部分數(shù)據(jù)處理工作可以獨立完成（即不影響其他參與者數(shù)據(jù)的處理），因此，我們的分析高度并行，并且可以輕松地在一個集群上同時執(zhí)行。我們發(fā)現(xiàn)，隨著分配給每個作業(yè)的核心數(shù)量的增加，計算速度幾乎呈線性增長。

MATLAB Parallel Server 不僅縮短了處理時間，還降低了并行計算的使用門檻；我們非常重視這一點，因為劍橋 MRC 認知與腦科學研究所的科學家的技術(shù)能力各不相同。很多情況下，研究人員只需將 for 循環(huán)改為 parfor 循環(huán)，即可將其處理轉(zhuǎn)移到集群。我們編寫了腳本，使研究人員可以針對不同的作業(yè)規(guī)模選擇對應(yīng)的默認資源集，例如特定的核心數(shù)和每個核心的 RAM 數(shù)量。由于 MATLAB Parallel Server 通過插件腳本與 Slurm 調(diào)度程序集成，因此可以輕松提交作業(yè)并管理由多個用戶共享的集群。

在 MATLAB 中分析 Cam-CAN 數(shù)據(jù)

在使用 AA 流程完成神經(jīng)成像 Cam-CAN 數(shù)據(jù)的初步處理后，我們的研究人員可以應(yīng)用統(tǒng)計和機器學習技術(shù)進行推斷并得出見解。例如，一些研究人員使用 Statistics and Machine Learning Toolbox?，試著根據(jù)大量不同的大腦數(shù)據(jù)預(yù)測每個參與者的年齡，以確定哪些大腦特征對預(yù)測年齡最為重要。也有研究人員使用多元線性回歸法和中介效應(yīng)分析，試圖找出哪些生活方式因素使有些人在進入老年后仍保持原有的認知能力，盡管他們的大腦發(fā)生了如圖 1 所示的巨大變化。一項研究表明，除教育外，中年時期的運動、愛好或社交活動對預(yù)測晚年認知能力有著特殊的貢獻 [2]。同時，老年人在早年從事的這些活動越多，其認知健康對大腦結(jié)構(gòu)的依賴就越?。▓D 3）。這表明，大腦可以在功能層面適應(yīng)與年齡相關(guān)的結(jié)構(gòu)變化，而中年時期的活動對這種適應(yīng)能力的形成尤為重要，這或許有助于人們在步入老年后更長時間地保持其獨立生活能力。

圖 3. 此圖顯示了 65 歲以上的 Cam-CAN 參與者的認知能力和大腦健康的結(jié)構(gòu)性 MRI 測量（“灰質(zhì)總體積”）之間的關(guān)系，摘自 Chan 等人 (2018) 的論文，有改動。每個圓點代表一名參與者，圓點的顏色表示其在中年時期參加過大量（藍色）或少量（紅色）業(yè)余活動。

進一步的研究

神經(jīng)科學是劍橋大學的一個非?；钴S的跨專業(yè)研究領(lǐng)域，并建有完善的跨學科研究中心。當?shù)?Cam-CAN 團隊的成員已根據(jù) Cam-CAN 存儲庫中的數(shù)據(jù)發(fā)表了多篇論文。此外，這些數(shù)據(jù)的匿名版本可根據(jù)申請對外提供，如今已被世界各地的數(shù)百名科學家下載使用。

目前，我們正在籌措更多經(jīng)費，用于對原始組中的參與者進行后續(xù)測試，獲取隨其年齡增長產(chǎn)生的縱向數(shù)據(jù)。另外，我們還將 Cam-CAN 數(shù)據(jù)與歐洲各地的腦成像同期數(shù)據(jù)相結(jié)合，將大腦掃描的數(shù)據(jù)從數(shù)百增加到數(shù)萬。樣本量的增加有助于開展基于志愿者捐獻樣本的分析，如分析遺傳的作用。而了解健康老化同樣有助于了解“不健康”老化，例如阿爾茨海默氏病和其他形式的癡呆癥。

關(guān)于作者

Richard Henson 是 MRC 認知與腦科學研究所 (CBU) 的副主任，也是劍橋大學精神病學系認知神經(jīng)科學教授。

Russell Thompson 是 CBU 的 IT 主管。

2020 年發(fā)布

參考文獻

[1] Cusack, R., Vicente-Grabovetsky, A., Mitchell, D.J., Wild, C.J., Auer, T., Linke, A.C. & Peelle, J.E. (2015). “Automatic analysis (aa): efficient neuroimaging workflows and parallel processing using MATLAB and XML.” Frontiers in Neuroinformatics. https://doi.org/10.3389/fninf.2014.00090

[2] Chan, D., Shafto, M., Kievit, R., Matthews, F., Spink, M., Valenzuela, M., Cam-CAN & Henson, R.N. (2018). “Lifestyle activities in mid-life contribute to cognitive reserve in late-life, independent of education, occupation and late-life activities.” Neurobiology of Aging, 70, 180-183. https://doi.org/10.1016/j.neurobiolaging.2018.06.012

網(wǎng)址: 加速神經(jīng)成像數(shù)據(jù)分析，推進健康認知老化研究 http://www.u1s5d6.cn/newsview488602.html