CN111631714A - 基于fMRI的血管基础-脑连接与认知行为的模型构建方法 - Google Patents
基于fMRI的血管基础-脑连接与认知行为的模型构建方法 Download PDFInfo
- Publication number
- CN111631714A CN111631714A CN202010546994.2A CN202010546994A CN111631714A CN 111631714 A CN111631714 A CN 111631714A CN 202010546994 A CN202010546994 A CN 202010546994A CN 111631714 A CN111631714 A CN 111631714A
- Authority
- CN
- China
- Prior art keywords
- brain
- connection
- functional
- vascular
- aging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Psychiatry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Developmental Disabilities (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Hospice & Palliative Care (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于fMRI的血管基础‑脑连接与认知行为的模型构建方法,包括以下步骤:S1、用SPM12和NIT对脑功能磁共振数据进行预处理;S2、找出梯度分析和层级功能连接差异脑区作为感兴趣区,并提取感兴趣区对应的梯度值和层级功能连接值;S3、使用肾脏髓质R2*值来刻画血管老化的状态;S4、采集被试的行为认知测验的评分;S5、将感兴趣区的功能连接值分别与刻画血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析;S6、将血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析。本发明基于功能磁共振,从层级网络的角度来构建一个血管基础‑脑连接‑认知行为的脑老化研究的模型,为脑老化功能连接机制的理解提供了新的证据。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种基于fMRI(功能性磁共振成像)的血管基础-脑连接与认知行为的模型构建方法。
背景技术
基于血氧水平依赖(Blood Oxygenation Level-Dependent,BOLD)的功能磁共振(functional MRI,fMRI)利用血液中脱氧血红蛋白的顺磁性和含氧血红蛋白的抗磁性来评估组织中氧含量的变化。当假设其他所有的测量参数都恒定时,它提供了一种灵敏的无创性的和可重复性的方法来检测组织中的氧分压。根据fMRI的原理,fMRI被用来间接的反应神经元信号的自发波动,但同时与氧代谢和血流容量以及脱氧血红蛋白含量相关。因此,BOLD-fMRI可以反映组织中氧气的含量和血管的基础改变。至今,BOLD-fMRI因其高分辨率以及无创性等特点已经被广泛应用于健康被试和各种神经精神性疾病脑功能的研究中,但同时它也可以被应用于探测器官的氧合状态。
全球性老化已经不可避免,故对老化的脑功能研究是十分重要的。近些年来,使用基于BOLD-fMRI的功能连接来评估老化相关的脑功能的研究十分丰富。研究者发现老年人存在功能网络的重组,并且这种重组和认知的改变存在一定的关系。但是导致年龄相关的重组的生理机制还不清楚。同时,老化也伴随着全身器官的老化,包括血管,肾脏等。肾脏因其天然的氧分压梯度的特点是BOLD-fMRI检测的一个很好的目标,先前研究发现基于肾脏BOLD-fMRI的自旋-自旋弛豫值(R2*)可以刻画肾脏内氧合状态。
大脑和肾脏都是低阻力末端器官,它们在整个心脏周期接受持续的、被动的大容量血流灌注,所以它们之间有着相似的血管结构和血液动力学。先前的研究观察到受损的肾脏功能与大脑微血管疾病和认知障碍有关,这表明肾脏功能可能是一个有效的标记对于大脑血管相关的脑功能改变。在健康状态下,器官氧合状态的改变与血管健康有关。故在健康老化下,肾脏氧合状态的改变可能表明了肾脏微血管老化,这暗示了全身微血管的老化,这可能与脑老化功能连接的改变相关。现有的功能磁共振脑老化功能的研究发现了脑内功能连接改变,并且这种改变与行为认知的改变显著相关,但这些研究都是局限于大脑内部,并没有联合脑外器官一起来探索老化改变的生理机制。同样,关于肾脏的BOLD研究,也是仅仅局限于肾脏内的改变。但是老化伴随着全身性器官的改变,故探究脑老化改变的机制,不应该仅仅局限于脑内部的改变。目前,并没有研究直接将大脑功能与肾脏氧合以及行为认知联合起来进行研究。故结合脑功能连接和肾脏氧合以及行为认知可以更进一步的理解老化的生理机制。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于功能磁共振,从层级网络的角度来构建一个“血管基础-脑连接-认知行为”的脑老化研究的模型,为脑老化功能连接机制的理解提供了新的证据的基于fMRI的血管基础-脑连接与认知行为的模型构建方法。
本发明的目的是通过以下技术方案来实现的:基于fMRI的血管基础-脑连接与认知行为的模型构建方法,包括以下步骤:
S1、用SPM12和NIT对脑功能磁共振数据进行预处理;
S2、对经过预处理的脑功能磁共振图像进行基于功能连接的梯度分析和层级功能连接分析,然后将老年组和年轻组进行对比分析(将老年组与年轻组的梯度图谱和层级功能连接图谱分别进行双样本t检验对比),分别找出梯度分析和层级功能连接差异脑区作为感兴趣区,并提取感兴趣区对应的梯度值和层级功能连接值;
S3、使用肾脏髓质R2*值来刻画血管老化的状态;
S4、采集被试的行为认知测验的评分;
S5、将步骤S2中提取的感兴趣区的功能连接值分别与刻画血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析;
S6、将血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析。
进一步地,所述步骤S1包括以下子步骤:
S11、去除前五个时间点的脑功能磁共振数据;
S12、进行时间点校正;
S13、进行头动校正;
S14、标准化到MNI模板上;
S15、回归24个头动参数,去除线性趋势、白质和脑脊液信号;
S16、进行带通滤波,频段为0.01-0.1Hz;
S17、回归全脑均值。
进一步地,所述步骤S2中使用梯度分析和层级功能连接两种方法刻画层级功能网络的模式;
梯度分析具体的计算为:
S211、计算每个被试脑内基于体素的功能连接,然后对功能连接矩阵进行Fisher-Z变换,然后保留连接矩阵中每行前10%的连接;
S212、计算每对体素间的余弦距离,作为连接模式的相似性;
S213、应用非线性的降维技术—扩散映射嵌入的算法来将局部信息整合到全局中;
层级功能连接分析具体的流程为:
S221、把数据降采样到6毫米的体素大小,然后计算每个被试者基于体素水平的全脑功能连接矩阵并进行Fisher-Z变换;
S222、仅保留连接矩阵中的正连接,再应用错误发现率FDR校正来滤除由于噪声或其他生理噪音引起的弱连接,然后将矩阵元素标准化到0-1之间,获得一个无方向的连接矩阵,把这个无方向的连接矩阵作为新的全脑功能连接矩阵并充当下一步分析的输入;
S223、选取层级功能连接的起点,选择6个感兴趣区,分别是双侧视觉皮层[-14,-78,8]和[10,-78,8],双侧听觉皮层[-54,-14,8]和[58,-14,8]以及双侧运动皮层[-42,-29,-65]和[38,-29,65];
S224、以S222中的全脑功能连接矩阵为输入矩阵,对于任意一个体素j,设定步长l,在功能连接网络中从大脑中一个体素出发,计算j到感兴趣区i内所有体素连接步长为l的路径总和,然后将总和值赋予此体素,进而对皮层灰质模板内的每个体素进行计算和路径数赋值,生产全脑层级功能网络属性图谱。
进一步地,所述步骤S3中肾脏髓质R2*值的计算方法为:
S31、计算每个体素的16个回波T2*WI信号强度的对数与回波时间TE拟合直线的斜率,即为对应体素的R2*值;
S32、肾脏图像感兴趣区选取:以任何一层肾脏皮髓质对比度明显的T2*WI为对照,分别在双肾皮髓质区域的上、中、下挑选多个感兴趣区,每个感兴趣区为9个体素大小的立方体;计算每个感兴趣区的R2*值;
S33、对于每个被试得到所有感兴趣区的髓质R2*值求取平均值,得到每个被试的髓质R2*值。
进一步地,所述步骤S4中使用韦氏量表中的数字符号替换测验DSST来评估老年人的注意能力和视空间能力,DSST评分越高,表明认知表现越好。
本发明的有益效果是:实验结果说明,本发明所述的基于功能磁共振构建的血管基础-脑连接-认知行为的模型有效的揭示了老化相关的脑功能重组的生理机制。
本发明结合了生理因素来研究脑老化功能连接改变的生理机制,并探究了生理因素的改变与行为认知改变之间的关系;基于功能磁共振,从层级网络的角度来构建一个血管基础-脑连接-认知行为的脑老化研究的模型,融合脑功能连接,血管老化以及行为认知来探究功能连接改变的生理机制,为脑老化功能连接机制的理解提供了新的证据。
附图说明
图1为本发明的基于fMRI的血管基础-脑连接与认知行为的模型构建方法的流程图;
图2为本实施例的测试结果图。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
如图1所示,本发明的一种基于fMRI的血管基础-脑连接与认知行为的模型构建方法,包括以下步骤:
S1、用SPM12和NIT对脑功能磁共振数据进行预处理;包括以下子步骤:
S11、去除前五个时间点的脑功能磁共振数据;
S12、进行时间点校正;
S13、进行头动校正;
S14、标准化到MNI模板上;
S15、回归24个头动参数,去除线性趋势、白质和脑脊液信号;
S16、进行带通滤波,频段为0.01-0.1Hz;
S17、回归全脑均值。
S2、对经过预处理的脑功能磁共振图像进行基于功能连接的梯度分析和层级功能连接分析,然后将老年组和年轻组进行对比分析(将老年组与年轻组的梯度图谱和层级功能连接图谱分别进行双样本t检验对比),分别找出梯度分析和层级功能连接差异脑区作为感兴趣区,并提取感兴趣区对应的梯度值和层级功能连接值;
梯度分析参考文献(Margulies et al.2016,Situating the default-modenetwork along aprincipal gradient of macroscale cortical organization),具体的计算为:
S211、计算每个被试脑内基于体素的功能连接,然后对功能连接矩阵进行Fisher-Z变换,然后保留连接矩阵中每行前10%的连接;
S212、计算每对体素间的余弦距离,作为连接模式的相似性;
S213、应用非线性的降维技术—扩散映射嵌入的算法来将局部信息整合到全局中;
层级功能连接分析可参考文献(Sepulcre et al.,2012,Stepwise Connectivityof the Modal Cortex Reveals the Multimodal Organization of the Human Brain),具体的流程为:
S221、把数据降采样到6毫米的体素大小,然后计算每个被试者基于体素水平的全脑功能连接矩阵并进行Fisher-Z变换;
S222、仅保留连接矩阵中的正连接,再应用错误发现率FDR校正来滤除由于噪声或其他生理噪音引起的弱连接,然后将矩阵元素标准化到0-1之间,获得一个无方向的连接矩阵,把这个无方向的连接矩阵作为新的全脑功能连接矩阵并充当下一步分析的输入;
S223、选取层级功能连接的起点,选择6个感兴趣区,分别是双侧视觉皮层[-14,-78,8]和[10,-78,8],双侧听觉皮层[-54,-14,8]和[58,-14,8]以及双侧运动皮层[-42,-29,-65]和[38,-29,65];
S224、以S222中的全脑功能连接矩阵为输入矩阵,对于任意一个体素j,设定步长l,在功能连接网络中从大脑中一个体素出发,计算j到感兴趣区i内所有体素连接步长为l的路径总和,然后将总和值赋予此体素,进而对皮层灰质模板内的每个体素进行计算和路径数赋值,生产全脑层级功能网络属性图谱。
S3、使用肾脏髓质R2*值来刻画血管老化的状态;肾脏髓质R2*值的计算方法为:
S31、计算每个体素的16个回波T2*WI信号强度的对数与回波时间TE拟合直线的斜率,即为对应体素的R2*值;
S32、肾脏图像感兴趣区选取:以任何一层肾脏皮髓质对比度明显的T2*WI为对照,分别在双肾皮髓质区域的上、中、下挑选多个感兴趣区,每个感兴趣区为9个体素大小的立方体;计算每个感兴趣区的R2*值(感兴趣区内9个体素的平均R2*值);这一步骤由3个经验丰富的放射医生进行;
S33、对于每个被试得到所有感兴趣区的髓质R2*值求取平均值,得到每个被试的髓质R2*值。
S4、采集被试的行为认知测验的评分;使用韦氏量表中的数字符号替换测验(DigitSymbol Substitution Test,DSST)来评估老年人的注意能力和视空间能力,DSST评分越高,表明认知表现越好。
S5、将步骤S2中提取的感兴趣区的功能连接值分别与刻画血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析;
S6、将血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析。
本实施例招募了52名健康老年人(平均年龄:65.4±7.80岁)和44名健康年轻人对照(平均年龄:21.8±2.53)。采用蒙特利尔认知评估量表(MoCA)和日常生活活动量表(ADL)对老年人进行筛查,老年人MoCA评分大于25和ADL评分小于23被包括在接下的分析。另外,老年被试没有精神或神经类疾病、脑损伤、糖尿病、高血压以及受教育年限大于6年。年轻对照组符合同样的标准。所有被试都没有磁共振禁忌症。这项研究已经被电子科技大学的伦理委员会所同意,而且所有被试都签署了被试同意书。另外,25名老年被试进行了韦氏量表中的数字符号替换测试(DSST),这项测试在认知老化研究中用来测试老年人的表现最广泛且有效的工具之一。DSST主要是评估感知觉能力和视空间能力,DSST评分越高表明认知功能越好。但是年轻人没有进行这项量表的评估。
数据采集:使用电子科技大学信息医学研究中心的磁共振扫描仪进行所有的磁共振数据的收集。在磁共振扫描前,每个人被要求禁食禁水12个小时。同时在扫描前测量包括体重,身高和血压,然后进行头部和肾脏的功能磁共振的扫描。头部扫描过程中,为了减少头动和扫描噪音,给每个被试都使用了泡沫和耳塞。静息态功能磁共振共255个时间点,扫描过程中所有的被试被要求闭眼但是不能睡着且保持头部不动。静息态磁共振的扫描参数如下:重复时间为2s;回波时间30ms;视野240×240mm2;翻转角90°;矩阵64×64;层厚0.4mm。
另外,所有被试都进行了肾脏功能磁共振的扫描。肾脏图像是通过一个16个回波时间的多梯度回波序列(重复时间=200ms;回波时间:2.216-36.896ms间隔为2.312ms;带宽300Hz每个体素;翻转角25°;视野38×38cm2)。肾脏扫描时,所有被试都被要求屏住呼吸18s来避免由于呼吸引起的伪影。最后每个被试获得了16张T2*WI图像。
头部磁共振数据的预处理:预处理包括剔除前五个时间点,时间点校正,头动校正和标准化到MNI模板,再重采样到3×3×3mm3。然后回归24个头动参数和白质信号、脑脊液信号、去线性趋势和全脑均值信号。最后,进行带通滤波,滤波频段为0.01-0.1Hz。所有的预处理的步骤都是使用SPM12以及NIT完成的。
血管评估:肾髓质自旋-自旋弛豫率(MR2*)被证明可以反映肾脏氧合状态,被用来作为血管评估指数。MR2*值是通过计算髓质12个感兴趣区的MR2*值的平均,而高的MR2*值代表了更坏的肾脏氧合。
连接梯度分析:利用扩散嵌入的方法,在高维连通数据中识别低维的嵌入。这种非线性的降维技术被证明可以识别大脑功能组合的层级分布,它的结果可以在连续空间中抓住每个体素的相似性。在该研究中,我们计算了脑内的功能连接梯度来探索老年人与年轻人之间不同的梯度分布模式。首先,在体素水平上计算每个被试的功能连接矩阵并进行Fisher-Z变换,然后保留连接矩阵中每行的前10%的连接。接着计算每对体素的余弦距离来估计连接模式的相似性。然后应用扩散嵌入的方法将局部信息整合到全局描述中。为了两组之间能够进行对比,我们计算了所有被试的平均连接矩阵用来产生一个组水平上的梯度成分模板,接着将个体梯度对应到这个模板上。在当前研究中,我们只研究前2个梯度成分(可以解释38%的变异性),两组之间可以解释的变异性是没有显著差异。我们使用了双样本T检验来计算前两个梯度中两组分布之间的差异,其中性别作为协变量被回归。
层级功能连接分析:层级功能连接计算之前,为了计算效率我们先对数据进行降采样到6mm体素。然后结算每个被试每个体素间的功能连接并进行Fisher-Z变换,因而每个被试可以得到一个5459×5459大小的连接矩阵。在接下的分析仅保留正连接,然后使用FDR校正(q<0.0001)来滤除那些可能由于噪音引起的弱连接,接着把矩阵进行归一化处理。这样,就可以获得一个无方向的连接矩阵,把这个矩阵作为第一步的连接矩阵并充当下一步分析的输入。根据先前的研究选择了三对感兴趣区,分别是双侧视觉,双侧听觉皮层以及双侧感知觉皮层。在接下来的每一步的层级计算,我们设定步长l,在功能连接网络中从一个体素出发,计算该体素到感兴趣区内所有体素连接步长为l的路径总和,然后将总和值赋予此体素,进而对皮层灰质模板内的每个体素进行计算和路径数赋值,生产全脑功能网络属性图谱。详细的计算方法可以参考先前的文献。为了获得组内水平上的显著连接,我们先对每组的层级功能连接图进行了单样本t检验(p<0.001,未检验),并只保留单样本为正值显著的区域,然后基于此结果进行双样本t检验来检测两组间的层级功能连接差异。
为了证明我们的结果的重复性,将层级功能连接应用在单个感兴趣区(例如单侧视觉皮层或单侧运动皮层)。进一步,为了证实无论感兴趣区从哪开始最终结果都会收敛到皮层节点,本研究还从高级皮层感兴趣区(包括后扣带,前脑岛以及背外侧前额叶皮层)开始计算了层级功能连接。
相关性分析:为了研究梯度分布/层级功能连接模式与血管老化之间的关系,我们计算了梯度分数/层级功能连接值与肾髓质的自旋-自旋弛豫率之间的皮尔逊相关。同时,为了探测是否功能梯度的分布模式与认知功能有关,我们计算老年人的梯度分数/层级功能连接值与DSST评分之间的皮尔逊相关。其中用于相关分析的梯度分数和层级功能连接值都是基于两组之间梯度分布差异和层级功能连接差异脑区的提取。接着,为了调查血管老化与认知功能的关系,肾髓质的自旋-自旋弛豫率和DSST的评分进行了相关性分析。
结果
改变的宏观梯度:在老年组和年轻组,第一个主梯度(解释了25%的连接变异性)的空间分布是相似的。主梯度的分布是初级感知觉运动系统分布在坐标的一极,而默认模式网络(DMN)分布在另一极,其他网络分布在两极之间。另外,与年轻组相比,老年组显示出降低的梯度分数在双侧楔前叶和增加的梯度分数在双侧中后脑岛和颞上回。而在第二梯度时,并没有发现两组之间的显著差异,这可能表明主梯度的损失是特定的。
改变的层级功能连接模式:当步长大于7时,层级功能连接模式会收敛到皮层节点中从而达到一个稳定的状态。因此,在该研究中,我们仅仅展示7步的结果。在年轻组中,我们发现层级功能连接模式通过中间网络后最终会收敛到DMN中,这也与之前在健康被试中的研究是一致的。但有趣的是,我们在老年组中并没有发现相似的结果。老年组表示出与年轻组不同的层级功能连接分布模式,老年组没有收敛到DMN而是收敛到感知觉运动网络中。具体来说,在短距离的连接时,两组都展现出了相似的功能连接模式。而在长程连接时,年轻组表现出显著的功能连接在初级感知觉感兴趣区与DMN区域,而老年组显示出显著的功能连接在初级感知觉感兴趣区与感知觉运动区域。这些结果可能暗示了老年组皮层节点的改变。
在层级连接第一步时,比起年轻组,老年人表现出感知觉区域和双侧中后脑岛功能连接的降低。而在第二步到第四步时,两组间无显著差异。逐渐的,老年组显示出增加的功能连接在双侧中央前回和补充运动区在长距离连接时,并且在第六步和第七步显示出降低功能连接在双侧楔前叶和左侧角回。有趣的是,层级功能连接第一步和第七步的对比结果与梯度分析中的主梯度的对比结果的脑区是部分重合的,这表明层级功能连接是反映层级功能结构有效的工具。
另外,我们发现老年组从高级网络种子点出发的层级功能连接显示出降低的功能连接在DMN在所有的步长结果中,和在长距离的连接中显示增加的功能连接在初级感知觉运动系统中。从高级皮层种子点出发计算的层级功能连接的长距离连接的组间差异与从初级感觉皮层种子点的一致(从第五步到第七步)。此外,我们还发现老年组的初级感知觉系统的度中心性显著高于年轻组。进一步,为了更好的整合梯度和层级功能连接的结果,我们在同一个坐标系统中将梯度与层级功能连接的结果画在了一起。
相关分析结果
基于两组间的差异结果,提取差异脑区的梯度值和层级功能连接值来进行相关分析。结果发现老年组的左侧楔前叶的梯度分数与肾MR2*值存在显著负相关关系(r=-0.33,p=0.02,图2中a部分)。同样,在右侧中央前回发现层级功能连接值(第五步到第七步)和肾MR2*值存在显著正相关关系(第五步:r=0.44,p=0.001;第六步:r=0.42,p=0.002;第七步:r=0.41,p=0.003,图2中b部分)。这些结果在年轻组中并未发现。
同样基于梯度分析的差异脑区,发现25位老年人的左侧楔前叶的梯度分数和DSST分数有显著的正相关关系(r=0.45,p=0.02,图2中c部分)以及右侧脑岛的梯度分数和DSST分数呈现显著的负相关(r=-0.45,p=0.02,图2中d部分)。但是没有发现差异脑区的层级功能值与DSST分数直接有显著的相关关系。老年组中肾MR2*值与DSST分数存在显著负相关关系(r=-0.45,p=0.03,图2中e部分)。
重测性结果
我们不仅仅从初级感觉运动种子点来探索大脑是如何从初级感知觉皮层到高级皮层系统的功能流的传递,同时也用了高级皮层节点区域作为种子点来证明层级功能连接传递最终依旧收敛于高级皮层节点。而无论是单侧感觉运动感兴趣区作为种子点还是从高级皮层区域作为种子点,我们都发现层级功能连接最终收敛的区域与上述一致。这些结果表明无论种子点在哪,层级功能连接最终都是收敛于皮层节点中。
讨论
当前研究从层级结构的角度阐述了老化相关的功能重组。据我们所知,这是第一个结合梯度分析和层级功能连接来研究老化相关的功能层级结构的模式。与之前研究一致,本研究发现初级感知觉网络的梯度分布在坐标轴一极的两端,而DMN在坐标轴的另一极,剩下的网络处于两极之间。我们首先发现了老年组初级感知觉运动网络和DMN中的主梯度压缩的变化(趋向于0)。此外,层级功能连接分析显示,老年组无论是从感知觉运动皮层还是从高级皮层种子点出发,最终都是收敛于初级感知觉和运动系统,而年轻组收敛于多模态区域(即DMN区域)。然后,我们发现老年组增加的梯度评分在楔前叶和降低的梯度分数在中后脑岛。此外,老年人表现出增加长距离的层级功能连接在初级感知觉运动系统中。最后,相关分析表明,伴随着血管老化的缺氧会加剧老年组DMN区域梯度分数的下降和初级感知觉运动系统中层级功能连接的增加。而老年组中DMN梯度分数的增加和初级感知觉运动系统的梯度分数的降低和更好的认知功能相关。这些结果表明老年人从初级感觉皮层到多模态区域的功能流受到破坏,而这些损伤与血管老化和认知下降有关。
年龄相关的脑功能重组
梯度分析的方法提供了一种新的全局的角度来评估人类大脑的层级网络组合。在本研究中,我们主要发现了老年人感知觉运动网络和DMN的主梯度压缩的改变,表明随着老化的发生,关键皮层脑网络发生了重组。另一方面,层级功能连接的结果也反映了老年组关键皮层节点的改变。先前研究表明层级功能连接分析最终都会收敛于皮层节点,而DMN一般被认为是健康被试的皮层节点。但与年轻组不同,老年组的层级功能连接的轨迹最终收敛于初级感知觉运动系统而不是DMN。更有趣的是,即使从高级皮层种子点出发,老年组的层级功能连接轨迹依旧最终收敛于感知觉运动网络。而额外的图论分析表明老年人初级感知觉运动网络的度中心性要显著高于年轻人。由此,我们推测随着老化的发生,皮层节点从DMN转换到了感知觉运动系统。先前的研究曾发现老年组感觉运动网络内的功能连接的局部强度和感觉运动与注意网络间的功能连接增加,还观察到感觉运动网络与任务控制网络间的功能连接增加。同样的,我们之前的研究也发现在老年人中感觉运动网络的功能连接密度增加。这些结果表明感知觉运动网络和其他网络间发生了去分化,这也就解释了为什么老年人中感知觉运动网络被转换为节点。因此,本研究表明随着老化,关键皮层网络会发生层级重组,而感知觉运动网络可能在正常老化的重组中起着重要的作用。
DMN被证明是人类大脑层次结构的顶端,因此被认为皮层关键节点。DMN和高级认知功能相关,并且在阿尔兹海默症的神经生物学变化中起着关键的作用。大量的研究报道了老年人DMN内的功能连接降低,而且这种降低和认知表现相关。在当前研究中,我们发现老年组在楔前叶降低的梯度分数和降低的长距离的功能连接,这表明在老化过程中楔前叶可能在皮层重组中起着触发的作用。我们的结果还表明,初级感觉系统和DMN之间的交互降低了。因此,这些结果可能暗示了老化中信息传递的破坏和认知下降有关。
另外,我们还发现在双侧中后脑岛老年组增加的梯度分数和降低的层级功能连接(第一步)以及增加的层级功能连接(第五步到第七步)在感知觉运动系统。中后脑岛被认为在感觉运动的处理中起着重要的作用,而且能够整合不同感觉运动区的信息。先前的研究观察到脑岛和补充运动区之间的功能连接降低,在后脑岛和其他感觉运动区域中也发现了。同时,我们之前的研究通过使用基于种子点和独立成分分析的方法,也发现了中后脑岛内功能连接的降低。在当前研究中,老年组增加的脑岛负梯度分数(趋于0)可能意味着功能系统分离的降低。与脑岛梯度改变一致,在第一步发现的降低的层级功能连接表明脑岛和初级感知觉运动系统之间功能连接的降低。因此,脑岛的梯度和层级功能连接的改变表明随着年龄的增加,感觉运动信息的整合和处理出现了损伤。总的来说,在中后脑岛改变的梯度分数和层级功能连接表明了正常老化整合感觉运动信息能力的下降以及感知觉运动系统和其他网络间发生了去分化。
功能重组和血管老化
血管老化可能造成大脑血供的改变。先前的研究发现DMN内的静息态功能连接特征和大脑血流有关,这表明功能连接模式可能受到基础血供的调节。和先前研究一致,本研究的相关分析发现老年组梯度分数的加重与更高的肾MR2*值相关,但是这种相关年轻组中并没有发现。肾脏fMRI可以反映肾脏氧合,越高的肾MR2*值意味着组织可能处于缺氧的状态。而脑功能连接已经被证明和血管老化相关,因此,本研究提供了老化过程中皮层关键网络的梯度压缩受到血管因素的影响的证据。这暗示着脑重组和血管老化相关,而且脑重组越多伴随着更严重的血管老化。
老化中的认知功能
DSST对探测老化过程中认知的改变是很有用的,特别是信息处理速度和执行功能的改变。先前的研究已经证明DSST分数和年龄呈负相关,而且白质高信号提及和萎缩指数和增加的年龄以及更低的DSST分数有关。这里,我们发现老年组中左侧楔前叶的梯度分数和DSST分数呈现正相关,以及右侧中后脑岛的梯度分数与DSST分数呈现负相关。这些结果表明DMN内改变的梯度分布和认知功能是有关的,这进一步的证明了我们的结论。与此同时,在右侧中后脑岛的负相关表明感知觉运动网络和其他网络的去分化是和认知功能下降相关的。
血管特征和DSST分数之间有显著的负相关关系,那也就是说血管老化和认知功能的下降相关。在认知损伤和痴呆中都存在血管硬化。结合所有的结果,我们发现脑功能重组和血管老化以及认知功能都有关,而且血管老化和认知功能也存在相关关系。因此,本研究发现老化过程中的脑重组和血管老化是有联系的,我们推断是脑重组和血管老化共同造成了认知功能的下降。
结论:本发明结合了梯度分析和层级功能连接分析来从层级压缩的角度探究健康老化过程中脑关键皮层网络的重组以及这种重组与血供和认知功能的关系。我们发现健康老化过程中,初级感知觉运动系统和DMN中存在改变的连接模式。并且我们在老年组中观察到DMN和初级感知觉运动系统中的梯度分数/层级功能连接值与血管老化存在显著的相关关系。同样,DMN和初级感知觉运动系统的梯度分数还与认知功能有显著的相关关系。而且血管老化和认知功能之间存在显著的负相关。因此,我们推测血管老化和脑重组共同造成了健康老化的认知功能下降。当前的研究利用了大脑层级网络结构提供了一些新的证据来支持随着老化伴随着脑功能重组,也提出了一个新的框架来理解血管老化和脑重组对认知功能的影响。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.基于fMRI的血管基础-脑连接与认知行为的模型构建方法,其特征在于,包括以下步骤:
S1、用SPM12和NIT对脑功能磁共振数据进行预处理;
S2、对经过预处理的脑功能磁共振图像进行基于功能连接的梯度分析和层级功能连接分析,然后将老年组和年轻组进行对比分析,分别找出梯度分析和层级功能连接差异脑区作为感兴趣区,并提取感兴趣区对应的梯度值和层级功能连接值;
S3、使用肾脏髓质R2*值来刻画血管老化的状态;
S4、采集被试的行为认知测验的评分;
S5、将步骤S2中提取的感兴趣区的梯度值和层级功能连接值分别与刻画血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析;
S6、将血管老化的指标和行为认知测验的评分进行皮尔逊相关性分析。
2.根据权利要求1所述的基于fMRI的血管基础-脑连接与认知行为的模型构建方法,其特征在于,所述步骤S1包括以下子步骤:
S11、去除前五个时间点的脑功能磁共振数据;
S12、进行时间点校正;
S13、进行头动校正;
S14、标准化到MNI模板上;
S15、回归24个头动参数,去除线性趋势、白质和脑脊液信号;
S16、进行带通滤波,频段为0.01-0.1Hz;
S17、回归全脑均值。
3.根据权利要求1所述的基于fMRI的血管基础-脑连接与认知行为的模型构建方法,其特征在于,所述步骤S2中使用梯度分析和层级功能连接两种方法刻画层级功能网络的模式;
梯度分析具体的计算为:
S211、计算每个被试脑内基于体素的功能连接,然后对功能连接矩阵进行Fisher-Z变换,然后保留连接矩阵中每行前10%的连接;
S212、计算每对体素间的余弦距离,作为连接模式的相似性;
S213、应用非线性的降维技术—扩散映射嵌入的算法来将局部信息整合到全局中;
层级功能连接分析具体的流程为:
S221、把数据降采样到6毫米的体素大小,然后计算每个被试者基于体素水平的全脑功能连接矩阵并进行Fisher-Z变换;
S222、仅保留连接矩阵中的正连接,再应用错误发现率FDR校正来滤除由于噪声或其他生理噪音引起的弱连接,然后将矩阵元素标准化到0-1之间,获得一个无方向的连接矩阵,把这个无方向的连接矩阵作为新的全脑功能连接矩阵并充当下一步分析的输入;
S223、选取层级功能连接的起点,选择6个感兴趣区,分别是双侧视觉皮层[-14,-78,8]和[10,-78,8],双侧听觉皮层[-54,-14,8]和[58,-14,8]以及双侧运动皮层[-42,-29,-65]和[38,-29,65];
S224、以S222中的全脑功能连接矩阵为输入矩阵,对于任意一个体素j,设定步长l,在功能连接网络中从大脑中一个体素出发,计算j到感兴趣区i内所有体素连接步长为l的路径总和,然后将总和值赋予此体素,进而对皮层灰质模板内的每个体素进行计算和路径数赋值,生产全脑层级功能网络属性图谱。
4.根据权利要求1所述的基于fMRI的血管基础-脑连接与认知行为的模型构建方法,其特征在于,所述步骤S3中肾脏髓质R2*值的计算方法为:
S31、计算每个体素的16个回波T2*WI信号强度的对数与回波时间TE拟合直线的斜率,即为对应体素的R2*值;
S32、肾脏图像感兴趣区选取:以任何一层肾脏皮髓质对比度明显的T2*WI为对照,分别在双肾皮髓质区域的上、中、下挑选多个感兴趣区,每个感兴趣区为9个体素大小的立方体;计算每个感兴趣区的R2*值;
S33、对于每个被试得到所有感兴趣区的髓质R2*值求取平均值,得到每个被试的髓质R2*值。
5.根据权利要求1所述的基于fMRI的血管基础-脑连接与认知行为的模型构建方法,其特征在于,所述步骤S4中使用韦氏量表中的数字符号替换测验DSST来评估老年人的注意能力和视空间能力,DSST评分越高,表明认知表现越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546994.2A CN111631714B (zh) | 2020-06-16 | 2020-06-16 | 基于fMRI的血管基础-脑连接与认知行为的模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010546994.2A CN111631714B (zh) | 2020-06-16 | 2020-06-16 | 基于fMRI的血管基础-脑连接与认知行为的模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111631714A true CN111631714A (zh) | 2020-09-08 |
CN111631714B CN111631714B (zh) | 2021-07-20 |
Family
ID=72323291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010546994.2A Active CN111631714B (zh) | 2020-06-16 | 2020-06-16 | 基于fMRI的血管基础-脑连接与认知行为的模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111631714B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113082447A (zh) * | 2021-04-02 | 2021-07-09 | 电子科技大学 | 一种fMRI脑环路的音乐调制脑可塑性效果的预测方法 |
CN115050482A (zh) * | 2022-06-20 | 2022-09-13 | 电子科技大学 | Mect干预对精神分裂症患者治疗效果的预测方法 |
CN115546124A (zh) * | 2022-09-21 | 2022-12-30 | 电子科技大学 | 联合ica和功能梯度的小脑-大脑运动功能整合方法 |
CN116211253A (zh) * | 2023-02-27 | 2023-06-06 | 国家康复辅具研究中心 | 老年人认知障碍筛查实验范式的系统及方法 |
CN117316293A (zh) * | 2023-11-30 | 2023-12-29 | 北京师范大学 | 基于神经影像的脑网络结构与功能耦合方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592788A (zh) * | 2013-03-06 | 2016-05-18 | 塞罗拉公司 | 用于脑健康的多模态生理评估的形成因素 |
-
2020
- 2020-06-16 CN CN202010546994.2A patent/CN111631714B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592788A (zh) * | 2013-03-06 | 2016-05-18 | 塞罗拉公司 | 用于脑健康的多模态生理评估的形成因素 |
Non-Patent Citations (5)
Title |
---|
DANIEL S.MARGULIES,ET AL: "Situating the default-mode network along a principal gradient of macroscale cortical organization", 《PNAS》 * |
JORGE SEPULCRE,ET AL: "Stepwise Connectivity of the Modal Cortex Reveals the Multimodal Organization of the Human Brain", 《THE JOURNAL OF NEUROSCIENCE》 * |
LI HECHUN,ET AL: "BOLD-fMRI reveals the association between renal oxygenation and functional connectivity in the aging brain", 《NEUROIMAGE》 * |
SRIDHAR S.KANNURPATTI,ET AL: "Neural and vascular variability and the fMRI-BOLD response in normal aging", 《MAGNETIC RESONANCE IMAGING》 * |
杜怡峰: "血管因素与老年认知功能障碍", 《中国药理学与毒理学杂志》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113082447A (zh) * | 2021-04-02 | 2021-07-09 | 电子科技大学 | 一种fMRI脑环路的音乐调制脑可塑性效果的预测方法 |
CN113082447B (zh) * | 2021-04-02 | 2021-12-07 | 电子科技大学 | 一种fMRI脑环路的音乐调制脑可塑性效果的预测方法 |
CN115050482A (zh) * | 2022-06-20 | 2022-09-13 | 电子科技大学 | Mect干预对精神分裂症患者治疗效果的预测方法 |
CN115546124A (zh) * | 2022-09-21 | 2022-12-30 | 电子科技大学 | 联合ica和功能梯度的小脑-大脑运动功能整合方法 |
CN115546124B (zh) * | 2022-09-21 | 2023-04-18 | 电子科技大学 | 联合ica和功能梯度的小脑-大脑运动功能整合方法 |
CN116211253A (zh) * | 2023-02-27 | 2023-06-06 | 国家康复辅具研究中心 | 老年人认知障碍筛查实验范式的系统及方法 |
CN117316293A (zh) * | 2023-11-30 | 2023-12-29 | 北京师范大学 | 基于神经影像的脑网络结构与功能耦合方法及装置 |
CN117316293B (zh) * | 2023-11-30 | 2024-04-19 | 北京师范大学 | 基于神经影像的脑网络结构与功能耦合方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111631714B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111631714B (zh) | 基于fMRI的血管基础-脑连接与认知行为的模型构建方法 | |
Guimaraes et al. | Imaging subcortical auditory activity in humans | |
Johnson et al. | Cardiorespiratory fitness is positively correlated with cerebral white matter integrity in healthy seniors | |
Raz et al. | Age-related regional differences in cerebellar vermis observed in vivo | |
Bjorkquist et al. | Cingulate gyrus morphology in children and adolescents with fetal alcohol spectrum disorders | |
Kroes et al. | Association between flashbacks and structural brain abnormalities in posttraumatic stress disorder | |
Wood et al. | Impact of long-term endurance training vs. guideline-based physical activity on brain structure in healthy aging | |
Cai et al. | Cerebral functional activity and connectivity changes in anti-N-methyl-D-aspartate receptor encephalitis: a resting-state fMRI study | |
Tremblay et al. | Functional and structural aging of the speech sensorimotor neural system: functional magnetic resonance imaging evidence | |
CN103040467B (zh) | 一种汉语语言功能区测查用功能磁共振成像数据的处理方法 | |
Mansoory et al. | Resting-state effective connectivity in the motive circuit of methamphetamine users: a case controlled fMRI study | |
Zhang et al. | Abnormal interhemispheric functional connectivity in patients with primary dysmenorrhea: a resting-state functional MRI study | |
Beishon et al. | The effects of healthy ageing on cerebral blood flow responses to cognitive testing | |
CN116664578A (zh) | 脑血流和脑功能之间的跨模态耦合图像处理方法及装置 | |
Zhang et al. | Neurovascular coupling dysfunction in high myopia patients: Evidence from a multi-modal magnetic resonance imaging analysis | |
Genç et al. | 10 Diffusion-Weighted Imaging of Intelligence | |
Zou et al. | Combining regional and connectivity metrics of functional magnetic resonance imaging and diffusion tensor imaging for individualized prediction of pain sensitivity | |
Okerstrom-Jezewski et al. | How early damage to the dorsomedial prefrontal hub in human brain networks affects long term cognitive, behavioral, and neuroanatomical outcomes. | |
Majovski et al. | Development of higher brain functions: Birth through adolescence | |
Joliot et al. | Drowsiness during resting-state fMRI: a major confounder of functional connectivity | |
CN117197637B (zh) | 神经影像脑网络效率指标的常模构建方法、应用及装置 | |
Sun et al. | Preliminary analysis of volume-based resting-state functional MRI characteristics of successful aging in China | |
Al-Naggar et al. | Major depressive disorder early detection | |
Mathewson et al. | Brain structure and function in the fourth decade of life after extremely low birth weight: An MRI and EEG study | |
Marcelle | Structural Language Connectivity in Typical Development and After Early Brain Injury |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |