下载文档原格式
急性脑出血患者颅内血肿及其周边区局部脑血流量与躯体感觉神经诱发电位的研究孔令斌;杨志寅;安锐【期刊名称】《中国全科医学》【年(卷),期】2007(10)1【摘要】目的研究急性脑出血患者血肿区、周边区和对侧脑组织局部脑血流量以及躯体感觉神经诱发电位(simatosensory evoked potential,SSEP)的变化.方法利用单光子发射计算机断层(single photon emission computed tomography,SPECT)显像技术检查25例急性基底核区出血患者,根据中国卒中评分分型,轻型组16例,中型组9例,发病后1～5 d、13～19 d各做1次SPECT检查.采用感兴趣区模型分析法,分别于局部脑血流量(regional cerebral bloodflow,rCBF)减低区的中心和其周围额顶叶、小脑中心及上述区域的对侧镜像区做放射性摄取计数,并计算病变侧与对侧放射性计数的摄取比(R),同时测定两组患者的SSEP各波潜伏时.结果两组患者行第1、2次SPECT检查时,血肿区病变侧放射性计数均显著低于对侧(P＜0.01).第1、2次检查时两组患者病变侧血肿区放射性计数均低于周边区(P＜0.01).病变对侧小脑的放射性计数低于病变侧,差异有显著性意义(P＜0.01).轻型组患者病变侧SSEP各波在P40、N60潜伏时及中型组患者病变侧SSEP各波在P25、N30、P40、N60潜伏时均较相应的对侧延长,差异有显著性意义(P＜0.05);中型组患者病变侧SSEP各波在P25、N30、P40、N60潜伏时较轻型组相应波的潜伏时长,差异有显著性意义(P＜0.05).结论急性脑出血患者血肿区及其周边区的rCBF下降,血肿对侧小脑的血流量亦有下降,而且血肿侧的中枢神经系统功能有明显损害.【总页数】4页(P23-26)【作者】孔令斌;杨志寅;安锐【作者单位】430030,华中科技大学同济医学附属院协和医院核医学科,济宁医学院;济宁医学院,行为医学研究所;华中科技大学同济医学院附属协和医院校医学科【正文语种】中文【中图分类】R74【相关文献】1.脑出血患者脑干听觉诱发电位与脑血流量相关性研究 [J], 李飞;谷德祥;李燕君2.急性脑出血患者局部脑血流量的研究 [J], 朱立新;冯林波;孙增晋3.急性脑出血患者局部脑血流量的研究 [J], 朱立新;冯林波;孙增晋4.急性脑出血患者局部脑血流量的研究 [J], 丁宏岩;董强;史朗峰;韩翔;刘从进;刘兴党5.椎基底动脉短暂缺血性眩晕患者脑血流量与脑干听力诱发电位的关系研究 [J], 唐开雄;陈瑞陶;蔡瑞洲;周剑勇;黄俊杰;龙晚生;莫仲娟因版权原因，仅展示原文概要，查看原文内容请购买。
脑梗死后失语与局部脑血流的相关性研究作者：苑园来源：《中国当代医药》2013年第35期[摘要] 目的探讨卒中后失语与局部脑血流（rCBF）之间的关系。
方法选择51例经CT或MRI确诊的左侧半球单一病灶的脑梗死患者行单光子发射型计算机体层摄影术（SPECT）检查，观察rCBF改变的部位、范围及程度，并按北京大学高素荣汉语成套检测法（ABC）进行失语检测，记录失语评分，并进行分类，分析rCBF与失语的关系。
结果 51例患者均有左侧大脑皮质灌注不足的表现；失语组与非失语组对比，失语组SPECT显示缺血脑叶的数量明显多于非失语组（P[关键词] 脑梗死；失语；单光子发射型计算机体层摄影术；局部脑血流[中图分类号] R743.33 [文献标识码] A [文章编号] 1674-4721（2013）12（b）-0056-02脑梗死后失语严重影响患者的生活质量，增加社会负担。
目前多数学者认为失语的发病机制可能为病变本身直接破坏语言功能区或远隔效应（即病变间接影响语言功能区），或由于两者同时作用。
本研究采用单光子发射型计算机体层摄影术（SPECT）局部脑血流显像方法，观察有失语表现的脑梗死患者的脑损伤部位，分析脑梗死后失语与局部脑血流（rCBF）的关系，从而探讨失语症可能的发生和恢复机制。
1 资料与方法1.1 一般资料选择2012年1月～2013年1月沈阳市红十字会神经内科住院的脑梗死患者，共51例，其中，男性28例，女性23例，年龄49～74岁，平均（62±12）岁，经过CT或MRI证实左半球单一病灶脑梗死；均为右利手。
1.2 检查方法1.2.1 失语症检查所有患者均经汉语成套检测法（ABC）进行检查，明确失语诊断及失语类型。
1.2.2 SPECT检查 SPECT 断层显像应用美国GE公司St-arcam 3200iXR/T型SPECT仪，配低能高分辨平行孔准直器，结合ROI技术，测定原发病灶、额叶、颞叶、顶叶Broca区，Wernicke区与对侧半球相应部位的放射性计数比值，以比值1.1为异常。
局部脑血流的测定一. 问题简介脑血流量是诊断和治疗脑梗塞,脑出血,动脉瘤和先天性动,静脉血管畸形等脑血管疾病的主要依据。
测定脑血流量可为研究人脑在不同的病理和生理条件下的功能提供客观指标，它对研究脑循环药物的药理作用也很有帮助。
所以人们长期致力于寻找有效地测定脑血流量的方法。
近年来出现了以放射性同位素作示踪剂测定人脑局部血流量的方法。
这种方法大致可描述如下:由受试者吸入某种放射性同位素的气体，然后将探测器置于受试者头部某固定处，定时测量该处放射性同位素的计数率(简称计数率)，同时测量他呼出气的计数率。
由于动脉血将肺部的放射性同位素输送至大脑，使脑部同位素增加，而脑血流又将同位素带离，使同位素减少，实验证明由脑血流引起局部地区计数率下降的速率与当时该处的记数率成正比，其比例系数反映了该处的脑血流量，被称为脑血流量系数，只要确定该系数即可推算出脑血流量。
动脉血从肺输送同位素至大脑引起脑部计数率上升的速率与当时呼出气的计数率成正比。
若某受试者的测试数据如下:时间(分) 1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00 3.25 3.50 3.75头部记数率1534 1528 1468 1378 1272 1162 1052 947 848 757 674 599呼出气记数率2231 1534 1054 724 498 342 235 162 111 76 52 36时间(分) 4.00 4.25 4.50 4.75 5.00 5.25 5.50 5.75 6.00 6.25 6.50 6.75头部记数率531 471 417 369 326 288 255 225 199 175 155 137呼出气记数率25 17 12 8 6 4 3 2 1 1 1 1时间(分) 7.00 7.25 7.50 7.75 8.00 8.25 8.50 8.75 9.00 9.25 9.50 9.75 10.0头部记数率121 107 94 83 73 65 57 50 44 39 35 31 27呼出气记数率0 0 0 0 0 0 0 0 0 0 0 0 0试建立确定脑血流系数的数学模型并计算上述受试者的脑血流系数。
备注:该题目是上海市(1990 年)大学生数学建模竞赛A题。
二. 模型的假定1. 脑部计数率(记为ht())的上升只与肺部的放射性同位素有关，上升速度与呼出气的记数率(记为p()t )成正比，比例系数记为k ；2. 脑部记数率ht()的下降只与该处脑血流量有关，其下降速度正比于ht()，比例系数为脑血流系数，记为K，这里忽略了放射性元素的衰变和其它因素；3. 脑血流量在测定期间恒定，心脏博动，被测试者大脑活动，情感波动等带来的变化忽略不予考虑；4. 每次仪器测量为相互独立事件，各测量值无记忆相关；5. 放射性同位素在人体内传递是从吸入气体(含有放射物)开始的，并假定一次吸入，因此认为同位素在肺中瞬时达到最大浓度；6. 在吸入气体瞬时，脑中放射物记数率为零；7. 脑血流量与脑血流系数K成单值函数关系，求得后者即可确定前者。
三. 模型的建立与分析由于已知脑局部同位素的增减与已测定的头部记数率ht()和呼出气记数率p()t 成正比关系,于是很自然地确定以脑部同位素量,即脑部记数率作为讨论对象.。
1.原始模型的建立设某时刻t ≥0时,头部记数率为ht(),在Δt 时段后记数率ht()+Δt ，由假定可知, 头部记数率的增量Δhht= ()(+Δt -ht)仅与三个因素有关：(i) 肺动脉血将肺部的放射性同位素送至大脑,使脑部记数率增量为Δh ；(ii) 脑血流将同位素带离,脑记数率下降为Δh ；(iii)放射性同位素自身有衰减引起记数率下降量为Δh ,设其半衰期为τ.因此,由医学试验及假定有dh dh dh ln21 2 3= kp(),t = Kh(),t =- ht(),dt dt dt τ而Δht() = Δh ()t -Δh ()t +Δh ()t ，123于是dh dh dh dh123=-+ ,dt dt dt dt即dh ln2=-Kht()+kpt()- ht(). (dt τ133由于在测试时放射性同位素(如Xe)的半衰期τ一般很大,而测试时间又很短(大约十几分钟左右),由此假定τ→+∞,于是(1)式变为:dh=-Kh()t +kp()t . (dt2. 算法模型的建立与改进在建立算法模型之前,首先必须对p()t 进行预测。
作p()tt~ 和-λt ln pt( ) ~ t 的离散图(图1和图2),由此发现p()t 与t 有近似于Ae 的函数关系。
通过对ln pt( ) ~ t 的离散图2的观察,去掉时刻6及6.5以后的样本(这样作的原因见文章后面的评注),再利用最小二乘法进行拟合得lnpt( ) = 915158. -147577. t -147577. t其相关系数r = 0999887. ,由此得知pt() = 9429.33e 3 -147577. t我们作出pt() = 9429.33e 的图形,并将此图和图1放在一起图3,由图3及相关系数r = 0999887. 可以认为p()t 确实是负指数曲线-λtpt() ===Ae ,(A 9429.33,λ 147577. ).(2)及假设f，即h()0 = 0，解得kA --λtKtK -λ此式从数学上来看并不复杂，但要利用此式求出参数K和k却并非事，而参数K则需要在测试中使用，因此我们的问题归结为：如何利实际测量值和(2)及h(0)=0去决定参数k和K．这类数学问题称为参数识问题。
下面建立几个算法模型:算法模型Ⅰ.一般差分拟合法：将方程(2)离散化，记时间步长为T，利用前插公式得：hh-nn+1=-Kh +kpnnThKThk= ()1- + Tp ，(4)nn+1 n中hhtnTpptnT= (),()+ = + .nn002用差分法求解，其截断误差为oT()，显然大了些，为了提高精度准确度，最直接的方法是由插值方法获得更多的结点，缩短步长，使断误差减少。
如用三次样条插值法在每两个结点的中点进行插值，可2截断误差减少到原来的1/4，但仍然为oT()，且继续缩短步长，计算量将成倍增加。
算法模型Ⅱ.改进的差分拟合法：在这个算法中，我们注意方程(2)右端的线性项-Kh()t ，因此两边同Kt乘以e (积分因子)后可得: Ktde h()t Kt= kp()t e ，(5)dt对方程(5)利用差分离散化，并整理得：KTeh -hnn+1= kpnT即：--KT KThehkTep=+ ，(6)n+1 n n-KT 2此时截断误差为oe( T )，显然要比算法模型I 误差要小，同时若将(6)-KT -KT中的e 展开，即eKT=-1 +oT()，略去高阶无穷小，则得到：nn+1 n这恰好是方程(4)，由此可见利用积分因子后得到了一个比模型I 精度要高的一个算法模型。
对于离散方程(4)或(6)可以通过联立不同时刻的方程组求得一系列K值，但是由于在实际测量中存在随机误差，以及离散化的截断误差,使得这些K值不尽相同。
为了充分利用已测数据，我们利用最小二乘法拟合数据可得：hh= 0882488..+0078065p ，(7)nn+1 n在这里我们取t =1，步长T = 025. ，拟合的复相关系数r = 09999997.. 于0是将(7)与(4)式或(6)式比较可得参数K和k的值如下表所示：算法模型K的估计值k的估计值Ⅰ0.470048 0.31226Ⅱ0.5004 0.353841表1.算法Ⅰ算法Ⅱ的结果上述两个算法模型，计算简单，但对误差难以估计，并且对上述算法进行测试，两个算法对K具有稳定性，而对另一个参数k却不稳定，同时也看到算法Ⅱ优于算法Ⅰ，测试方法是预先假定一组K和k，按为未离散的公式(3)计算ht()在各时刻的值作为原始数据，再用差分公式和~ ~最小二乘法求出K和k ，将它们与原假定值作比较，测试的结果见表2：~ ~算法K k K kⅠ 1 2 0.8848 1.46852 1 1.3378 0.61699Ⅱ 1 2 0.999999 1.885622 1 1.93992 1.00071表2.测试情况使用求得的估计值K和k代入(3)式并作其连续图,然后与离散图作比较，同样可以看出模型Ⅱ优于模型Ⅰ(图4对应于模型Ⅰ,图5对应于模型Ⅱ)。
图4图5下面我们将给出另外一种算法对上述结果进行改进.算法摸型Ⅲ：线性迭代算法如果设已给K和k的预测值K 和k ,记0 0KK= +δ, 。
kk= +η0 0其中δ和η称为K和k相对于K 和k 的校正值(简称校正值)，将它们代0 0入(3)式并将右端关于δ和η展开成Taylor 级数，同时略去δ和η的二次及二次以上的项(即高阶无穷小项)，得到()kA0 +η --+λδtKt()0ht() = ()ee-K +-δλkA0 --λλtKt00ηA --tKt≈()()ee-+ ee-+K -λ K -λ00---Kt λt Kt00te ee-+δAk [ - ]2K0 -λ ()K0 -λ~= ht()利用理论值和实测数据误差的平方和最小的原则来选取δ和η,即选取δ和η使n~ 2Δ()hhtht=-[() ()]∑iii=1最小.利用最小二乘法求得δ和η后,较正K 和k 得0 0KK= +δ , kk= +η0 0将得到的新的参数K和k作为新的预测值，用同样的方法继续校正，直至δ和η足够小为止。
我们采用模型II的结果作为预测值,进行上述迭代程序得到的结论如表3所示:迭代次预测值K 预测值校正值δ校正值ηΔ()h数k初始值0.50004 0.3538411 0.50004 0.353841 0.004573 0.066023 66.1172 0.504613 0.419864 -0.000667 0.000025 65.3778-6 -63 0.503946 0.419889 -1302. ×10 -5459. ×10 65.3557-7 -74 0.503945 0.419884 -3053. ×10 -4199. ×10 65.3557结果值0.503945 0.419884表3.算法Ⅲ的迭代结果由表3可见算法模型Ⅲ的优越性与准确性，并且得到K和k的最佳拟合值为：K=0.503945, k=0.419884-7这种算法收敛速度很快，并且得到K值误差数量级为10四.模型的评价及注记(1)我们所建立的前两个算法模型计算简单,但是稳定性较差；第三个算法模型是稳定的，并且具有快速收敛性，可获得较精确的脑血流量系数K。
