【技术实现步骤摘要】
技术介绍
1、哺乳动物的中枢神经系统(cns)神经元细胞的活体示踪是可以依靠特定染料经神经纤维顺行或逆行传递或者病毒传递基因操控荧光标记，然后经特殊的荧光显微镜头通过微孔观察。无创性可持续性追踪特定类别的cns神经元，进而监测cns的老化进程迄今尚无报道。已有研究表明，情绪障碍患者的大脑存在潜在的结构变化。例如quiroz和manji(2002)的形态学研究发现，cns某些区域的体积以及神经胶质细胞和神经元的数量和/或大小均有显著减少。然而，直接测量活体人类大脑的cns体积或神经胶质细胞和神经元的丰度仍然十分困难。视网膜作为脑神经元的颅外延伸，且是唯一可直接观察的神经血管组织，为监测cns神经元特性提供了理想的窗口。由于老化是人脑神经元死亡和衰退的自然过程，通过研究视网膜神经节细胞(rgc)在cns细胞老化过程中的特性变化，以期发现反映cns神经元老化的视网膜细胞生物标志物，提供非侵入性的早期检测的分析方法。
2、光学相干断层扫描(oct)是一种非侵入性成像技术，利用光波对视网膜进行横截面扫描成像。它基于干涉测量的概念来创建视网膜的横截面图，其精度为至少10-15微米(costa等人，2006)。基于oct的血管造影术(octa)是一种使视网膜脉管系统可视化的新的非侵入性方法，并且基于移动红细胞的衍射颗粒移动的原理，以确定通过各种眼段的血管位置，而不需要任何血管内染料(le&patel，2020)，分析来自静态背景组织的散射以创建高分辨率血管造影。octa技术允许对视网膜中流动的血液进行成像，并通过冠状面和
3、然而，这些针对现象的研究仍主要关注视网膜自身的变化,而缺乏与cns神经元变化的特定神经元的关联分析。目前尚未发现可用于综合分析oct、octa和erg结果的标准化模型，也未能找到有效的生物标志物客观定量评估cns神经元状态。
技术实现思路
1、本专利技术的实施例涉及用于识别cns细胞衰老的视网膜结构和功能性生物标志物的综合分析的方法。
2、根据本专利技术的一个实施例，提供了一种用于中枢神经系统标记细胞老化的多模态视网膜神经节细胞数据的整合分析方法，该方法以rgc老化作为中枢神经系统细胞老化的生物标志物。所述方法包括：将糖尿病视网膜病变早期治疗研究(etdrs)网格应用于光学相干断层扫描(oct)厚度图中重建的黄斑区平面视图，将所述黄斑区平面视图分成多个区域，其中所述oct厚度图包括五个不同的视网膜层的厚度和体积的数据值，其中所述五个不同的视网膜层包括神经纤维层(nfl)、神经节细胞层(gcl)、内丛状层(ipl)、神经纤维层至内丛状层(nfl-ipl)和神经节细胞层至内丛状层(gcl-ipl)；对所述多个区域进行分组，并且确定所述五个不同层的每个区域的平均厚度和体积数据分布来检测rgc的丰度；使用后极模块记录光学断层摄影血管造影(octa)并精细分层以获得所述octa的视网膜微血管变化；获取perg报告并分析n35、p50、n95的潜伏期以及p50(n35-p50)和n95(p50-n95)的幅值；获取etdrs网格在黄斑处具有相同中心的103个六边形多焦点视网膜电图(mferg)报告，所述mferg报告包括分析p1和n1的潜伏期以及p1和n1的幅值；以及基于所述oct厚度图的五个不同层的每个区域的平均厚度和体积数据、所述octa的视网膜微血管变化、所述perg报告中n35、p50、n95的潜伏期以及p50(n35-p50)和n95(p50-n95)的幅值、所述mferg报告中p1和n1的潜伏期以及p1和n1的幅值来识别视网膜神经节细胞(rgc)是否存在老化，从而识别中枢神经系统的细胞衰老。将rgc的组织学和功能分析与精确位置分布以及相应的供血微血管变化相结合，提供了反映rgc健康的非侵入性的早期检测分析模块。
3、根据本专利技术的实施例，该方法还包括：使用所述后极模块记录所述oct厚度图中重建的黄斑区平面视图。
4、根据本专利技术的实施例，将所述黄斑区平面视图分成多个区域包括：将黄斑区平面视图分成八个区域，所述八个区域包括内环上、内环鼻、内环下、内环颞、外环上、外环鼻、外环下、外环颞的区域，以及
5、对所述多个区域进行分组包括：对黄斑区域进行分组以形成3个环形区域，包括：直径在1mm内的中央凹；直径在1mm和3mm之间的内环带；以及直径在3mm和6mm之间的外环带，或者，
6、对黄斑区域进行分组以形成4个区域，包括：1mm到6mm之间的环形区域的上侧、鼻侧、下侧和颞侧区域，或者
7、对黄斑区域进行分组以形成8个区域，包括：直径在1mm和3mm之间的内环上、内环鼻、内环下和内环颞区域以及直径在3mm和6mm之间的外环上、外环鼻、外环下和外环颞区域。
8、根据本专利技术的实施例，对于对黄斑区域进行分组以形成3个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：计算所述五个不同层的内环带区域的平均厚度和体积；计算所述五个不同层的外环带区域的平均厚度和体积；以及计算总环带的平均厚度和体积，所述总环带是内环带区域和外环带区域的组合区域。
9、根据本专利技术的实施例，对于对黄斑区域进行分组以形成4个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：计算总上区域的平均厚度和体积，所述总上区域是内环上和外环上区域的组合区域；计算总鼻区域的平均厚度和体积，所述总鼻区域是内环鼻和外环鼻区域的组合区域；计算总下区域的平均厚度和体积，所述总下区域是内环下和外环下区域的组合区域；以及计算总颞区域的平均厚度和体积，所述总颞区域是内环颞和外环颞区域的组合区域。
10、根据本专利技术的实施例，对于对黄斑区域进行分组以形成8个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：计算五个不同层的内环上区域、内环鼻区域、内环下区域、内环颞区域的平均厚度和体积；以及计算五个不同层的外环上区域、外环鼻区域、外环下区域和外环颞区域的平均厚度和体积。
11、根据本专利技术的实施例，该方法还包括从所述oct厚度图提取厚度大于45μm的区域并通过图像处理方法计算该区域的面积；从所述etdrs网格提取6mm圆内的区域并通过图像处理方法计算该区域的面积；基于所述oct厚度图中厚度大于45μm的区域与所本文档来自技高网...
【技术保护点】
1.一种用于标记中枢神经系统细胞老化的多模态视网膜神经节细胞(RGC)数据的整合分析方法，所述方法包括：
2.根据权利要求1所述的方法，还包括：使用所述后极模块记录所述OCT厚度图中重建的黄斑区平面视图。
3.根据权利要求1所述的方法，其中，
4.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成3个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：
5.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成4个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：
6.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成8个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：
7.根据权利要求1所述的方法，还包括：
8.根据权利要求1所述的方法，使用后极模块记录光学断层摄影血管造影(OCTA)并精细分层以获得所述OCTA的视网膜微血管变化还包括：
9.根据权利要求1所述的方法，其中，获取图形视网膜电图(pERG)报告还包括：
10.根据权利要求1所述的方
11.一种计算机程序产品，包括：
12.一种用于标记中枢神经系统老化的多模态视网膜神经节细胞(RGC)数据的整合分析装置，包括至少一个处理器，所述处理器被配置为执行权利要求1-10中任一项所述的方法。
...【技术特征摘要】
1.一种用于标记中枢神经系统细胞老化的多模态视网膜神经节细胞(rgc)数据的整合分析方法，所述方法包括：
2.根据权利要求1所述的方法，还包括：使用所述后极模块记录所述oct厚度图中重建的黄斑区平面视图。
3.根据权利要求1所述的方法，其中，
4.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成3个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：
5.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成4个区域，确定所述五个不同层的每个区域的厚度和体积数据包括：
6.根据权利要求3所述的方法，对于对黄斑区域进行分组以形成8个区域，确定所述五个不同...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。