正常大腦靜息態(tài)功能連接張量的相關(guān)特性研究

徐良洲， 賀夢吟， 鄧勛偉

靜息態(tài)功能磁共振成像(resting-state functional magnetic resonance imaging，rs-fMRI)是在靜息狀態(tài)下采集大腦自發(fā)活動(dòng)的血氧水平依賴成像(blood oxygen level dependent，BOLD)信號(hào)，來研究靜息狀態(tài)下大腦活動(dòng)情況的一種成像技術(shù)[1]。通過分析靜息狀態(tài)下不同腦區(qū)之間腦功能活動(dòng)的相關(guān)性，可以描繪腦區(qū)之間的功能連接(functional connectivity)。擴(kuò)散張量成像(diffusion tensor imaging，DTI)描述水分子在大腦中擴(kuò)散行為的各項(xiàng)異性現(xiàn)象[2]。大腦中水分子擴(kuò)散的各項(xiàng)異性主要源于白質(zhì)纖維束的走行，因此DTI可用于白質(zhì)纖維束的追蹤觀察。近年來，rs-fMRI和DTI被廣泛應(yīng)用于大腦功能網(wǎng)絡(luò)和結(jié)構(gòu)網(wǎng)絡(luò)的研究[3-6]。綜合這兩個(gè)成像序列的數(shù)據(jù)，可以讓我們更進(jìn)一步研究不同神經(jīng)網(wǎng)絡(luò)之間功能和結(jié)構(gòu)的關(guān)系[7]。

最近有學(xué)者指出，大腦的靜息態(tài)功能連接在空間上也具有類似于擴(kuò)散現(xiàn)象的各項(xiàng)異性，并且提出了利用功能連接張量(functional correlation tensor)來顯示這種各項(xiàng)異性[8]。之前的研究表明，在單個(gè)被試的層面上的功能連接張量同擴(kuò)散張量一樣可以用來追蹤白質(zhì)纖維束[9]。換句話說，只利用rs-fMRI數(shù)據(jù)就可以同時(shí)得到功能和結(jié)構(gòu)的信息。這對(duì)于大腦網(wǎng)絡(luò)的相關(guān)研究具有重大意義。rs-fMRI的相關(guān)研究大多數(shù)是在群體水平上的研究。但是，目前關(guān)于功能連接張量的研究，僅僅局限于單個(gè)被試水平上的白質(zhì)纖維束追蹤。本文旨在采用功能連接張量分析群體水平上腦功能和結(jié)構(gòu)的相關(guān)特性。

材料與方法

1.數(shù)據(jù)采集

34例健康被試參加了此次試驗(yàn)，男女各17例，平均年齡為(22.5±3.4)歲。所有被試為右利手，無任何精神疾病的病史。本研究通過本院倫理委員會(huì)的批準(zhǔn)和監(jiān)督，所有受試者簽署知情同意書。

使用GE Discovery MR750 3.0T超導(dǎo)磁共振掃描儀和8通道陣列頭線圈，并使用配套的橡膠軟塞固定頭部。掃描時(shí)受試者取仰臥位、閉眼、平靜呼吸、最大限度地減少身體主動(dòng)及被動(dòng)運(yùn)動(dòng)，并且告誡被試盡量不做任何思維活動(dòng)，同時(shí)使用軟泡沫耳塞降低設(shè)備噪音。rs-fMRI掃描采用梯度回波平面回波成像(gradient echo-echo planar imaging,GRE-EPI)序列，掃描參數(shù)：TR 2000 ms，TE 30 ms，層厚3.6 mm，層間距0，層數(shù)33，視野22 mm×22 mm，矩陣64×64，激勵(lì)次數(shù)1，翻轉(zhuǎn)角90°，總掃描時(shí)間8 min。所有被試還進(jìn)行了任務(wù)態(tài)fMRI、T1WI和DTI掃描。

為了分析本組結(jié)果的可重復(fù)性，自“千人腦連接計(jì)劃”官網(wǎng)(https://www.nitrc.org/projects/fcon_1000/)下載了另外兩組被試的rs-fMRI數(shù)據(jù)，分別來自中國北京師范大學(xué)(Beijing Normal University，BNU)和美國華盛頓大學(xué)圣路易斯分校(University of Washington at Saint Louis，UWSL)。兩組受試者的年齡(分別為20～26和21～29歲)和性別構(gòu)成(男女比例為15/15和14/17)均與本組樣本相匹配。BNU數(shù)據(jù)集BOLD掃描參數(shù)：TR 2000 ms，TE 30 ms，層厚3.0 mm，層間距0.6 mm，層數(shù)33，視野24 mm×24 mm，矩陣64×64，激勵(lì)次數(shù)1，翻轉(zhuǎn)角90°，總掃描時(shí)間8 min。UWSL數(shù)據(jù)集 BOLD 掃描參數(shù)：TR 2000 ms，TE 30 ms，層厚3.0 mm，層間距0.6 mm，層數(shù)33，視野24 mm×24 mm，矩陣64×64，激勵(lì)次數(shù)1，翻轉(zhuǎn)角為90°，總掃描時(shí)間6 min 40 s。

2.數(shù)據(jù)處理和分析

數(shù)據(jù)預(yù)處理：將原始數(shù)據(jù)傳至工作站，基于Matlab運(yùn)算環(huán)境并采用SPM8以及DPARSF后處理軟件[10]。數(shù)據(jù)預(yù)處理過程：①為了排除受試者磁化矢量不穩(wěn)定帶來的干擾，去除前10個(gè)時(shí)間點(diǎn)的數(shù)據(jù)；②時(shí)間層矯正；③頭動(dòng)矯正；本組中所有被試的頭動(dòng)水平移位<1.5 mm、轉(zhuǎn)動(dòng)角度<1.5°，故未執(zhí)行此步驟；④將圖像標(biāo)準(zhǔn)化到MNI空間；⑤所有容積信號(hào)進(jìn)行標(biāo)準(zhǔn)化，以去除全腦平均信號(hào)的影響；⑥帶通濾波，保留0.01～0.10 Hz的數(shù)據(jù)；⑦利用scrubbing辦法最大限度地去除頭動(dòng)對(duì)數(shù)據(jù)的影響[11]。

功能連接張量的計(jì)算：數(shù)據(jù)經(jīng)預(yù)處理后，使用Matlab平臺(tái)計(jì)算處理后獲得每例被試的腦功能連接張量圖[8]。對(duì)于任意一個(gè)體素，可以計(jì)算跟它緊密相連的26個(gè)體素(立方體面相鄰，棱相鄰以及定點(diǎn)相鄰的體素)的功能連接值，并且利用類似于 DTI 的張量擬合方式進(jìn)行功能連接張量的擬合。具體方式如下，假設(shè)一個(gè)體素的功能連接張量為T，與它相鄰的第i個(gè)體素的方向單位矢量為ni=(xi，yi，zi)，那么這個(gè)體素與給定體素之間的功能連接值Ci可表示為：

Ci=ni·T·ni′

(1)

令C=(C1.C2,C3……C26) ，考慮到T張量的空間對(duì)稱性，它應(yīng)該有6個(gè)獨(dú)立分量，將這6個(gè)獨(dú)立分量組成一個(gè)列向量Tc，那么有，

C=M·Tc

(2)

其中，M是一個(gè)26×6的矩陣，它的第i行為(xi2，2xiyi，2xizi，yi2，2yizi，zi2) ，用最小二乘擬合可以計(jì)算出來

Tc=(M′·M)-1·M′·C

(3)

這樣，可以計(jì)算出該體素的功能連接張量T的6個(gè)獨(dú)立分量。由此，我們就可以得到給定體素的功能連接張量T。對(duì)于給定的張量，與DTI的方法相似，我們可以將張量對(duì)角化，并且計(jì)算出其3個(gè)特征值以及對(duì)應(yīng)的特征向量。由特征值可以計(jì)算其各向異性(FA)指數(shù)以及跡(Trace)的大小。對(duì)于所有體素，均采用這個(gè)算法進(jìn)行計(jì)算，就可以得到單個(gè)被試的FA圖和trace圖。

此后，在一組被試上進(jìn)行這兩個(gè)圖的平均，就能得到全組被試的平均FA和Trace值，然后計(jì)算全組被試的平均局部一致性(regional Homogeneity，ReHo)并進(jìn)行比較[12]。

圖1 全組被試平均功能連接張量參數(shù)圖。a) FA圖顯示白質(zhì)區(qū)域的功能連接張量FA值明顯高于灰質(zhì)區(qū)域； b) Trace圖顯示灰質(zhì)區(qū)域的 Trace 值明顯高于白質(zhì)區(qū)域。 圖2 設(shè)定閾值后的全部被試的平均功能連接張量參數(shù)圖。a) Trace偽彩圖顯示灰白質(zhì)對(duì)比好，灰質(zhì)的trace值高于白質(zhì)； b) ReHo偽彩圖顯示灰白質(zhì)對(duì)比好，ReHo值較高的區(qū)域與trace圖基本一致; c) 全腦所有體素全組平均ReHo值和Trace值的散點(diǎn)圖，顯示平均ReHo值和Trace值呈正相關(guān)關(guān)系。

圖3 3個(gè)數(shù)據(jù)集的全組平均功能連接張量Trace圖以及各個(gè)數(shù)據(jù)集與總數(shù)據(jù)集平均Trace值之間的相關(guān)性分析散點(diǎn)圖，顯示3個(gè)數(shù)據(jù)集的Trace圖表現(xiàn)及相關(guān)性分析的結(jié)果相近，提示Trace值的測量結(jié)果的可重復(fù)性非常好。a) 本組Trace圖； b) 本組散點(diǎn)圖； c) BNU組Trace圖； d) BUN組散點(diǎn)圖； e) UWSL組Trace圖； f) UWSL組散點(diǎn)圖。

3.統(tǒng)計(jì)分析

數(shù)據(jù)統(tǒng)計(jì)均在Matlab平臺(tái)上進(jìn)行。使用Pearson相關(guān)分析研究全組平均Trace值和ReHo值之間的相關(guān)性。為了分析本研究結(jié)果的可重復(fù)性，對(duì)本組數(shù)據(jù)與兩組開源數(shù)據(jù)集(BUN和BWSL)進(jìn)行Pearson相關(guān)性分析。

結(jié) 果

全組被試的平均功能連接張量在大腦白質(zhì)區(qū)域具有較高的FA值，而大腦灰值區(qū)域的FA值較低 (圖1a)，灰白質(zhì)間的對(duì)比較好，與DTI的FA圖具有相似的圖像對(duì)比度。大腦灰值的平均Trace值顯著高于腦白質(zhì)(圖1b)，其中以后扣帶回(PCC)、背外側(cè)前額葉(DLPFC)和內(nèi)側(cè)前額葉(MPFC)等部位尤為明顯，尤其是PCC區(qū)域。以0.4作為閾值，將全組平均Trace圖進(jìn)行偽彩色處理并疊加到T1W圖像模板上(圖2a)，可見Trace值較高的腦區(qū)主要集中在內(nèi)側(cè)前額葉、楔前葉以及后扣帶回等區(qū)域。將閾值設(shè)定為1.5，獲得大腦ReHo偽彩圖，可見其與Trace偽彩圖的表現(xiàn)非常相似(圖2b)。相關(guān)性分析顯示(圖2c)，全組被試的平均Trace值與ReHo值具有高度相關(guān)性(r=0.912，P<0.001)。

3個(gè)數(shù)據(jù)集的全組被試平均Trace圖具有相似的灰白質(zhì)對(duì)比(圖3)。進(jìn)一步相關(guān)分析結(jié)果顯示，三個(gè)數(shù)據(jù)集的Trace值與全部被試(3個(gè)組的所有樣本)的平均Trace值間均具有較高的相關(guān)性，r值分別為0.900、0.962和0.944(P均<0.001)。

討 論

本研究對(duì)功能連接張量基于群組水平的相關(guān)特性進(jìn)行了觀察，結(jié)果顯示：全組被試的平均功能連接張量的FA圖與傳統(tǒng)的DTI的FA圖具有相似的灰白質(zhì)對(duì)比度；而全組平均Trace圖與ReHo圖之間亦具有相似的灰白質(zhì)對(duì)比度。并且，全組平均Trace值在不同數(shù)據(jù)集之間具有很好的一致性。

首先，全組被試的平均功能張量FA圖具有與DTI的FA圖相似的灰白質(zhì)對(duì)比。根據(jù)之前的研究，功能連接張量正是為了描述一個(gè)體素和周圍體素之間功能連接的各向異性的。并且，在單個(gè)被試的水平上，功能連接張量還能用于白質(zhì)纖維束的追蹤。因此，可以預(yù)測全組被試的平均功能連接張量FA圖具有與DTI的FA圖相似的灰白質(zhì)對(duì)比。

其次，更重要的是，可用于白質(zhì)纖維束追蹤的功能連接張量Trace圖與能夠反映靜息態(tài)大腦活動(dòng)的ReHo圖具有相似的灰白質(zhì)對(duì)比度，尤其是內(nèi)側(cè)前額葉、楔前葉以及后扣帶回等腦區(qū)，而這些腦區(qū)正是構(gòu)成大腦默認(rèn)網(wǎng)絡(luò)的主要腦區(qū)[13-14]。提示Trace圖像能夠清晰地顯示靜息態(tài)下最重要的功能網(wǎng)絡(luò)——默認(rèn)網(wǎng)絡(luò)。本來用于描繪結(jié)構(gòu)網(wǎng)絡(luò)的參數(shù)，卻能夠反映功能網(wǎng)絡(luò)的相關(guān)特性，筆者認(rèn)為這也是有其具體原因的：第一，最根本的原因是功能連接張量本來就是基于rs-fMRI信號(hào)，反映的是靜息態(tài)下的大腦活動(dòng)。雖然，功能張量這個(gè)參數(shù)是反映功能連接的空間各向異性，但是其本質(zhì)和根源還是在于靜息態(tài)功能連接，因此，它的相關(guān)參數(shù)能夠反映默認(rèn)網(wǎng)絡(luò)也有據(jù)可循。第二，根據(jù)功能連接張量的算法，也可以得到它的Trace和ReHo結(jié)果的相關(guān)性。給定體素的功能連接張量描述的就是該體素與周圍相鄰的26個(gè)體素的功能連接隨著方向變化的特性。而ReHo同樣描述的是給定體素與周圍相鄰的26個(gè)體素時(shí)間序列的一致性。因此，從計(jì)算方法上也可以得到兩者可能具有相似的圖像對(duì)比。

功能連接張量這種創(chuàng)新的fMRI后處理方法，研究的是功能連接的空間各項(xiàng)異性，同時(shí)它也能一定程度上反映大腦活動(dòng)的時(shí)間和空間特性。不僅能夠用于結(jié)構(gòu)上的白質(zhì)纖維束追蹤，還能夠反映功能上的默認(rèn)網(wǎng)絡(luò)。在功能網(wǎng)絡(luò)和結(jié)構(gòu)網(wǎng)絡(luò)結(jié)合的研究中，功能連接張量可能扮演著十分重要的角色，并成為功能和結(jié)構(gòu)網(wǎng)絡(luò)研究的重要手段。

參考文獻(xiàn)：

[1] Biswal B,Zerrin YF,Haughton VM,et al.Functional connectivity in the motor cortex of resting human brain using echo-planar MRI[J].Magn reson Med,1995,34(4):537-541.

[2] Basser PJ,Mattiello J,LeBihan D.MR diffusion tensor spectroscopy and imaging[J].Biophys,1994,66(1):259-267.

[3] Bullmore E,Sporns O.Complex brain networks:graph theoretical analysis of structural and functional systems[J].Nat Rev Neurosc,2009,10(3):186-198.

[4] Hagmann P,Cammoun L,Gigandet X,et al.Mapping the structural core of human cerebral cortex[J/OL].PLoS Biol,2008,6(7):e159. DOI:10.1371/journal.pbio.0060159

[5] Sporns O,Chialvo DR,Kaiser M,et al.Organization,development and function of complex brain networks[J].Trends Cognit Sci,2004,8(9):418-425.

[6] Greicius MD,Supekar K,Menon V,et al.Resting-state functional connectivity reflects structural connectivity in the default mode network[J].Cerebr Cort,2009,19(1):72-78.

[7] Honey CJ,Sporns O,Cammoun L,et al.Predicting human resting-state functional connectivity from structural connectivity[J].Proc Natl Acad Sci,2009,106(6):2035-2040.

[8] Ding Z,Newton AT,Xu R,et al.Spatio-temporal correlation tensors reveal functional structure in human brain[J/OL].PLoS One,2013,8(12):e82107.DOI:10.1371/journal.pone.0082107

[9] Ding Z,Xu R,Bailey SK,et al.Visualizing functional pathways in the human brain using correlation tensors and magnetic resonance imaging[J].Magn Reson Imaging,2016,34(1):8-17.

[10] Chao-Gan Y,Yu-Feng Z.DPARSF:a MATLAB toolbox for "pipeline" data analysis of resting-state fMRI[J].Front Syst Neurosci,2010,14(5):4-13..

[11] Power JD,Mitra A,Laumann TO,et al.Methods to detect,cha-racterize,and remove motion artifact in resting state fMRI[J].Neuroimage,2014,84(1):320-341.

[12] Zang Y,Jiang T,Lu Y,et al.Regional homogeneity approach to fMRI data analysis[J].Neuroimage,2004,22(1):394-400.

[13] Raichle ME,MacLeod AM,Snyder AZ,et al.A default mode of brain function[J].Proc Nat Acad Sci,2001,98(2):676-682.

[14] Greicius MD,Krasnow B,Reiss AL,et al.Functional connectivity in the resting brain:a network analysis of the default mode hypothesis[J].Proc Nat Acad Sci,2003,100(1):253-258.