赵厚亮 张 超 唐 海 沙静云 夏莹莹 蔡璐璐 张 贺

帕金森病（Parkinson's disease，PD）的诊断主要依赖临床症状，且作出诊断时患者已经处于中晚期，失去早期干预的机会［1］。PD的早期诊断，有利于指导临床及时干预，延缓疾病进程，提高患者生存质量。

静息态功能磁共振成像（fMRI）在脑科学研究中颇受关注，在PD的神经机制探索中作出了一定的贡献［2-3］。近年的报道［4-5］显示，静息态fMRI的动态分析法可有效描绘一定时期内大脑自发活动的时间属性，在PD等神经系统相关疾病的研究中发挥重要作用。支持向量机（support vector machine，SVM）是使用最广泛的监督机器学习方法之一，借助SVM能够实现高精度的个体水平疾病分类和评估［6］。因此，本研究借助SVM，基于静息态fMRI的动态低频振幅（dynamic amplitude of low‑frequency fluctuations，

dALFF），探索对PD与健康对照（healthy controls，HCs）的分类，以期辅助早期诊断PD。

方 法

1. 临床资料

本研究纳入徐州医科大学附属医院2016年5月至2019年12月神经内科24例住院PD患者。所有患者接受MRI检查及临床帕金森病评定量表、蒙特利尔认 知 量 表 （Montreal cognitive assessment，MoCA）的评估。患者入选标准：①经临床确诊的早期PD患者，符合英国脑库制定的PD诊断标准［7］；②无精神疾病或其他神经系统疾病史；③所有PD患者均接受常规药物治疗、且对药物治疗反应明显，从未接受其他任何方式治疗。排除标准：①MRI发现的脑实质病变（如外伤、中风、肿瘤和感染）；②有滥用药物史；③精神疾病史；④MRI禁忌证。在招募患者期间，择时纳入24名年龄和性别匹配的健康志愿者作为健康对照。所有受试者均为右利手。

2.MRI数据采集

所有受试者在3.0 T MRI（GE Medical Systems，Signa HD，Waukesha，WI）接受血氧水平依赖（BOLD）序列扫描，使用8通道头部线圈。……