Page 47 - 磁共振成像2024年7期电子刊
P. 47

临床研究｜｜Clinical Articles              磁共振成像  2024年7月第15卷第7期  Chin J Magn Reson Imaging, Jul, 2024, Vol. 15, No. 7


           disorder, AD）和阿斯伯格综合征（Asperger's syndrome,          脑网络的异常       [18-19] 。例如，近期一项 ASD 儿童相关的
                                [2]
                                                                        [19]
           AS）都在 ASD 的范围内 。诊断为 AS 的患者通常表                       研究发现 ，ASD 患儿脑网络拓扑作用和模块内聚
           现出至少两种社交障碍症状和至少一种行为和兴趣                              性的改变是其默认模式网络、感觉运动网络和显著
           的限制，但他们仍有正常的认知功能，并没有明显的                             性网络中大脑区域的两个关键特性，且这两个特性
                   [3-4]
           语言延迟 。高功能孤独症（high functioning autism,               主要与 ASD 患儿的社交障碍和感觉缺陷有关。然
           HFA）的概念通常用于区分出智商不低于70的AD患                           而，目前运用图论的方法研究 AS患者和 HFA 患者脑
             [5]
           者 。HFA和 AS的诊断标准的重叠 提示 HFA与 AS                       功能差异的研究数量仍较为有限。
                                           [6]
           之间存在鉴别诊断。                                                我们假设 AS 患者和 HFA 患者的脑功能拓扑特
                                                        [7]
               在《美国精神疾病诊断标准第 4 版》（DSM-Ⅳ）                       征存在差异，且有显著差异的某些图论指标与某些
           中，AD 和 AS 被认为是两个独立的疾病亚型，但随着                         临床数据存在相关性。我们在本研究中拟采用图论
          《美国精神疾病诊断标准第 5 版》（DSM-Ⅴ）的出版，                         分析的方法，从脑功能影像的角度来探讨这两种疾
           AD 和 AS 被合并为 ASD 整个疾病谱系内的单一诊                        病之间的差异，从而为 ASD 的具体分型提供更广阔
                                          [5]
           断，这两种疾病不再明确区分开来 。这一显著的变                             的思路，并为 ASD 不同亚型的诊断和治疗提供新的
                                                                    [20]
           化可能是由于部分研究发现以往 AS 的诊断标准不                            见解 。
           完全可靠，以及AS与HFA的临床诊断标准的重叠 。
                                                       [8]
               然而，近年来DSM-Ⅴ对ASD分类的临床有效性                         1 材料与方法
                            [5]
           可能存在一些异议 ，AS 和 HFA 之间的差异并没有                         1.1 研究对象
           完全阐明    [9-11] 。事实上，AS 和 HFA 究竟是不同的疾                     结构MRI和静息态fMRI的数据来自美国孤独症
           病，还是同一疾病的不同变体，数年来一直存在着许                             脑成像交换数据库Ⅰ（American Autism Brain Imaging
                 [5]
           多争议 ，并且 AS 这一术语是否应该在 DSM 的未来                        Exchange  Database  I, ABIDEI）（http://fcon_1000.
                                                                                                   [21]
           版本中重新以单一独立的疾病亚型出现，以满足不                              projects.nitrc.org/indi/abide/abide_I.html） 。
           同的 ASD 患者群体在诊断、预后和治疗方面的需求，                               纳入标准：（1）具有疾病亚型、年龄、性别、全量
                                [5]
           是一个值得商榷的问题 。先前已经有许多研究从                              表 智 商 、孤独症 诊 断 观 察 量 表（Autism Diagnostic
           心理测量的角度来探索这两种疾病的差异。例如，                              Observation Schedule, ADOS）总分和利手性的数据；
           在一项比较 AS患者和 HFA 患者认知特征的研究中，                        （2）全量表智商评分大于或等于70；（3）右利手。
           AS 患者和 HFA 患者在认知任务上没有发现显著差                               排除标准：最大帧级位移大于或等于 3 mm、最
           异 。然而，其他研究结果表明，AS患者在语言、词汇                           大旋转大于或等于1.5度的静息态fMRI数据。
             [10]
                                             [11]
           和理解方面与HFA患者存在显著差异 。此外，还有                            1.2 影像数据预处理
           报道发现，AS和 HFA在心智理论上存在差异 ，HFA                              使 用 GRETNA 工 具 箱（http://www. nitrc. org/
                                                   [12]
                                                                             [22]
           的儿童心智理论的障碍明显比 AS 组严重。总而言                            projects/gretna/）（基于 Matlab 软件的脑功能图论分
           之，采用不同的方法来探究这两种疾病之间的边界有                             析工具箱）对影像数据进行预处理。首先，删除前
           必要性。除了心理测量的手段以外，神经成像的手段                             10 张静息态 fMRI 图像。随后，对每张图像进行时间
           对于探究两种疾病的边界是很有前景的。                                  层校正（Slice timing）。将校正后的数据进行头动校
               功能磁共振成像（functional magnetic resonance           正（Realign），删除头部运动超过 1.5 度旋转或 3 mm
           imaging, fMRI）在近二十年来被用于探索 ASD 患者                    平移的数据。随后将功能影像与相应受试者的 T1结
           的脑网络的变化。越来越多的 fMRI 研究结果证明                           构影像进行共配准（Normalize），并归一化到蒙特利
                                           [13]
           了 ASD 患者在多个脑区功能的异常 ，此外，近期也                          尔神经研究所（Montreal Neurological Institute, MNI）
                                                    [4]
           有报道提示成年 AS 患者脑网络组织的改变 。然                            空间中。归一化完成后，使用 4 mm 的高斯核对每个
           而 ，关于 AS 患者和 HFA 患者之间脑功能差异的                         图像进行平滑处理（Smooth）。随后，根据变换矩阵
           fMRI 研究的数量较为有限。近年来，图论的脑功能                           对线性趋势进行去线性的操作（Detrend）。将白质信
           影像分析方法被广泛应用于许多神经精神疾病的脑                              号、24 Friston 运动参数和脑脊液信号等干扰信号作
           网络拓扑特征的相关研究之中               [14-16] 。基于图论的复         为协变量进行回归（Covariates Removed）。采用时间
           杂脑网络分析量化了脑功能网络的拓扑学特征，从                              带通滤波器（0.01~0.10 Hz）进行滤波处理（Filter）。
           而更精确地探查大脑网络内和不同脑网络间的整合                              最后，去除头动过大的时间点（Scrubbing），以进一步
                                                                                  [17]
           性和分离性。越来越多的研究证明，基于图论的复                              减少头部运动的影响 。
           杂脑网络模型为理解脑连接体的功能整合和分离的                              1.3 功能连接矩阵的生成
                                  [17]
           过程提供了更多的可能性 。因此，基于图论的脑功                                  使用 GRETNA 工具箱 对每对大脑节点之间的
                                                                                       [22]
           能研究对于阐明 ASD 的神经机制可能具有重要的价                           时间序列进行相关性分析，并计算皮尔逊相关系数。
           值。近期已有一些研究采用图论方法探索 ASD 患者                           随 后 生 成 每 个 个 体 的 全 脑 功 能 连 接 矩 阵（根 据

          ·40 ·                                                                       https://www.chinesemri.com
   42   43   44   45   46   47   48   49   50   51   52