论文部分内容阅读
目的本研究拟在静息态功能磁共振成像(resting state-functional magnetic resonance imaging,rs-fMRI)基础上采用图论网络分析方法构建全脑功能网络,观察震颤型帕金森病(tremor-dominant Parkinson’s disease,TP)组和健康对照(healthy controls,HC)组的脑功能网络状态,分析TP组脑功能网络变化特征,探讨基于rs-fMRI和图论网络分析方法构建的脑功能网络在临床TP脑网络功能受损评价中的作用。资料与方法对32例震颤型帕金森病患者(TP组)和31例年龄、性别、受教育程度相匹配的健康志愿者(HC组)行rs-fMRI检查。采用基于图论的脑网络分析软件 GRETNA(http://www.nitrc.org/projects/gretna/)对两组被试(TP组和HC组)逐一进行扫描数据预处理、脑网络构建和分析,以及网络统计学比较。首先对扫描数据进行预处理,包括去除前10个时间点的数据、时间校正、头动校正、空间配准、图像分割、去线性漂移、滤波及空间平滑等。头动校正后,TP组3例、HC组1例由于头动幅度较大(平动>3mm,转动>3°)而被剔除,最终共TP组29例、HC组30例纳入研究。然后,以解剖学自动标记(anatomical automatic labeling,AAL)116为模板分别对两组被试进行脑功能网络构建。对于网络分析,不采用单个稀疏度(阈值)方法,而是采取一个稀疏度范围0.05～0.5,其中间隔为0.02。在该稀疏度范围内,分别计算两组被试的全局属性指标[包括:聚类系数(Cp)、特征路径长度(Lp)、“小世界”属性(Sigma)、整体效率(Eg)和局部效率(Eloc)]和节点属性指标[包括:节点聚类系数(Ci)、节点效率(Ei)、介数中心度(BCi)和度中心度(DCi)]。网络统计,对于全局属性指标,在稀疏度0.05～0.5取值范围内,分别计算两组每一全局属性指标的曲线下面积(Area Under Curve,AUC)值,作为对该指标的一个综合评价,行组间双样本t检验比较,当P<0.05时,表明该指标在两组间的差异有统计学意义;而对于节点属性指标,采用组间双样本t检验比较,由于两组间各节点属性指标存在多个脑区间的比较,假阳性次数增多,所以采用错误发现率(false discovery rate,FDR)对假阳性进行校正,当P<0.05时,表明该指标在两组间差异有统计学意义。结果TP组和HC组间各全局属性指标比较:在稀疏度0.05～0.5取值范围内,TP组和HC组均符合“小世界”属性,但TP组的聚类系数(Cp)、局部效率(Eloc)及“小世界”属性(Sigma)均较HC组明显减低,P值均<0.05,Cp、Eloc和Sigma在TP组和HC组间的差异有统计学意义。TP组和HC组间各节点属性指标比较:1.节点聚类系数(Ci):TP组相对HC组减低的脑区广泛分布在小脑、额叶、岛叶、枕叶、顶叶及颞叶,没有发现TP组相对HC组增高的脑区;2.节点效率(Ei):TP组相对HC组减低的脑区分布在枕叶、顶叶,TP组相对HC组增高的脑区分布在小脑、苍白球、额叶、颞叶及顶叶;3.介数中心度(BCi):TP组相对HC组减低的脑区分布在枕叶、顶叶及颞叶,TP组相对HC组增高的脑区分布在丘脑、额叶、岛叶及顶叶;4.度中心度(DCi):TP组相对HC组减低的脑区分布在枕叶、顶叶,TP组相对HC组增高的脑区分布在小脑、额叶、颞叶、顶叶。显示在TP组与HC组间,上述各脑区的各节点属性指标均存在差异,P值均<0.05,差异有统计学意义。结论1.相较HC组而言,TP组的“小世界”属性(Sigma)、聚类系数(Cp)、局部效率(E1oc)均明显降低,且两组间差异有统计学意义,说明震颤型帕金森病患者脑网络的功能分化程度和局部信息传递能力较健康对照组降低,提示震颤型帕金森病患者脑网络部分功能受损。2.相较HC组而言,TP组右侧苍白球节点效率(Ei)、双侧小脑节点效率(Ei)和度中心度(DCi)以及右侧丘脑介数中心度(BCi)明显增高,且两组间差异有统计学意义,结合文献,推测这些脑区节点属性值增高可能与帕金森病患者出现震颤有关。3.本研究结果显示TP组相对于HC组,其脑功能网络存在一定的特征,表明基于rs-fMRI和图论网络分析方法所构建的脑功能网络在临床震颤型帕金森病患者脑网络功能受损评价中有潜在的应用价值。