大腦功能連接在自閉癥患者識別中的應(yīng)用

喬麗

自閉癥作為一種發(fā)育型障礙疾病，影響了廣泛的人群。功能磁共振成像技術(shù)的發(fā)展為自閉癥的診斷提供了一種有力的工具。傳統(tǒng)單變量統(tǒng)計分析方法對自閉癥患者進(jìn)行功能磁共振成像研究已經(jīng)取得了一定的進(jìn)展，但基于數(shù)據(jù)驅(qū)動的多模態(tài)分析方法能夠捕獲更多的細(xì)微而有意義的信息。結(jié)合模式分類和功能磁共振成像技術(shù)分析了自閉癥患者和正常人的全腦功能連接，發(fā)現(xiàn)了在自閉癥患者靜息狀態(tài)下全腦的功能連接異常，并概括了異常連接的特定類型，這可能幫助人們理解自閉癥的病理生理學(xué)機理。

自閉癥功能連接大腦分類功能磁共振成像0引言

自閉癥，又名孤獨癥或孤獨性障礙，是發(fā)育型障礙的代表性疾病。患有孤獨癥的兒童一般都缺乏和他人情感的交流和接觸，有重復(fù)性、怪異性的行為，并且語言顯著異常或者經(jīng)常緘默。一直以來，人們研究著自閉癥的病理學(xué)以及病因，逐步意識到自閉癥是由于一定的遺傳因素的作用下，又受到外界多種環(huán)境因素的影響刺激而導(dǎo)致的中樞神經(jīng)發(fā)育障礙的一類疾病。在這種認(rèn)識的基礎(chǔ)上，研究者開展了多方面的研究，從分子遺傳、神經(jīng)化學(xué)、神經(jīng)解剖以及功能影像多角度多手段地進(jìn)行。近年來，神經(jīng)影像學(xué)技術(shù)的快速發(fā)展，為探索自閉癥的致病機理提供了有力的手段。

大量的科學(xué)研究發(fā)現(xiàn)，自閉癥患者出現(xiàn)了廣泛的大腦網(wǎng)絡(luò)異常，主要集中在一些特定的腦區(qū)或者局部腦網(wǎng)絡(luò)：語言區(qū)，工作記憶區(qū)，運動機能區(qū)，思維區(qū)，執(zhí)行機能區(qū)，視覺注意區(qū)，缺省模式網(wǎng)絡(luò)，回應(yīng)區(qū)和面孔的感知區(qū)等。雖然利用各種技術(shù)通過網(wǎng)絡(luò)連接組研究自閉癥已經(jīng)取得了有效的成果，但是至今沒有一個系統(tǒng)的框架來描述自閉癥患者異常連接的分布。不清楚這些異常連接的長度和強度，也不清楚在什么年齡引起了這些障礙，是否與自閉癥患者的異質(zhì)性功能缺陷相關(guān)。

單個受試者的功能連接測量在什么樣的程度上幫助臨床診斷仍然不清楚。雖然以前的研究的可重復(fù)性有限，但是我們確實可以從很短的血氧水平依賴信號中獲得豐富的臨床診斷信息，正如受試者的腦成熟度和進(jìn)行癡呆的分類。在本研究中，我們借助于一種數(shù)據(jù)驅(qū)動的方法分析自病癥兒童患者和正常兒童的功能磁共振成像數(shù)據(jù)的全腦功能連接差異，通過這些差異連接來區(qū)分患者和正常人，以確定能夠提供診斷信息的生物指標(biāo)。

1方法

1.1受試者的選擇和實驗過程

我們從100名自閉癥患者選擇了IQ最高的60名，從100名健康志愿者中選擇了IQ最低的60名，這些受試者均無其他嚴(yán)重的疾?。ㄐ袨閷W(xué)表如圖1所示）。所有的受試者都是右手利，都經(jīng)過了嚴(yán)格的健康檢查，包括血、尿、肝功、腎功、心電圖等。自閉癥患者的診斷標(biāo)準(zhǔn)是根據(jù)國際上孤僻癥兒童診斷以及孤僻癥成人診斷的標(biāo)準(zhǔn)實行，IQ的測量是根據(jù)韋氏智力量表進(jìn)行。

實驗中我們使用3T西門子掃描儀采集了120名受試者（60名自閉癥和60名健康志愿者）的功能磁共振成像（functional magnetic resonance imaging， fMRI）的血氧水平依賴信號（Blood-oxygen level dependent， BOLD）。每次采集8分鐘，采集過程中要求受試者閉著眼睛，靜靜地躺在掃描儀上，不要集中地想任何事情，也不要睡著。采集的參數(shù)如下所示： repetition time=2000ms， echo time=30ms， flip angle=90o， field of view=240*240mm2， imaging matrix=64×64， in-plane spatial resolution=3.75*3.75 mm2， number of slices=30， slice thickness=5mm， and no gaps.

1.2數(shù)據(jù)預(yù)處理

由于所采集的數(shù)據(jù)有很多的噪聲，因此我們先進(jìn)行數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理是在MATLAB中采用SPM軟件進(jìn)行的（http：//www.fil.ion.ucl.ac.uk/spm）。預(yù)處理分為五步：第一步，為了保證掃描儀器的磁平衡，我們將每次掃描的前10幅成像圖去掉；第二步，切片時差矯正，即對每次掃描的圖像進(jìn)行調(diào)整確保所有的圖像都與本次掃描的第一幅圖像對齊；第三步，進(jìn)行頭動矯正；第四步，將矯正后的圖像配準(zhǔn)到MNI模板上，并重切成3×3×3mm3大小的體素。第五步，對剩余圖像的信號去基線漂移并進(jìn)行帶通濾波（0.01-0.08Hz）用以去掉生理噪聲。

1.3大腦功能網(wǎng)絡(luò)的構(gòu)建

大腦功能網(wǎng)絡(luò)由節(jié)點（大腦區(qū)域，又稱感興趣區(qū)（region of interest， ROI））和邊（不同大腦區(qū)域之間的連接）組成。節(jié)點的劃分是大腦網(wǎng)絡(luò)構(gòu)建中的一個很重要的部分，粗糙的劃分會使得很多細(xì)微的信號變化難以捕捉。這里，我們利用SPM8中所提供的grey.nii灰質(zhì)模板借助于前人所提供的分割方法將大腦劃分成1024個感興趣區(qū)，然后計算每兩個感興趣區(qū)之間的邊。

功能網(wǎng)絡(luò)的邊是考察不同腦區(qū)之間信號的同步性，因此首先需要計算每個腦區(qū)的時間序列。將每個腦區(qū)中所有體素的時間序列進(jìn)行平均作為該腦區(qū)的時間序列，再計算每個腦區(qū)的腦脊液信號，白質(zhì)信號以及軟組織信號的平均，用腦區(qū)的時間序列分別將這些信號回歸掉，然后利用剩余的信號計算兩兩腦區(qū)之間的皮爾森相關(guān)系數(shù)，這樣就能夠得到一個1024×1024的相關(guān)系數(shù)矩陣，該矩陣一定是一個對稱的，矩陣中的每個元素就是相關(guān)的值，也稱為功能連接值。我們將對角線以上的功能連接值取出并排成一列得到一個523776維的特征空間。

1.4異常功能連接的識別

為了找到自閉癥患者的異常連接，我們隨機將數(shù)據(jù)集分類兩組：group1（50個病人和50個正常人）和group2（10個病人和10個正常人）。

第一組：我們采用留一法進(jìn)行特征提取（異常連接提?。┖头诸悺Ｃ看瘟粝乱粋€樣本，其余樣本（99個訓(xùn)練樣本）中的正常人和病人進(jìn)行雙樣本t檢驗，得到523776個檢驗值，保留那些有顯著性差異的連接作為下一步的特征空間（p=0.0001～0.05）。將仍在特征空間中的每條連接進(jìn)行如下處理：（1）將訓(xùn)練樣本中正常人的該連接值作一條隨著年齡的線性擬合，病人的該連接值隨著年齡的變化也作一條線性擬合；（2）將留出來的樣本的年齡輸入正常人的擬合函數(shù)中，得到一個該樣本的預(yù)測值R1，輸入病人的擬合函數(shù)中，得到該樣本的預(yù)測值R2；（3）令R=R1-R2。最后將所有差異性連接的R值進(jìn)行平均，所得到的值稱為連接判別指標(biāo)。如果平均后的指標(biāo)值大于0，則說明留出的該樣本更趨向于正常人，如果平均后的指標(biāo)值小于0，則說明該樣本更趨于自閉癥患者。

第二組：由于第一組留一法每次迭代得到的特征不一致，為了探索真正異常的功能連接，我們將第一組每次迭代都有顯著性差異的連接保留構(gòu)成一個特征空間，來預(yù)測第二組人，預(yù)測方法和上面一致。由于第二組人是完全獨立于第一組人，即獨立于特征的選取，因此這樣的估計可以認(rèn)為是無偏的。

2結(jié)果

對于第一組留一法的分類結(jié)果如圖1所示，在p<0.005時取得了最高的分類正確率88%（43/50正常人和45/50病人），在p<0.0001時，所取得的分類已經(jīng)無意義。對于第二組樣本，基于第一組最好的結(jié)果p<0.005所保留的一致性連接為特征，共有78個特征，取得了80%（7/10正常人和9/10自閉癥患者）。

為了確定異常所出現(xiàn)在大腦中的位置，我們將異常的連接進(jìn)行可視化（如圖2所示，節(jié)點的度值越大則說明與該節(jié)點相關(guān)的異常連接越大），發(fā)現(xiàn)這些異常存在于廣泛的大腦區(qū)域，其中度值相對較大的是與注意力網(wǎng)絡(luò)和缺省模式網(wǎng)絡(luò)相關(guān)的節(jié)點。

為了系統(tǒng)地總結(jié)這些異常連接的框架，我們求出了這些連接兩頭節(jié)點的歐幾里得距離以及與水平面的夾角分別作為連接長度和連接位置的一個粗略度量，如圖3所示（橫坐標(biāo)是歐幾里得距離，即連接長度，縱坐標(biāo)表示連接與水平面夾角，即與AP軸所在平面的夾角）。紅色代表在病人組連接值較大的，藍(lán)色表示在正常人組連接值較大。結(jié)果發(fā)現(xiàn)這些異常的連接距離相對較長，與水平面的角度相對較小，尤其是在病人組減弱的連接。也就是說短距離連接主要是增強的，長距離連接主要是減弱的，并且長距離連接趨向于AP平面。

為了進(jìn)一步檢驗這些連接是否可以反應(yīng)自閉癥的病理生理學(xué)特性，我們將所有受試者的連接所得到連接判別指標(biāo)和他們的臨床指標(biāo)做相關(guān)，這里用的是受試者的IQ值。如圖4所示。結(jié)果證明正常人的IQ和對應(yīng)的判別指標(biāo)之間沒有顯著性的相關(guān)（p>0.05），而病人的IQ與對應(yīng)的判別指標(biāo)之間存在著顯著性的相關(guān)（p<0.05）。

3討論

我們利用了功能磁共振分析數(shù)據(jù)探索了自閉癥患者相比于正常人患者異常的連接，結(jié)果這些連接表現(xiàn)出了對兩組人區(qū)分能力很強的特性。這就說明了在文章所用的特征選擇以及分類判別技術(shù)的有效性，同時也證明了所提取的異常連接在一定程度上可以進(jìn)行正常人和自閉癥患者的分類，給臨床提供了有力的依據(jù)。

對自閉癥異常連接的識別的研究有很多，涉及了自閉癥患者缺省模式網(wǎng)絡(luò)和注意力網(wǎng)絡(luò)相關(guān)的連接異常。這就一定程度上驗證了這樣的假設(shè)：自閉癥患者大腦異常主要是在注意力網(wǎng)絡(luò)和缺省模式網(wǎng)絡(luò)內(nèi)部或網(wǎng)絡(luò)之間的連接。這些研究同時發(fā)現(xiàn)了自閉癥中長距離的不良連接和短距離的過度連接。短距離的連接強度增加說明局部網(wǎng)絡(luò)信息傳輸能力的打亂，就可能導(dǎo)致長距離的不連接。

本研究中發(fā)現(xiàn)能夠代表異常連接的判別指標(biāo)與臨床測量的IQ值存在著顯著性的強相關(guān)，以前的一些研究中已經(jīng)發(fā)現(xiàn)自閉癥的其他一些臨床的測量和異常功能連接之間有一定的關(guān)系，這與我們的研究一致。這種神經(jīng)影像學(xué)的異常與臨床指標(biāo)之間的相關(guān)性證明FMRI分析得到的異常涉及到了自閉癥這種疾病的病理生理學(xué)機制。

當(dāng)然我們的方法也存在一些爭議的問題，比如說我們在數(shù)據(jù)處理的過程中并沒有涉及到全局信號的回歸。有些研究認(rèn)為全局信號的回歸能夠有效地去除噪聲信號，但是很多人有爭議全局信號的回歸會帶來假性的負(fù)相關(guān)問題。

4結(jié)論

在本文中所使用的特征提取以及分類方法為兩組人分別得到了88%和80%的分類正確率。同時，對于所有的病人，代表著異常的判別指標(biāo)與其IQ值有顯著性相關(guān)。這些異常所在廣泛分布在大腦的各個區(qū)域，并呈現(xiàn)出局部網(wǎng)絡(luò)內(nèi)連接減弱，長連接增強的趨勢。

參考文獻(xiàn)：

[1] Brock J， Brown CC， Boucher J， Rippon G （2002） The temporal binding deficit hypothesis of autism. Development and psychopathology，14（2）：209-224.

[2]Belmonte MK， Allen G， Beckel-Mitchener A， Boulanger LM， Carper RA et al. （2004） Autism and abnormal development of brain connectivity. The Journal of Neuroscience，24（42）：9228-9231.

[3]Courchesne E， Pierce K （2005） Why the frontal cortex in autism might be talking only to itself： local over-connectivity but long-distance disconnection. Current opinion in neurobiology，15（2）：225-230.

[4]Just MA， Cherkassky VL， Keller TA， Minshew NJ （2004） Cortical activation and synchronization during sentence comprehension in high-functioning autism： evidence of underconnectivity. Brain，127（8）：1811-1821.

[5]Geschwind DH， Levitt P （2007） Autism spectrum disorders： developmental disconnection syndromes. Current opinion in neurobiology，17（1）：103-111.

[6]Hughes JR （2007） Autism： the first firm finding= underconnectivity？ Epilepsy & Behavior，11（1）：20-24.

[7]Casanova M， Trippe J （2009） Radial cytoarchitecture and patterns of cortical connectivity in autism. Philosophical Transactions of the Royal Society B： Biological Sciences，364（1522）：1433-1436.

[8]Kana RK， Keller TA， Cherkassky VL， Minshew NJ， Just MA （2006） Sentence comprehension in autism： thinking in pictures with decreased functional connectivity. Brain，129（9）：2484-2493.