靜息態腦網絡構建的靜息態功能磁共振成像研究

臨床靜息狀態下的功能磁共振（mri）技術不需要測試完成特定的認知任務。實驗操作相對簡單，特別于臨床研究。一直以來，大多數功能磁共振研究都是基于特定的特定任務進行的。在這種情況下，靜息狀態通常被視為線性狀態，而不是線性狀態。隨著研究的深入，biswal等人發現，在靜息狀態下，一些腦區之間存在同步低頻變化的信號（低frecenomicform，lffs，f.0.1hz）。這種波動與同步的神經活動有關。rail等人在靜息狀態下發現并證明mcn中存在一個公認的網絡（mn）。當無外部邊件刺激時，vmn中的腦區域之間存在一個非常強的同步低頻變化。在基本情況下，vmn的腦區域非常活躍，在某些認知任務的情況下，這些腦區域的活動顯著減少。上述研究表明，在靜態殘缺狀態下，大腦中的一些腦區域相對活躍，它們的活動是有組織的，維持著大腦的活動機制。大腦是目前所知的最為復雜、最為完善的信息處理系統.迄今為止,雖然證實了靜息狀態下大腦確實存在著某種功能活動,但對它的生理機制尚不是十分清楚.復雜網絡是一種基于拓撲結構的研究復雜性系統的方法,它的發展為生物網絡研究提供了新平臺.本文基于復雜網絡理論和方法建立靜息狀態下腦網絡模型,在種子相關分析方法中設定閾值遵循網絡的整體性和小世界性原則,避免了閾值設定的隨意性大問題,獲得一個最能代表實際腦網絡系統的模型.在此基礎上對功能連接特性分析,并通過分析網絡中心化指標推測出后扣帶回等腦區是靜息狀態下最為活躍的腦區,在腦網絡的神經活動中起到至關重要的作用.1數據收集和預處理1.1圖像結構像采集參加實驗的健康被試共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;在采集數據的過程中被試不執行任何特定的認知任務,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,采用海綿墊固定頭部.相關掃描序列及參數如下:1)結構像定位.重復時間(TR)=1924ms,回波時間(TE)=7.5ms,視野范圍(FOV)=24cm,旋轉角度(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.掃描時間為6min,每個被試共采集180幀功能像.1.2spm預處理FMRI數據處理采用統計參數映射軟件包SPM(statisticalparametricmapping)來完成.為了消除掃描初期磁飽和影響,刪除前5幀圖像,余下175幀圖像進一步進行預處理.SPM預處理過程主要包括頭動較正、空間標準化、高斯平滑.頭動校正,也稱配準,將序列中的每一幀圖像都和該序列中的第一幀圖像對齊,以矯正頭動,放棄頭動幅度較大的數據;空間標準化處理是為了避免不同被試的大腦解剖結構存在的差異,將不同被試的大腦圖像轉化成與SPM提供的T1模板方向和大小都相同的標準化圖像;采用半高寬(FWHM)為4mm的高斯函數作為核函數,對經過標準化的圖像進行平滑,消除圖像重建時和被試腦結構差異所產生的誤差,以提高圖像信噪比.為去除高頻生理噪音和低頻漂移,對預處理數據進行低頻濾過,濾波帶寬為0.01～0.08Hz.2確定網絡中節點之間的連邊經過預處理后腦內體素為N=5143個.每個體素看作網絡中的節點,進一步判定體素之間的功能連接關系繼而確定網絡中節點之間的連邊.規定當兩體素之間存在功能連接時,對應到網絡中兩節點之間存在一條邊.2.1閾值選取原則種子相關分析法是靜息狀態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作為種子區,得到該區域的平均時間序列.由體素點i與體素點j的時間序列求得它們的相關系數C(i,j),計算公式如下: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所對應的時間序列,ˉrrˉi和ˉrrˉj分別為時間序列ri和rj的均值,即ˉri=1nn∑i=1ri-rj=1nn∑j=1rjrˉi=1n∑i=1nrirj?=1n∑j=1nrj當C(i,j)大于指定的閾值T時則認為i和j之間存在功能連接關系,由此確定一個相關系數矩陣A.閾值的選取直接影響著腦網絡的統計特性和拓撲結構.本文引入兩條原則來設定閾值T,描述如下:1)閾值選取范圍應保證網絡的完整性;2)閾值選取范圍應保證網絡的小世界性.第一個原則一方面要求閾值盡可能地高,以保證相連接的兩個節點具有較高的時間行為相似性,另一方面要求閾值又不能過高,以保證網絡的相對完整.第二個原則是為了使腦網絡與等價的隨機網絡比較,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.2.2顯著性閾值分析用單樣本t檢驗法對種子相關分析法所確定的相關系數矩陣A中元素aij進行統計分析,檢測體素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的相關系數,則20個被試相關系數矩陣中,aij共20個樣本,即(aij,1,aij,2,…,aij,20).此處,只考慮連接正相關,在顯著性水平α下,設Η0:μ≤ΤΗ1:μ＞ΤH0:μ≤TH1:μ＞T式中:μ為樣本均值,T為指定相關系數閾值.使用t=ˉX-ΤS/√nt=Xˉˉˉ?TS/n√為檢驗統計量,H0的拒絕域為t=ˉX-ΤS/√n≥tα(n-1)(2)t=Xˉˉˉ?TS/n√≥tα(n?1)(2)當t落在拒絕域,說明體素i與體素j之間功能連接強度顯著大于T,對應到網絡中節點i和節點j有邊相連.否則接受原假設H0,說明體素i與體素j之間功能連接性小于等于T,相應地節點i和節點j之間無邊相連.由此,構建出不同閾值下對應的靜息狀態腦功能網絡.3相同規模隨機網絡聚類分析靜息狀態的腦功能網絡由N個節點和E條無向邊構成.在顯著性水平α=0.001下對體素之間的功能連接強度顯著性進行判斷,構建無向圖.使用一系列閾值(Tmin≤T≤Tmax)對每個被試的功能連接矩陣構建腦功能網絡,得到不同閾值下的鄰接矩陣,計算網絡的聚類系數Cnet、平均特征路徑長度Lnet.這里T的最小值Tmin等于0,T的最大值Tmax等于N的自然對數,遞增量為0.05.從圖1和圖2可以看出,隨閾值T增大,網絡中節點連邊的數量減少,網絡平均度〈k〉逐漸降低.當閾值過高時,〈k〉值很小,網絡中的孤立節點數增多,將影響到網絡的小世界特性,故而網絡的平均度不能小于網絡節點數N的自然對數(ln(5143)≈8.5454).復雜網絡的主要統計特性包括:網絡平均度〈k〉、聚類系數Cnet、平均特征路徑長度Lnet.為檢測靜息狀態下的功能網絡小世界特性,還計算了相同規模隨機網絡(即相同節點數目和相同邊數)的聚類系數Crand和平均特征路徑長度Lrand.當γ=Cnet/Cland?1(3)λ=Lnet/Lrand~1(4)成立時,認為該網絡具有γ小世界特性.圖3描述了不同閾值下組平均的兩個統計特性變化及相同規模隨機網絡Crand和Lrand分布.在一系列閾值T下,Cnet明顯大于Crand,說明靜息狀態腦網絡呈現出高聚類的特點.同時比率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.該結果充分說明靜息狀態下的腦功能網絡具有顯著的小世界特性.建立靜息狀態下腦功能網絡時閾值的選取遵循上述兩個基本原則,不僅保證了腦網絡信息的完整性,而且與等價隨機網絡相比時可得到理想的效率,使該網絡最能體現實際腦系統特性,為進一步準確分析該網絡提供了可靠依據.由圖3可知,當閾值T=0.35時,網絡的平均度〈k〉是15.2956,略大于8.5454.此時,網絡聚類系數Cnet=0.3005,與相同規模的隨機網絡聚類系數比值最高(γ=77.0513);特征路徑長度Lnet=5.6358,與相同規模的隨機網絡的特征路徑的比值接近1.由此可知,閾值為0.35時對應的腦網絡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.本文后續重點研究閾值T=0.35對應的靜息狀態腦功能網絡特性.圖4描述了閾值T=0.35時對應的靜息狀態腦功能網絡的度分布情況.由圖4可以看出,度分布在對數坐標系下表現為向右傾斜的曲線且帶有一個較大的尾部,近似服從冪率分布P(k)～k-β(β=1.67),這說明該網絡中大多數節點的度較小,只有少部分節點有較高的度值,且這些度值高的節點與網絡中的其他節點有較為緊密的連接關系,在整個網絡中占據重要地位.通過衡量網絡中心化程度來尋找靜息狀態下的關鍵腦區.中心化指標包括節點的度(degree)和介數(betweenness),度值高的節點與網絡中許多節點都有邊相連,在網絡中具有網絡集線器(hub)功能.節點的介數是指網絡中任兩節點之間最短路徑經過該節點的次數,節點介數值越大,則說明該節點在網絡信息傳遞中起關鍵作用.計算靜息狀態下腦功能網絡中度值最高的節點與介值最大的節點,并將它們對應到大腦中具體解剖位置,結果顯示在表1中.然后,對網絡中所有節點的度值由高到低排序,提取度值最高的前100個節點,并分析確定了這些節點在腦內的解剖位置(腦區),從而找到靜息狀態下腦網絡中與信息調度及傳遞相關的關鍵腦區.從表1中數據可知,扣帶回、楔前葉、楔葉以及頂下小葉等與網絡中其他節點存在廣泛的連接,在靜息狀態腦功能網絡中起到重要的作用.4靜息狀態下腦功能網絡估計和識別靜息狀態下,一些腦區存在較強的低頻同步波動,它蘊含的生理意義對人腦維持正常的腦功能具有重要意義.針對靜息狀態下一組正常被試的功能磁共振數據,結合復雜網絡理論和方法,建立腦功能網絡模型.在建模過程中,采用以0.05為間隔設定閾值并計算腦網絡的統計特性,同時閾值的選取遵循網絡的整體性和小世界特性原則,從而保證建立起的腦功能網絡最能代表實際腦系統的特性.進一步分析了腦網絡功能連接