靜息態(tài)腦網(wǎng)絡(luò)構(gòu)建的靜息態(tài)功能磁共振成像研究

靜息態(tài)腦網(wǎng)絡(luò)構(gòu)建的靜息態(tài)功能磁共振成像研究

臨床靜息狀態(tài)下的功能磁共振（mri）技術(shù)不需要測(cè)試完成特定的認(rèn)知任務(wù)。實(shí)驗(yàn)操作相對(duì)簡(jiǎn)單，特別于臨床研究。一直以來(lái)，大多數(shù)功能磁共振研究都是基于特定的特定任務(wù)進(jìn)行的。在這種情況下，靜息狀態(tài)通常被視為線性狀態(tài)，而不是線性狀態(tài)。隨著研究的深入，biswal等人發(fā)現(xiàn)，在靜息狀態(tài)下，一些腦區(qū)之間存在同步低頻變化的信號(hào)（低frecenomicform，lffs，f.0.1hz）。這種波動(dòng)與同步的神經(jīng)活動(dòng)有關(guān)。rail等人在靜息狀態(tài)下發(fā)現(xiàn)并證明mcn中存在一個(gè)公認(rèn)的網(wǎng)絡(luò)（mn）。當(dāng)無(wú)外部邊件刺激時(shí)，vmn中的腦區(qū)域之間存在一個(gè)非常強(qiáng)的同步低頻變化。在基本情況下，vmn的腦區(qū)域非?；钴S，在某些認(rèn)知任務(wù)的情況下，這些腦區(qū)域的活動(dòng)顯著減少。上述研究表明，在靜態(tài)殘缺狀態(tài)下，大腦中的一些腦區(qū)域相對(duì)活躍，它們的活動(dòng)是有組織的，維持著大腦的活動(dòng)機(jī)制。大腦是目前所知的最為復(fù)雜、最為完善的信息處理系統(tǒng).迄今為止,雖然證實(shí)了靜息狀態(tài)下大腦確實(shí)存在著某種功能活動(dòng),但對(duì)它的生理機(jī)制尚不是十分清楚.復(fù)雜網(wǎng)絡(luò)是一種基于拓?fù)浣Y(jié)構(gòu)的研究復(fù)雜性系統(tǒng)的方法,它的發(fā)展為生物網(wǎng)絡(luò)研究提供了新平臺(tái).本文基于復(fù)雜網(wǎng)絡(luò)理論和方法建立靜息狀態(tài)下腦網(wǎng)絡(luò)模型,在種子相關(guān)分析方法中設(shè)定閾值遵循網(wǎng)絡(luò)的整體性和小世界性原則,避免了閾值設(shè)定的隨意性大問(wèn)題,獲得一個(gè)最能代表實(shí)際腦網(wǎng)絡(luò)系統(tǒng)的模型.在此基礎(chǔ)上對(duì)功能連接特性分析,并通過(guò)分析網(wǎng)絡(luò)中心化指標(biāo)推測(cè)出后扣帶回等腦區(qū)是靜息狀態(tài)下最為活躍的腦區(qū),在腦網(wǎng)絡(luò)的神經(jīng)活動(dòng)中起到至關(guān)重要的作用.1數(shù)據(jù)收集和預(yù)處理1.1圖像結(jié)構(gòu)像采集參加實(shí)驗(yàn)的健康被試共20人,男女比例1∶1,年齡為20～30歲,均為右利手.儀器采用GE(generalelectric,USA)1.5-Tesla磁共振成像掃描儀;在采集數(shù)據(jù)的過(guò)程中被試不執(zhí)行任何特定的認(rèn)知任務(wù),只需安靜平臥,閉上雙眼,平靜呼吸,且保持清醒,為防止被試頭動(dòng),采用海綿墊固定頭部.相關(guān)掃描序列及參數(shù)如下:1)結(jié)構(gòu)像定位.重復(fù)時(shí)間(TR)=1924ms,回波時(shí)間(TE)=7.5ms,視野范圍(FOV)=24cm,旋轉(zhuǎn)角度(FA)=90°,matrix=256×256,層厚(slicethickness)=5mm,層間距(gap)=1mm.2)功能像定位.TR=2000ms,TE=40ms,FOV=24cm,FA=90°,matrix=64×64,slicethickness=5mm,gap=1mm,共20層軸狀面圖像覆蓋大腦皮層和小腦.掃描時(shí)間為6min,每個(gè)被試共采集180幀功能像.1.2spm預(yù)處理FMRI數(shù)據(jù)處理采用統(tǒng)計(jì)參數(shù)映射軟件包SPM(statisticalparametricmapping)來(lái)完成.為了消除掃描初期磁飽和影響,刪除前5幀圖像,余下175幀圖像進(jìn)一步進(jìn)行預(yù)處理.SPM預(yù)處理過(guò)程主要包括頭動(dòng)較正、空間標(biāo)準(zhǔn)化、高斯平滑.頭動(dòng)校正,也稱配準(zhǔn),將序列中的每一幀圖像都和該序列中的第一幀圖像對(duì)齊,以矯正頭動(dòng),放棄頭動(dòng)幅度較大的數(shù)據(jù);空間標(biāo)準(zhǔn)化處理是為了避免不同被試的大腦解剖結(jié)構(gòu)存在的差異,將不同被試的大腦圖像轉(zhuǎn)化成與SPM提供的T1模板方向和大小都相同的標(biāo)準(zhǔn)化圖像;采用半高寬(FWHM)為4mm的高斯函數(shù)作為核函數(shù),對(duì)經(jīng)過(guò)標(biāo)準(zhǔn)化的圖像進(jìn)行平滑,消除圖像重建時(shí)和被試腦結(jié)構(gòu)差異所產(chǎn)生的誤差,以提高圖像信噪比.為去除高頻生理噪音和低頻漂移,對(duì)預(yù)處理數(shù)據(jù)進(jìn)行低頻濾過(guò),濾波帶寬為0.01～0.08Hz.2確定網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連邊經(jīng)過(guò)預(yù)處理后腦內(nèi)體素為N=5143個(gè).每個(gè)體素看作網(wǎng)絡(luò)中的節(jié)點(diǎn),進(jìn)一步判定體素之間的功能連接關(guān)系繼而確定網(wǎng)絡(luò)中節(jié)點(diǎn)之間的連邊.規(guī)定當(dāng)兩體素之間存在功能連接時(shí),對(duì)應(yīng)到網(wǎng)絡(luò)中兩節(jié)點(diǎn)之間存在一條邊.2.1閾值選取原則種子相關(guān)分析法是靜息狀態(tài)下腦功能連接最常用的一種分析方法.一般情況下先選取某一感興趣區(qū)作為種子區(qū),得到該區(qū)域的平均時(shí)間序列.由體素點(diǎn)i與體素點(diǎn)j的時(shí)間序列求得它們的相關(guān)系數(shù)C(i,j),計(jì)算公式如下:C(i,j)=∑(ri-ˉri)(rj-ˉrj)√∑(ri-ˉrj)2√∑(rj--rj)(1)C(i,j)=∑(ri?rˉi)(rj?rˉj)∑(ri?rˉj)2√∑(rj?rj?)√(1)式中:ri和rj分別為體素i和j所對(duì)應(yīng)的時(shí)間序列,ˉrrˉi和ˉrrˉj分別為時(shí)間序列ri和rj的均值,即ˉri=1nn∑i=1ri-rj=1nn∑j=1rjrˉi=1n∑i=1nrirj?=1n∑j=1nrj當(dāng)C(i,j)大于指定的閾值T時(shí)則認(rèn)為i和j之間存在功能連接關(guān)系,由此確定一個(gè)相關(guān)系數(shù)矩陣A.閾值的選取直接影響著腦網(wǎng)絡(luò)的統(tǒng)計(jì)特性和拓?fù)浣Y(jié)構(gòu).本文引入兩條原則來(lái)設(shè)定閾值T,描述如下:1)閾值選取范圍應(yīng)保證網(wǎng)絡(luò)的完整性;2)閾值選取范圍應(yīng)保證網(wǎng)絡(luò)的小世界性.第一個(gè)原則一方面要求閾值盡可能地高,以保證相連接的兩個(gè)節(jié)點(diǎn)具有較高的時(shí)間行為相似性,另一方面要求閾值又不能過(guò)高,以保證網(wǎng)絡(luò)的相對(duì)完整.第二個(gè)原則是為了使腦網(wǎng)絡(luò)與等價(jià)的隨機(jī)網(wǎng)絡(luò)比較,具有較低的整體效率和較高的局部效率,故將閾值限定在小世界范圍內(nèi).2.2顯著性閾值分析用單樣本t檢驗(yàn)法對(duì)種子相關(guān)分析法所確定的相關(guān)系數(shù)矩陣A中元素aij進(jìn)行統(tǒng)計(jì)分析,檢測(cè)體素i與體素j之間功能連接的顯著性.在矩陣A中,aij表示體素i與體素j的相關(guān)系數(shù),則20個(gè)被試相關(guān)系數(shù)矩陣中,aij共20個(gè)樣本,即(aij,1,aij,2,…,aij,20).此處,只考慮連接正相關(guān),在顯著性水平α下,設(shè)Η0:μ≤ΤΗ1:μ＞ΤH0:μ≤TH1:μ＞T式中:μ為樣本均值,T為指定相關(guān)系數(shù)閾值.使用t=ˉX-ΤS/√nt=Xˉˉˉ?TS/n√為檢驗(yàn)統(tǒng)計(jì)量,H0的拒絕域?yàn)閠=ˉX-ΤS/√n≥tα(n-1)(2)t=Xˉˉˉ?TS/n√≥tα(n?1)(2)當(dāng)t落在拒絕域,說(shuō)明體素i與體素j之間功能連接強(qiáng)度顯著大于T,對(duì)應(yīng)到網(wǎng)絡(luò)中節(jié)點(diǎn)i和節(jié)點(diǎn)j有邊相連.否則接受原假設(shè)H0,說(shuō)明體素i與體素j之間功能連接性小于等于T,相應(yīng)地節(jié)點(diǎn)i和節(jié)點(diǎn)j之間無(wú)邊相連.由此,構(gòu)建出不同閾值下對(duì)應(yīng)的靜息狀態(tài)腦功能網(wǎng)絡(luò).3相同規(guī)模隨機(jī)網(wǎng)絡(luò)聚類(lèi)分析靜息狀態(tài)的腦功能網(wǎng)絡(luò)由N個(gè)節(jié)點(diǎn)和E條無(wú)向邊構(gòu)成.在顯著性水平α=0.001下對(duì)體素之間的功能連接強(qiáng)度顯著性進(jìn)行判斷,構(gòu)建無(wú)向圖.使用一系列閾值(Tmin≤T≤Tmax)對(duì)每個(gè)被試的功能連接矩陣構(gòu)建腦功能網(wǎng)絡(luò),得到不同閾值下的鄰接矩陣,計(jì)算網(wǎng)絡(luò)的聚類(lèi)系數(shù)Cnet、平均特征路徑長(zhǎng)度Lnet.這里T的最小值Tmin等于0,T的最大值Tmax等于N的自然對(duì)數(shù),遞增量為0.05.從圖1和圖2可以看出,隨閾值T增大,網(wǎng)絡(luò)中節(jié)點(diǎn)連邊的數(shù)量減少,網(wǎng)絡(luò)平均度〈k〉逐漸降低.當(dāng)閾值過(guò)高時(shí),〈k〉值很小,網(wǎng)絡(luò)中的孤立節(jié)點(diǎn)數(shù)增多,將影響到網(wǎng)絡(luò)的小世界特性,故而網(wǎng)絡(luò)的平均度不能小于網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)N的自然對(duì)數(shù)(ln(5143)≈8.5454).復(fù)雜網(wǎng)絡(luò)的主要統(tǒng)計(jì)特性包括:網(wǎng)絡(luò)平均度〈k〉、聚類(lèi)系數(shù)Cnet、平均特征路徑長(zhǎng)度Lnet.為檢測(cè)靜息狀態(tài)下的功能網(wǎng)絡(luò)小世界特性,還計(jì)算了相同規(guī)模隨機(jī)網(wǎng)絡(luò)(即相同節(jié)點(diǎn)數(shù)目和相同邊數(shù))的聚類(lèi)系數(shù)Crand和平均特征路徑長(zhǎng)度Lrand.當(dāng)γ=Cnet/Cland?1(3)λ=Lnet/Lrand~1(4)成立時(shí),認(rèn)為該網(wǎng)絡(luò)具有γ小世界特性.圖3描述了不同閾值下組平均的兩個(gè)統(tǒng)計(jì)特性變化及相同規(guī)模隨機(jī)網(wǎng)絡(luò)Crand和Lrand分布.在一系列閾值T下,Cnet明顯大于Crand,說(shuō)明靜息狀態(tài)腦網(wǎng)絡(luò)呈現(xiàn)出高聚類(lèi)的特點(diǎn).同時(shí)比率γ隨T值增大而變大;Lnet隨T值升高而增大且稍高于Lrand,而比率λ隨T值變化不大,其值在1附近波動(dòng).該結(jié)果充分說(shuō)明靜息狀態(tài)下的腦功能網(wǎng)絡(luò)具有顯著的小世界特性.建立靜息狀態(tài)下腦功能網(wǎng)絡(luò)時(shí)閾值的選取遵循上述兩個(gè)基本原則,不僅保證了腦網(wǎng)絡(luò)信息的完整性,而且與等價(jià)隨機(jī)網(wǎng)絡(luò)相比時(shí)可得到理想的效率,使該網(wǎng)絡(luò)最能體現(xiàn)實(shí)際腦系統(tǒng)特性,為進(jìn)一步準(zhǔn)確分析該網(wǎng)絡(luò)提供了可靠依據(jù).由圖3可知,當(dāng)閾值T=0.35時(shí),網(wǎng)絡(luò)的平均度〈k〉是15.2956,略大于8.5454.此時(shí),網(wǎng)絡(luò)聚類(lèi)系數(shù)Cnet=0.3005,與相同規(guī)模的隨機(jī)網(wǎng)絡(luò)聚類(lèi)系數(shù)比值最高(γ=77.0513);特征路徑長(zhǎng)度Lnet=5.6358,與相同規(guī)模的隨機(jī)網(wǎng)絡(luò)的特征路徑的比值接近1.由此可知,閾值為0.35時(shí)對(duì)應(yīng)的腦網(wǎng)絡(luò)具有顯著的小世界特性且功能連接性也十分顯著,滿足了上述的兩條基本原則.本文后續(xù)重點(diǎn)研究閾值T=0.35對(duì)應(yīng)的靜息狀態(tài)腦功能網(wǎng)絡(luò)特性.圖4描述了閾值T=0.35時(shí)對(duì)應(yīng)的靜息狀態(tài)腦功能網(wǎng)絡(luò)的度分布情況.由圖4可以看出,度分布在對(duì)數(shù)坐標(biāo)系下表現(xiàn)為向右傾斜的曲線且?guī)в幸粋€(gè)較大的尾部,近似服從冪率分布P(k)～k-β(β=1.67),這說(shuō)明該網(wǎng)絡(luò)中大多數(shù)節(jié)點(diǎn)的度較小,只有少部分節(jié)點(diǎn)有較高的度值,且這些度值高的節(jié)點(diǎn)與網(wǎng)絡(luò)中的其他節(jié)點(diǎn)有較為緊密的連接關(guān)系,在整個(gè)網(wǎng)絡(luò)中占據(jù)重要地位.通過(guò)衡量網(wǎng)絡(luò)中心化程度來(lái)尋找靜息狀態(tài)下的關(guān)鍵腦區(qū).中心化指標(biāo)包括節(jié)點(diǎn)的度(degree)和介數(shù)(betweenness),度值高的節(jié)點(diǎn)與網(wǎng)絡(luò)中許多節(jié)點(diǎn)都有邊相連,在網(wǎng)絡(luò)中具有網(wǎng)絡(luò)集線器(hub)功能.節(jié)點(diǎn)的介數(shù)是指網(wǎng)絡(luò)中任兩節(jié)點(diǎn)之間最短路徑經(jīng)過(guò)該節(jié)點(diǎn)的次數(shù),節(jié)點(diǎn)介數(shù)值越大,則說(shuō)明該節(jié)點(diǎn)在網(wǎng)絡(luò)信息傳遞中起關(guān)鍵作用.計(jì)算靜息狀態(tài)下腦功能網(wǎng)絡(luò)中度值最高的節(jié)點(diǎn)與介值最大的節(jié)點(diǎn),并將它們對(duì)應(yīng)到大腦中具體解剖位置,結(jié)果顯示在表1中.然后,對(duì)網(wǎng)絡(luò)中所有節(jié)點(diǎn)的度值由高到低排序,提取度值最高的前100個(gè)節(jié)點(diǎn),并分析確定了這些節(jié)點(diǎn)在腦內(nèi)的解剖位置(腦區(qū)),從而找到靜息狀態(tài)下腦網(wǎng)絡(luò)中與信息調(diào)度及傳遞相關(guān)的關(guān)鍵腦區(qū).從表1中數(shù)據(jù)可知,扣帶回、楔前葉、楔葉以及頂下小葉等與網(wǎng)絡(luò)中其他節(jié)點(diǎn)存在廣泛的連接,在靜息狀態(tài)腦功能網(wǎng)絡(luò)中起到重要的作用.4靜息狀態(tài)下腦功能網(wǎng)絡(luò)估計(jì)和識(shí)別靜息狀態(tài)下,一些腦區(qū)存在較強(qiáng)的低頻同步波動(dòng),它蘊(yùn)含的生理意義對(duì)人腦維持正常的腦功能具有重要意義.針對(duì)靜息狀態(tài)下一組正常被試的功能磁共振數(shù)據(jù),結(jié)合復(fù)雜網(wǎng)絡(luò)理論和方法,建立腦功能網(wǎng)絡(luò)模型.在建模過(guò)程中,采用以0.05為間隔設(shè)定閾值并計(jì)算腦網(wǎng)絡(luò)的統(tǒng)計(jì)特性,同時(shí)閾值的選取遵循網(wǎng)絡(luò)的整體性和小世界特性原則,從而保證建立起的腦功能網(wǎng)絡(luò)最能代表實(shí)際腦系統(tǒng)的特性.進(jìn)一步分析了腦網(wǎng)絡(luò)功能連接