中文摘要：

神经干细胞的发现，打破了成年哺乳动物神经细胞不可再生的传统观念，在神经发育和修复受损神经组织中发挥了重要作用，为脑卒中、帕金森症等脑损伤疾病的治疗开辟了广阔的研究领域。虽然已有大量的细胞实验和动物实验对其在神经修复中的增殖，迁徙，分化机制进行研究和分析，但是由于观察手段的限制，对神经干细胞的临床在体检测及研究尚无法开展。本项目拟基于磁共振波谱技术这一无创在体检测工具，研究并开发对神经干细胞1.28ppm标志谱峰的自动化检测与定量分析方法。针对波谱信号低信噪比特性，对其进行除水、降噪等预处理；在奇异值分解算法基础上加以改进，实现自动化拟合，并与频选滤波相结合，提高谱峰参数估计的准确性，以定量分析目标谱峰信息；并对此方法的检测灵敏度和估计准确性进行性能分析，为神经干细胞的临床活体无创检测提供有效手段。本项目拟应用该检测方法分析脑卒中患者急性期脑部神经干细胞分布及归宿，为临床脑卒中治疗提供指导。

结论摘要：

神经干细胞(NSC)的发现，打破了成年哺乳动物神经细胞不可再生的传统观念，在神经发育和修复受损神经组织中发挥了重要作用,虽然已有大量的细胞实验和动物实验对其在神经修复中的增殖，迁徙，分化机制进行研究和分析，但是由于观察手段的限制，对神经干细胞的临床在体检测及研究尚无法开展。本项目基于磁共振波谱技术这一无创在体检测工具，研究并开发了一套针对NSC在磁共振波谱中位于1.28ppm 的标志谱峰自动化检测与定量分析方法。针对NSC波谱信号低信噪比特性，对其进行除水、降噪等预处理；在奇异值分解算法(HSVD)基础上加以改进，实现自动化拟合，并与频选滤波相结合，提高谱峰参数估计的准确性，以定量分析目标谱峰信息。在HSVD模型阶数自动选取这一关键问题上，我们尝试了不同的优化算法，如基于能量中值的选择算法，基于残差估计的Qfit算法，基于信息论的MDL算法及基于谱峰形态（峰度，高斯性）等拟合的方法等，并通过系统检出率，估计误差等一系列算法性能比较，结果显示能量中值的选择算法效果最优,可以在NSC信号信噪比大于-22dB的范围获得可靠的估计与检测性能。我们还将这一系统用于临床疾病研究，比较了抑郁症患者电痉挛疗法(ECT)治疗前后海马区NSC信号的改变，结果显示患者在ECT治疗后NSC信号有显著增强，首次在人体在体证明了ECT对抑郁症患者神经干细胞增殖的促进作用；同时，与磁共振成像结合，显示NSC增殖与海马体积扩增有高度相关性。此外，我们应用功能磁共振成像技术对脑卒中患者康复期对大脑功能可塑性进行研究，发现中风患者急性期及康复早期健侧脑对患侧脑的功能代偿作用，及运动皮层脑区功能活动对患者预后的预测性；另一方面，通过动物实验，我们观察到了脑卒中超急性期脑血流动力学的微观变化，获得了高时空分辨率的脑功能信息。总的来说，我们在该项目中自主开发了一套NSC自动监测量化系统，并将其应用于脑疾病的相关研究，取得了一系列成果，后续将会进一步与临床紧密结合，为研究NSC在神经损伤修复中的作用提供有力支持。