基于磁共振成像的前額葉皮層分割研究.pdf

1、目的：
　　本研究采用彌散張量成像（diffusion tensor imaging, DTI）和靜息態(tài)功能磁共振成像（functional MRI, fMRI）兩種技術(shù)，并結(jié)合基于人腦連接模式的分析方法，闡明正常額極皮層（frontal pole，F(xiàn)P）是否存在不同亞區(qū)結(jié)構(gòu)。
　　材料與方法：
　　本研究共招募兩組不同被試：其一，選擇符合入組標(biāo)準(zhǔn)的健康青年志愿者12例（其中，男性5例），平均年齡：25.5±2.5歲，

2、并利用GE3.0T Signa HDX磁共振掃描儀對(duì)這些被試者進(jìn)行靜息態(tài) fMRI、結(jié)構(gòu)像和 DTI數(shù)據(jù)的采集；其二，選擇符合入組標(biāo)準(zhǔn)的健康青年志愿者8例（其中，男性3例），平均年齡：22.3±2.5歲，并采用不同掃描參數(shù)對(duì)這些被試者進(jìn)行結(jié)構(gòu)像和DTI數(shù)據(jù)采集，以驗(yàn)證基于DTI技術(shù)的皮層亞區(qū)分割方法的可靠性。
　　數(shù)據(jù)處理采用FSL和基于Matlab平臺(tái)的SPM8軟件和DPARSF對(duì)DTI和靜息態(tài)fMRI數(shù)據(jù)進(jìn)行預(yù)處理。剝腦后的T

3、1圖像與每個(gè)個(gè)體的b0像進(jìn)行配準(zhǔn)，再將彌散空間的T1圖像配準(zhǔn)到MNI（Montreal Neurological Institute, MNI）標(biāo)準(zhǔn)空間，并獲得配準(zhǔn)參數(shù)。然后利用該配準(zhǔn)參數(shù)的逆變換，將 MNI空間的 FP種子區(qū)反配到個(gè)體彌散空間?；诟怕市岳w維追蹤方法，計(jì)算FP種子區(qū)內(nèi)的每個(gè)體素與全腦其他體素的連接概率，并以此生成個(gè)體解剖連接矩陣，再進(jìn)行變換得到種子區(qū)交互相關(guān)矩陣，通過(guò)邊加權(quán)的譜聚類算法將連接模式類似的體素分割到一個(gè)子區(qū)

4、。根據(jù)動(dòng)物纖維示蹤劑和解剖連接研究，定義六個(gè)同側(cè)半球的目標(biāo)區(qū)，使用類似的方法的將MNI空間的目標(biāo)區(qū)反配到個(gè)體彌散空間，基于概率性纖維追蹤方法，計(jì)算 FP種子區(qū)內(nèi)的每個(gè)體素與目標(biāo)區(qū)體素的解剖連接概率，得到指紋圖。然后我們對(duì)各個(gè)子區(qū)的功能連接模式進(jìn)行了分析。
　　結(jié)果：
　　1、本研究通過(guò)概率性纖維追蹤和邊加權(quán)的譜聚類的方法揭示了人腦右側(cè)FP分為眶部（orbital, FPo）、外側(cè)部（lateral, FPl）和內(nèi)側(cè)部（med

5、ial, FPm）三個(gè)亞區(qū)。另外，F(xiàn)P的分割結(jié)果在同一批數(shù)據(jù)的左側(cè)大腦半球FP和另一批獨(dú)立數(shù)據(jù)的右側(cè)大腦半球FP均得到了驗(yàn)證；
　　2、本研究發(fā)現(xiàn)了FPo與社會(huì)情感網(wǎng)絡(luò)（social emotion network，SEN）相關(guān)的眶額皮層、顳極和杏仁核等腦區(qū)的解剖連接較強(qiáng)；FPl與認(rèn)知處理網(wǎng)絡(luò)（cognitive processing network, CPN）相關(guān)的背外側(cè)前額葉皮層解剖連接較強(qiáng)；FPm與默認(rèn)網(wǎng)絡(luò)（default

6、mode network, DMN）相關(guān)的前扣帶皮層和內(nèi)側(cè)前額葉皮層的解剖連接較強(qiáng)；
　　3、本研究也發(fā)現(xiàn)了FP每個(gè)亞區(qū)的靜息態(tài)功能連接模式與解剖連接模式類似，F(xiàn)Po主要與SEN呈明顯相關(guān)；FPl主要與CPN明顯相關(guān)；FPm主要與DMN明顯相關(guān)。
　　結(jié)論：
　　我們首次利用DTI技術(shù)，基于解剖連接模式將人腦 FP細(xì)分為三個(gè)亞區(qū)：眶部亞區(qū)、外側(cè)部亞區(qū)和內(nèi)側(cè)亞區(qū)；并從亞區(qū)水平闡述了FP的解剖和功能連接模式。FP的三個(gè)亞區(qū)

7、分別參與三個(gè)不同的網(wǎng)絡(luò)，SEN、CPN和DMN，主要的功能為處理社會(huì)情感信息、認(rèn)知和自我參照。人腦 FP是這三個(gè)腦網(wǎng)絡(luò)的整合節(jié)點(diǎn)，其內(nèi)的三個(gè)亞區(qū)間連接緊密以允許不同網(wǎng)絡(luò)間信息的快速交換。
　　目的：
　　本研究采用無(wú)磁敏感偽影的高空間分辨率結(jié)構(gòu)像技術(shù)，結(jié)合基于人腦灰質(zhì)體積（gray matter volume, GMV）共變模式的分析方法，闡明正?？纛~皮層（orbitofrontal cortex，OFC）是否存在不同亞區(qū)結(jié)

8、構(gòu)。
　　材料與方法：
　　在數(shù)據(jù)采集方面，本研究選擇符合入組標(biāo)準(zhǔn)的健康青年志愿者321例，平均年齡：22.7±2.5歲；男性157例。入組的男、女性志愿者的年齡之間不存在統(tǒng)計(jì)學(xué)差異（P<0.05）。利用GE3.0T Signa HDX磁共振掃描儀對(duì)所有入組的被試者進(jìn)行高空間分辨率結(jié)構(gòu)像的數(shù)據(jù)采集。在數(shù)據(jù)處理方面，本研究采用基于Matlab平臺(tái)的SPM8軟件及其插件包VBM8對(duì)高空間分辨率的結(jié)構(gòu)像進(jìn)行預(yù)數(shù)據(jù)處理，具體過(guò)程包括

9、：灰、白質(zhì)分割、空間標(biāo)準(zhǔn)化及空間平滑，以獲得全腦每個(gè)體素的 GMV值。然后，通過(guò)自動(dòng)解剖標(biāo)記(automated anatomical labeling, AAL)圖譜提取OFC種子區(qū)。隨后，通過(guò)上述模板分別計(jì)算OFC內(nèi)每一體素與全腦其它皮層內(nèi)每一體素的 GMV之間跨被試的共變系數(shù)，并構(gòu)建共變矩陣。最后，通過(guò)譜聚類算法將OFC內(nèi)GMV共變模式一致的體素歸為一類以獲得該皮層內(nèi)的亞區(qū)分布模式，并對(duì)OFC亞區(qū)的全腦GMV共變模式進(jìn)行分析。根據(jù)

10、OFC亞區(qū)的全腦GMV共變模式，定義雙側(cè)大腦半球的14個(gè)腦區(qū)作為目標(biāo)區(qū)，分別計(jì)算OFC亞區(qū)與目標(biāo)區(qū)之間的GMV共變值，得到指紋圖。使用Williams T檢驗(yàn)比較每一組OFC亞區(qū)與目標(biāo)區(qū)之間GMV共變值的差異。另外，本研究還探討了性別對(duì)基于 GMV共變模式的眶額分割結(jié)果的影響，以及性別和側(cè)化兩個(gè)因素對(duì)每個(gè)OFC亞區(qū)與目標(biāo)區(qū)之間GMV共變系數(shù)的影響。
　　結(jié)果：
　　1、本研究通過(guò)基于GMV共變模式的分割方法揭示了人腦OFC包

11、含前部（anterior, OFCa）、內(nèi)側(cè)部（medial, OFCm）、后部（posterior, OFCp）、中間部（intermediate, OFCi）,和外側(cè)部（lateral, OFCl）五個(gè)皮層亞區(qū)。另外，OFC的分割結(jié)果在同一批數(shù)據(jù)的左側(cè)OFC和男、女亞組的雙側(cè)OFC均得到了驗(yàn)證；
　　2、本研究結(jié)果也發(fā)現(xiàn)了OFC亞區(qū)主要與前額葉皮層、顳葉皮層、扣帶皮層和杏仁核的 GMV存在共變關(guān)系。除外側(cè)部亞區(qū)以外，絕大部分的