連通性的獼猴大腦PE細(xì)分分析及同源性研究

王 玥，王千山，姚 蓉，李斌強，柴靜文，李海芳

(太原理工大學(xué) 信息與計算機學(xué)院，山西 晉中 030600)

獼猴是人類的天然過渡模型，基于影像特征研究人腦與猴腦的跨物種比較是當(dāng)今信息科學(xué)、神經(jīng)科學(xué)等學(xué)科的共同前沿。構(gòu)建更加精細(xì)的腦區(qū)亞區(qū)可以為揭示更全面的腦區(qū)認(rèn)知、神經(jīng)環(huán)路等提供更多的可能性。

PE區(qū)(Brodmann’s Area 5)是獼猴頂上小葉(superior parietal lobule，SPL)的一部分，參與手臂運動的控制。已有研究表明，人類Brodmann 5區(qū)與PE區(qū)是同源區(qū)域，了解PE區(qū)可為人類手臂運動臨床診斷和康復(fù)訓(xùn)練提供依據(jù)?，F(xiàn)有研究表明從細(xì)胞構(gòu)筑的角度來看PE能夠細(xì)分?；诎踪|(zhì)纖維束的解剖連接對于PE的分割還需更多驗證，同時細(xì)分后的PE與人類腦區(qū)的同源關(guān)系尚不明確。本文所關(guān)注的獼猴PE區(qū)是獼猴頂上小葉(superior parietal lobule，SPL)的一部分。SPL參與整合視覺和體感皮層區(qū)域的信息，以執(zhí)行伸展和抓取動作[1]。目前，SPL研究最多的區(qū)域是PE、PEc和V6A.其中，PE區(qū)位于頂葉后皮質(zhì)(posterior parietal cortex，PPC)[2]，本質(zhì)上是一個以軀體感覺輸入為主的高級軀體運動區(qū)，在觸達(dá)過程中參與深度和方向信息的運動加工。1982年P(guān)ANDYA et al[3]確認(rèn)PE存在，并將其定義為細(xì)胞構(gòu)筑同質(zhì)實體。后期有研究在連接特性上指出了PE內(nèi)可能的細(xì)分[4-6]，功能研究也顯示了PE可細(xì)分[7]。

最近一項神經(jīng)示蹤劑研究表明PE區(qū)域并不同質(zhì)[8]。研究發(fā)現(xiàn)根據(jù)細(xì)胞構(gòu)筑以及一些被檢查受體的平均密度和層狀分布模式的不同，PE能夠細(xì)分為3個部分[1]：前外側(cè)PE區(qū)(PEla區(qū))、外側(cè)PE區(qū)(PEl區(qū))和內(nèi)側(cè)PE區(qū)(PEm區(qū))。PEla在區(qū)域PEl的前面形成長條；PEl在SPL的裸露表面上可見，為頂內(nèi)溝邊緣上的一條相對較細(xì)的條帶，并一直延伸到PE內(nèi)側(cè)壁的外部頂內(nèi)溝區(qū)域；PEm是位于背側(cè)的皮質(zhì)區(qū)域。PEla和PEl似乎與Brodmann5區(qū)顯示的體位圖重疊[7]，而PEm區(qū)域仍需要進(jìn)行功能表征。然而，解剖規(guī)范定義的PE區(qū)及其亞區(qū)還未應(yīng)用于影像連接分析。利用腦連接信息實現(xiàn)PE的邊界識別和PE的精細(xì)劃分，并刻畫這些腦區(qū)的功能和解剖連接模式，可以為研究PE結(jié)構(gòu)和功能做導(dǎo)航。另外，目前有關(guān)PE的認(rèn)知大多源于動物實驗，這些認(rèn)知是否可以直接轉(zhuǎn)化到人類猶未可知。

大腦白質(zhì)纖維束研究一直是腦科學(xué)研究中的熱點。其中，彌散張量成像所體現(xiàn)的白質(zhì)纖維軌跡具有明確的神經(jīng)學(xué)意義。它可以獲得每一個體素從出發(fā)到跟蹤終點的白質(zhì)纖維路徑，這被稱作該體素的解剖連接。每個體素的解剖連接可以作為特征來進(jìn)行分區(qū)。當(dāng)前有很多基于解剖連接模式對大腦分區(qū)的研究，通過白質(zhì)纖維連接的追蹤可以構(gòu)建更加精細(xì)的腦區(qū)亞區(qū)。此外，也有研究基于同源腦區(qū)進(jìn)行概率纖維追蹤構(gòu)建連通性指紋，通過分析其相似性來探討物種間的同源關(guān)系。

綜上，本文基于解剖連接模式，采用概率纖維追蹤的方法，面向彌散張量成像數(shù)據(jù)進(jìn)行獼猴PE區(qū)域的分割及驗證，進(jìn)而對人類大腦Brodmann 5區(qū)和獼猴該區(qū)域展開跨物種比較。為PE亞區(qū)繪制了具有19個預(yù)定義同源目標(biāo)腦區(qū)的連通性指紋圖，找到了所劃分出的PE亞區(qū)在人類大腦中的同源區(qū)域，對該區(qū)域連接模式上進(jìn)行初步探索。通過以上方法所得到的分割結(jié)果能夠更好地理解PE區(qū)的功能組織，并為其在亞區(qū)層面上的信息交互和整合提供新的見解。對獼猴模型相關(guān)研究的精準(zhǔn)展開和對人類特有高級運動功能的探索具有重要的理論意義和應(yīng)用價值，有助于影像連接分析和神經(jīng)外科手術(shù)定位研究，為人類手臂運動臨床診斷和康復(fù)訓(xùn)練提供依據(jù)。

1 實驗材料及方法

1.1 數(shù)據(jù)采集和預(yù)處理

1.1.1人類數(shù)據(jù)

本文使用Human Connectome Project(HCP)發(fā)布的公開數(shù)據(jù)集[9]。經(jīng)過數(shù)據(jù)清洗，去除含極端值或缺失值的數(shù)據(jù)，選取了22位健康的被試(13位男性，9位女性，年齡范圍22～35歲)，分別選擇他們對應(yīng)的預(yù)處理后的結(jié)構(gòu)磁共振成像(structural MRI，sMRI)數(shù)據(jù)和彌散磁共振成像(diffusion MRI，dMRI)數(shù)據(jù)，其中sMRI數(shù)據(jù)包括0.7 mm高分辨率的各向同性T1加權(quán)(T1 weighted，T1w)和T2加權(quán)(T2 weighted，T2w)圖像數(shù)據(jù)，dMRI數(shù)據(jù)包括多梯度和多彌散加權(quán)的1.25 mm各向同性數(shù)據(jù)。HCP的核磁共振數(shù)據(jù)用3.0T磁共振系統(tǒng)獲得。彌散磁共振成像數(shù)據(jù)采集參數(shù)TR=5 520 ms，TE=89.5 ms，體素分辨率1.25 mm×1.25 mm×1.25 mm，無間隙。此外還采集了矢狀位3D T1加權(quán)圖像，采集參數(shù)TR/TE=2 400/2.14 ms，體素分辨率0.7 mm×0.7 mm×0.7 mm.該研究符合赫爾辛基宣言的最新版本。

1.1.2人類數(shù)據(jù)預(yù)處理

公開的HCP數(shù)據(jù)已經(jīng)過預(yù)處理[10]。接下來，人類大腦采用基于FSL(FSL-FslWiki (ox.ac.uk))的兩步配準(zhǔn)法進(jìn)行配準(zhǔn)，并選取配準(zhǔn)效果較好的個體組成實驗的數(shù)據(jù)集，如圖1所示。使用FMRIB提供的BEDPOSTX(雙張量模型)[11]對兩個纖維方向的彌散概率追蹤成像和體素概率分布進(jìn)行估計，以便執(zhí)行概率纖維跟蹤實驗。之后，根據(jù)中科院自動化所提供的人類腦網(wǎng)絡(luò)組圖譜(Brainnetome Atlas)定義人類的5l區(qū)和5m區(qū)見圖2，基于圖譜配準(zhǔn)到個體的結(jié)果，按照對應(yīng)腦區(qū)標(biāo)號進(jìn)行區(qū)域提取，得到人類被試左右半球5l區(qū)和5m區(qū)。

圖1 Brainnetome圖譜到人類個體大腦的配準(zhǔn)結(jié)果Fig.1 Result of registration from Brainnetome atlas to individual human brain

圖2 人類大腦5l區(qū)和5m區(qū)Fig.2 Area 5l and area 5m of the human brain

1.1.3獼猴數(shù)據(jù)

本文使用The PRIMatE Data Exchange(PRIME-DE)中的公開數(shù)據(jù)集[12]。采用同樣的入組標(biāo)準(zhǔn)，選取來自加州大學(xué)戴維斯分校(University of California, Davis，UC-Davis)的9只雌性獼猴(年齡范圍18.5～22.5歲，體重7.28～14.95 kg)作為被試，獼猴數(shù)據(jù)包含T1結(jié)構(gòu)像和彌散磁共振成像。這些獼猴數(shù)據(jù)使用西門子Skyra 3T的4通道翻轉(zhuǎn)線圈掃描收集得到。彌散加權(quán)像數(shù)據(jù)采集參數(shù)TE=115 ms，TR=6 400 ms，切片間隙為1.4 mm，b值為1 600 s/mm2，800 s/mm2，體素分辨率為1.4 mm×1.4 mm×1.4 mm.T1結(jié)構(gòu)像數(shù)據(jù)采集參數(shù)TE=3.65 ms，TR=2 500 ms，TI=1 100 ms，翻轉(zhuǎn)角度為7°，體素分辨率為0.3 mm×0.3 mm×0.3 mm.飼養(yǎng)的獼猴符合UC-Davis IACUC道德認(rèn)證，且數(shù)據(jù)采集實驗得到了當(dāng)?shù)貍惱砦瘑T會的批準(zhǔn)，并遵守歐盟關(guān)于保護用于科學(xué)目的的動物的指令(2010/63/EU).

1.1.4獼猴數(shù)據(jù)預(yù)處理

本文使用FSL工具對獼猴彌散磁共振成像數(shù)據(jù)進(jìn)行了預(yù)處理。處理過程包括頭動和渦流校正，顱骨剝離等。使用FSL工具進(jìn)行兩步配準(zhǔn)，并選取配準(zhǔn)效果較好的個體組成實驗的數(shù)據(jù)集如圖3所示。使用BEDPOSTX進(jìn)行纖維方向估計。之后，根據(jù)D99圖譜[13]定義獼猴PE區(qū)如圖4所示，進(jìn)行區(qū)域提取后得到獼猴被試左右半球PE區(qū)。

圖3 D99圖譜到獼猴個體大腦的配準(zhǔn)結(jié)果Fig.3 Registration results of D99 atlas to individual macaque brain

圖4 獼猴大腦PE區(qū)Fig.4 Area PE of macaque

1.2 概率纖維追蹤

PE分區(qū)實驗中，對所選被試的PE區(qū)進(jìn)行概率纖維追蹤，估計每個種子體素和大腦其余部分中的每個體素之間的連通概率，得到PE對全腦的解剖連接矩陣。接下來，通過將連通性矩陣乘以其轉(zhuǎn)置矩陣生成對稱互相關(guān)矩陣，第(i，j)個元素值是種子體素i的連通性分布和種子體素j的連通性分布之間的相關(guān)性[14]。

本文在通過文獻(xiàn)總結(jié)出已有人類與獼猴的同源區(qū)[15]的基礎(chǔ)上，獼猴基于D99圖譜選區(qū)，人類基于Brainnetome圖譜找對應(yīng)區(qū)域，最終選用主要運動皮層、主要軀體感覺皮層、輔助運動皮層等19個同源目標(biāo)區(qū)域見表1.使用FSL對人類5l區(qū)與5m區(qū)到目標(biāo)大腦區(qū)域進(jìn)行概率纖維追蹤，對獼猴PE區(qū)及其亞區(qū)到目標(biāo)大腦區(qū)域進(jìn)行概率纖維追蹤，以映射區(qū)域每個體素和目標(biāo)大腦區(qū)域之間的解剖連通性。最后，確定每個區(qū)域到每個目標(biāo)腦區(qū)的解剖連接概率。

2 劃分PE亞區(qū)及跨物種比較

2.1 分區(qū)

2.1.1分區(qū)過程

本研究使用邊加權(quán)譜聚類對相似性矩陣進(jìn)行處理，以確定2～5個不同數(shù)量的亞區(qū)聚類[16-21]。邊加權(quán)譜聚類是把譜聚類和體素間的概率連接信息綜合起來考慮，將具有相似全腦連接構(gòu)筑特征的體素聚在一起，得到的聚類結(jié)果散點較少，此方法和K-means聚類、譜聚類等聚類算法比起來可以得到更加平滑的聚類邊界，且計算速度快。

表1 本文所使用的人類與獼猴的同源目標(biāo)區(qū)Table 1 Homologous target areas of human and macaque used in this article

接下來，將被試的個體分割結(jié)果從彌散空間轉(zhuǎn)換到D99空間，為所有對象的每個解創(chuàng)建最大概率圖(maximum probability map，MPM).MPM使用標(biāo)準(zhǔn)空間中所有被試的分割結(jié)果，通過將參考空間中的每個體素分配給最有可能定位的區(qū)域來計算[22-23]。最后對聚類結(jié)果進(jìn)行中值濾波，配回到D99模板上，并將PE亞區(qū)配到D99圖譜上。

2.1.2分區(qū)驗證

Dice系數(shù)用于評估基于解剖連通性的分組結(jié)果之間的重疊程度，以識別PE的相應(yīng)拓?fù)浣Y(jié)構(gòu)，從而確定PE中亞區(qū)的最佳分組結(jié)果[24]。Dice系數(shù)值越大說明PE分割效果越好。同時使用平均Crame’s V(CV)來測量個體之間區(qū)域的空間分布一致性，最終取CV值接近1的最佳分區(qū)方案。另外，使用標(biāo)準(zhǔn)化互信息(Normalized Mutual Information，NMI)，通過相鄰分區(qū)方案的比較來確定最穩(wěn)定的分區(qū)方案。最后，使用信息差異指標(biāo)(Variation of Information，VI)量化兩個分區(qū)方案之間信息量的丟失或獲取情況，來確定最穩(wěn)定的分區(qū)方案。

2.2 跨物種比較

2.2.1連通性指紋

為了進(jìn)一步評估人和獼猴之間的解剖連通指紋，每個感興趣區(qū)域的解剖連通指紋在所有目標(biāo)上進(jìn)行最大最小歸一化，使得感興趣區(qū)域和任何目標(biāo)大腦區(qū)域之間的最大連接概率值為1，最小連接概率值為0，公式如下：

(1)

其中，pi,j是第i個感興趣區(qū)域和第j個目標(biāo)腦區(qū)之間的連通概率。max(pi)是第i個感興趣區(qū)域與所有目標(biāo)腦區(qū)之間的最大連通概率，而min(pi)是第i個感興趣區(qū)域與所有目標(biāo)腦區(qū)之間的最小連通概率。歸一化的解剖連接概率值用于構(gòu)建每個感興趣區(qū)域的連通性指紋。最后，為了定量表征人類和獼猴之間的相似性，計算了人類和獼猴指紋之間的余弦相似度和曼哈頓距離。

(2)

其中，p、q表示兩個待比較的指紋圖；n表示指紋圖中目標(biāo)區(qū)域個數(shù)；pi、qi表示p、q指紋圖中第i個目標(biāo)區(qū)域的連通值。余弦相似度計算所得到值的范圍為[-1，1]：值越接近1，表明兩個腦區(qū)的連通性越相似，即兩個腦區(qū)同源的可能性越大；值越接近0，表明兩個腦區(qū)相互獨立，同源的可能性越??；值接近-1，表明兩個腦區(qū)負(fù)相關(guān)。

(3)

式中：p和q是連通指紋的兩個向量，i是指紋的n個目標(biāo)區(qū)域。曼哈頓距離的值越小表示兩個向量的相似性越高，表明兩個腦區(qū)的連通性越相似，即兩個腦區(qū)同源的可能性越大。

2.2.2置換檢驗

在基于連通性指紋的跨物種比較過程中，使用非參數(shù)置換檢驗來探測獼猴PE區(qū)、PE亞區(qū)與人類的5m區(qū)、5l區(qū)對應(yīng)連接指紋圖的匯聚性：零假設(shè)定義為“對應(yīng)指紋圖具有匯聚性”；檢驗標(biāo)準(zhǔn)值定義為5%顯著水平。

1) 首先計算實際觀測值為組平均指紋圖(人類22被試；獼猴9被試)之間的余弦相似度值。

2) 組合兩組指紋圖然后隨機分開成22和9兩個組。

3) 計算新的兩個組的組平均值指紋圖及它們之間的余弦相似度值。

4) 重復(fù)執(zhí)行第2)，3)步1 000次，使用得到的余弦相似度值構(gòu)建置換檢驗分布。

本文通過判斷實際觀測值在檢驗分布中是否為異常值來確定零假設(shè)是否成立。若實驗的觀測值落在置信區(qū)間內(nèi)，則原假設(shè)成立，即所檢驗的腦區(qū)間有同源關(guān)系。

3 結(jié)果與討論

3.1 獼猴PE的聚類分區(qū)

本文基于解剖連通性獲得了獼猴PE區(qū)分別聚類成2、3、4、5個亞區(qū)的MPM見圖5(a).計算4項分區(qū)指標(biāo)，結(jié)果見圖5(b).顯示當(dāng)分為2個亞區(qū)時，左腦CV=0.521、Dice=0.416、NMI=0.546，3個指標(biāo)的值都大于分成其他數(shù)量的對應(yīng)指標(biāo)值，同時信息差異VI指標(biāo)也是在分成兩個區(qū)時值最小，右腦分區(qū)呈現(xiàn)的結(jié)果與左腦一致，因此最終得到2個亞區(qū)的最佳分組結(jié)果。其中，在D99模板里前側(cè)亞區(qū)的位置為L1[95,128,201]、R1[179,134,201]，背側(cè)亞區(qū)的位置為L2[86,134,201]、R2[187,126,201].因此，在隨后的分析實驗中使用2個亞區(qū)分組，并將亞區(qū)配準(zhǔn)到D99模板，如圖5(c)所示。

圖5 基于FSL兩步配準(zhǔn)的獼猴左右腦PE細(xì)分結(jié)果Fig.5 Results of PE segmentation of the left and right brains of macaque based on FSL two-step registration

3.2 獼猴PE區(qū)的跨物種比較

基于連通性指紋的比較方法將兩物種大腦帶入到同源腦區(qū)構(gòu)建出的公共空間如圖6.連通性指紋和余弦相似度如表2所示?？砂l(fā)現(xiàn)，整個PE區(qū)更接近人類5l區(qū)，同時根據(jù)趨勢圖也可看出獼猴PE區(qū)與人類5l區(qū)趨勢一致性較強。本文發(fā)現(xiàn)PE區(qū)與5l區(qū)均對pIPS和S1表現(xiàn)出了強烈的連接性。pIPS在人腦中的位置同樣位于SPL，它在獼猴大腦中對應(yīng)區(qū)域是5_(PEa)，5_(PEa)本身與PE相鄰，S1是人類和獼猴的初級體感皮質(zhì)區(qū)[26, 27].

表2 人類5l區(qū)、5m區(qū)與獼猴PE區(qū)相似性度量Table 2 Similarity measure between 5l, 5m of human and PE of macaque

根據(jù)置換檢驗結(jié)果，左右腦對應(yīng)的5l和PE，觀測值均落在閾值內(nèi)，因此本文判定他們具有同源關(guān)系。而左右腦對應(yīng)的5m區(qū)和PE區(qū)在置換檢驗中觀測值落在了閾值外，因此對于此前實驗中它們相似度低的結(jié)論，可能是受樣本量小的影響。

3.3 獼猴PE亞區(qū)的跨物種比較

圖7為獼猴PE亞區(qū)的跨物種比較結(jié)果。表3為相似性度量。從結(jié)果可以發(fā)現(xiàn)(見圖7和表3)，PE_L1與5l_L、 PE_R1與5l_R相似度更高，認(rèn)為PE _L1和PE_R1與5l具有同源關(guān)系。5m與PE亞區(qū)在本次實驗中并未表現(xiàn)出明顯的同源關(guān)系，這和PE整區(qū)結(jié)果一致。另外發(fā)現(xiàn)除了pIPS和S1，PE亞區(qū)也表現(xiàn)出對M1的強連接，M1是人類和獼猴的初級運動皮質(zhì)區(qū)[27]。

圖6 人類5l區(qū)、5m區(qū)與獼猴PE區(qū)同源性比較Fig.6 Comparison of homology between 5l, 5m of human and PE of macaque

4 結(jié)束語

本文基于解剖連接，面向彌散張量磁共振成像數(shù)據(jù)，對白質(zhì)纖維束追蹤結(jié)果運用邊加權(quán)譜聚類方法，進(jìn)行獼猴PE區(qū)的分割及驗證，并對PE區(qū)及其亞區(qū)進(jìn)行了跨物種比較研究。結(jié)果發(fā)現(xiàn)PE可細(xì)分為一個前側(cè)PE亞區(qū)和一個背側(cè)PE亞區(qū)。通過繪制人類與獼猴的連通性指紋并計算余弦相似度得出，獼猴PE區(qū)與人類5l區(qū)具有相似的連接模式。本文所劃分的亞區(qū)相對于5m區(qū)來說，與人類5l區(qū)具有更為相似的連接模式，且推斷PE前側(cè)亞區(qū)與5l同源。同時根據(jù)位置及實驗得出的同源關(guān)系，本文推測PE前側(cè)亞區(qū)對應(yīng)之前基于細(xì)胞構(gòu)筑得出的細(xì)分亞區(qū)PEla和PEl，PE背側(cè)亞區(qū)對應(yīng)之前基于細(xì)胞構(gòu)筑得出的細(xì)分亞區(qū)PEm.根據(jù)實驗結(jié)果， PE與5l顯示出與pIPS、S1、M1的強連接性，進(jìn)一步驗證了解剖連接可以在一定程度上反映功能連接關(guān)系。此外，由于PEm是位于背側(cè)的皮質(zhì)區(qū)域，沒有像PEl與PEla一樣裸露在表面，因此本文猜想實驗中該部分的相關(guān)結(jié)果也受圖像的影響，另外前人對于PEm與5m同源的推斷還需進(jìn)一步驗證。上述結(jié)論進(jìn)一步驗證了該區(qū)人類與獼猴間的同源關(guān)系，也提示本文對于小區(qū)域精細(xì)劃分的精度還有提升的空間。此外，本文只基于白質(zhì)纖維束的解剖連接來進(jìn)行分區(qū)，未來研究將關(guān)注PE的多模態(tài)劃分，同時進(jìn)一步研究亞區(qū)的功能結(jié)構(gòu)，進(jìn)而探究人類和獼猴的同源關(guān)系，以促進(jìn)該領(lǐng)域未來的臨床、認(rèn)知和進(jìn)化研究。

圖7 人類5l區(qū)、5m區(qū)與獼猴PE區(qū)亞區(qū)同源性比較Fig.7 Comparison of homology between 5l, 5m of human and PE subregions of macaque

表3 人類5l區(qū)、5m區(qū)與獼猴PE亞區(qū)的相似性度量Table 3 Similarity measure between 5l, 5m of human and PE subregions of macaque