基于序统计量相关分析的静息态大脑语言功能连接网络的时间可靠性及偏侧化研究

师雪姣SHI Xuejiao

常春起2CHANG Chunqi

胡 南1HU Nan

孙 兵1SUN Bing

论著 Original Research

基于序统计量相关分析的静息态大脑语言功能连接网络的时间可靠性及偏侧化研究

师雪姣1SHI Xuejiao

常春起2CHANG Chunqi

胡 南1HU Nan

孙 兵1SUN Bing

目的基于MRI技术，采用基于序统计量相关系数法的脑功能连接网络分析方法研究静息态下语言网络活动情况，并探讨其时间可靠性和功能偏侧化，为静息态语言网络的临床研究提供理论基础。资料与方法对25例正常志愿者进行3次静息态功能MRI扫描，32位Matlab 7.11.0及DPARSF软件进行数据处理，选取大脑左半球Broca和Wernicke两个语言脑功能区域为感兴趣区，采用序统计量相关系数法分析受试者的语言网络功能连接性。结果基于种子分析方法的功能连接图，得到受试者的不对称指数图和组内相关系数图。采用序统计量相关系数法分析静息态语言网络的功能连接情况与传统相关系数法分析的结果相似度极高，该方法可用于类似网络功能连接情况的研究。结论静息态大脑语言功能网络的时间可靠性为语言疾病的临床研究提供一定的参考价值，因语言网络功能偏侧化异常而引起的语言疾病或精神性疾病的临床诊疗，可借鉴静息态语言网络的功能偏侧化及其时间可靠性情况。

磁共振成像；静息态；脑功能网络；语言网络；图像处理，计算机辅助

大脑的语言功能涉及极其复杂的功能网络，因脑区病变而导致语言能力受损广泛受到研究者的重视。由Ogawa等[1]提出的血氧水平依赖法的功能磁共振成像（fMRI）技术是迄今为止研究脑部功能活动的最佳工具之一[2]。目前国外对大脑语言区网络[3-4]的研究较多，而国内有关语言网络及其功能偏侧化的可靠性研究较少[5]。本文基于静息态fMRI数据，采用序统计量相关系数法[6]（order statistics correlation coeff i cient，OSCC）探讨全脑语言功能网络的时间可靠性及主要语言区的功能偏侧化情况。序统计量相关系数法是新近提出的分析方法，既具备Pearson相关系数法[7]的高效性，也具备Spearman相关系数法[8]的稳健性。

1 资料与方法

1.1 研究对象 实验数据来自发布于NITRC（http:// www.nitrc.org/projects/nyu_trt/）的公开数据库，即NYU_TRT_session1、NYU_TRT_session2、NYU_ TRT_session3，包括25例右利手志愿者，其中男10例，女15例；年龄20.97～37.91岁，每位受试者均行测试-再测试3次扫描，以研究功能连接网络的时间可靠性。经临床诊断，所有受试者语言功能正常，无精神病史或神经性疾病。所有受试者均签署知情同意书。

1.2 数据采集 静息态功能磁共振成像（resting-state fMRI，RS-fMRI）要求受试者眼睛睁开，处于静息平卧或休息状态，但尽量避免系统性的思维活动，防止影响MRI数据的结果分析。采用Siemens Allegra 3T MRI系统，对每位受试者进行3次静息态扫描。每次扫描均采用平面回波成像（EPI）技术，扫描参数：重复时间2000 ms，回波时间25 ms，翻转角90°，层数39层，矩阵64×64，视野192 mm，体素大小3 mm×3 mm ×3 mm，采集197个时间点的数据。第1次扫描结束后5～11个月开始第2次和第3次扫描，后两次扫描间隔30 min。

1.3 数据预处理 采用Data Processing Assistant for RS-fMRI（DPARSF 2.3）[9]软件包，在Matlab 2010b平台上对MRI数据进行处理，该软件包基于Statistical Parametric Mapping（SPM8）、RS-fMRI Data Analysis Toolkit（REST）[10]两个软件。对每位受试者静息态MRI数据的预处理步骤为：①去除前10个时间点采集的图像数据；②以39层为参考层进行时间层校正；③头动校正；④基于EPI模板进行空间标准化，重采样体素大小为3 mm×3 mm×3 mm；⑤空间平滑，高斯核半宽全高为6 mm×6 mm×6 mm；⑥去线性漂移；⑦低频滤波；⑧去除6个头动参数、全脑平均信号、白质信号和脑脊液信号等协变量。预处理结果中4例受试者因头转动>1.5°、平动>1.5 mm，其fMRI数据被剔除。

1.4 基于序统计量相关系数法的功能连接 静息态功能连接方法通过探讨血氧水平信号中低频波动的相关模式，生成大脑复杂系统的高精度功能连接图[11]，可以用于识别语言相关的功能组织[12]。本文选取大脑左侧Broca（lBro）和Wernicke（lWer）为感兴趣区，分别以MNI坐标（－51，27，18）和（－51，－51，30）为种子点中心，以5 mm为半径。为了探讨大脑主要语言区的功能不对称性，将lBro和lWer由大脑左侧翻转到右侧，分别代表右侧Broca（rBro）区和右侧Wernicke（rWer）区，种子点的中心坐标为（51，27，18）和（51，－51，30），体积大小不变。基于DPARSF软件，分别提取4个感兴趣区体素的时间序列，以其平均时间序列为参考，与全脑其余体素的时间序列行序统计量相关系数分析，计算方法见公式（1）。

其中，xi、yi（i=1,...,N）是长度为N的两个时间序列，按照xi信号的幅值对两个时间序列重新排列后，分别得到新的序列x(i)和y(i)，其中x信号满足x(1)≤...≤x(N)，即为序统计量，y[1], ..., y[N]为相关性伴随序列。互换x和y的作用，定义y的序统计量为y(1), ..., y(N)，而x[1], ..., x[N]作为其相应伴随序列。

再根据公式（2）将相关系数值进行费希尔Z变换，以接近正态分布。基于转换后的相关系数可以得到种子点和全脑的功能连接图。

其中r为序统计量相关系数值。

1.5 功能偏侧化和时间可靠性 静息态大脑语言网络存在功能不对称性。在探讨Broca区的功能不对称时大脑左侧种子点（lBro）和左半球体素的功能连接图与右侧种子点（rBro）和右半球的功能连接图间的统计差异反映同侧半球不对称性，而lBro和右半球体素的功能连接图与rBro和左半球的功能连接图间的差异表示异侧半球不对称性。本文采用公式（3）定义的非归一化偏侧化指数（asymmetry index，AI）。

其中，zFCL是分别基于左侧种子点（lBro和lWer）的全脑功能连接图，zFCflippedR是分别基于右侧种子点（rBro和rWer）并左右翻转后的功能连接图。由此可得每位受试者关于Broca和Wernicke的AI图。

组内相关系数（intra-class correlation，ICC）是评价重测信度的常用系数之一，通过计算大脑体素的ICC值可以探讨静息态语言网络功能连接和偏侧化的时间可靠性。对每个体素，25例受试者的序统计量相关系数值或AI值可重塑为2个25×2的矩阵，分别表示第2次扫描和第3次扫描、第1次扫描和第2次、第3次扫描均值的参数值，用以分析短期和长期的可靠性。采用单因素方差分析计算组间方差均值（MSb）和组内方差均值（MSw），按照公式（4）所示传统的ICC计算方法计算功能连接网络中每个体素的ICC值，最终得到全脑的ICC图。

为方便检测组内相关系数的统计学差异，在实际操作中将各体素ICC由公式（5）转换成相应的更趋向于高斯分布的Z值，得到功能连接网络重测可靠性的Z图。

其中N为数据分析时的受试者数目。

2 结果

图1 基于Broca区（A）和Wernicke区（B）的静息态功能连接图

2.1 静息态语言网络功能连接及重测信度 基于每例受试者的静息态功能连接图，利用REST软件按照P<0.005、cluster size≥200的检验准则进行单样本t检验，图1是从大脑冠状面、矢状面、水平面图上分别显示与2个种子点显著相关的语言脑区，图片上颜色反映该脑区与种子点的相关性强度，这些脑区均与静息态大脑语言功能网络有关。基于统计检验后的静息态功能连接图，针对3次扫描分别提取大脑每个体素的序统计量相关系数，并将后2次扫描的相关系数值进行平均，可验证全脑每个体素与种子点功能连接强度的短期和长期一致性。图2分别表示全脑体素在第2次扫描和第3次扫描中（短期）与Broca区的功能连接强度以及第1次扫描和第2次、第3次平均扫描（长期）的功能连接强度，且短期和长期功能连接强度的相关系数分别为r=0.8521、0.9215，其中每个离散的点代表一个大小为3 mm×3 mm×3 mm的体素。由相关系数可得，短期和长期扫描时，全脑体素与Broca区的功能连接强度具有较高的一致性。实验表明，在短期和长期扫描中，全脑体素与Wernicke区功能连接强度的相关系数也较大，因此其空间一致性也相对较高。

图2 Broca区与全脑功能连接的短期和长期一致性。A表示全脑体素在第2次扫描和第3次扫描中与Broca区的功能连接强度；B表示全脑体素在第1次扫描和第2次、第3次扫描中与Broca区的平均功能连接强度

利用单因素方差分析可得到2个种子点功能连接的短期和长期组内相关系数图，图3是从大脑冠状面、矢状面、水平面图上分别显示基于Wernicke区短期和长期重测信度较高的显著性脑区，其中Z>2.81，cluster size≥200。这些脑区分别在短期和长期扫描中与Wernicke种子点具有一定的相关性，因此静息态语言功能网络具有一定的时间可靠性。基于2个种子点的组内和组间ICC图，提取全脑体素的短期和长期ICC值，可验证每个种子点的组内和组间ICC图的空间一致性。图4分别表示以Broca和Wernicke区为种子点时全脑体素的组内和组间ICC值，其中每个离散的点代表一个大小为3 mm×3 mm×3 mm的体素。结果表明，2个种子点的短期和长期可靠性语言网络均有较高的空间相似性。以Broca为种子点的静息态功能连接网络的可靠性脑区主要有颞中回、额内侧回、顶下小叶、枕中回、楔前叶、扣带回；以Wernicke为种子点的静息态功能连接网络的可靠性脑区主要有颞中回、额下回、颞下回、缘上回、顶下小叶。

图3 基于Wernicke区静息态语言网络的短期可靠性Z图（A）和长期可靠性Z图（B）

图4 基于Broca、Wernicke短期和长期可靠性语言网络的一致性。A、B分别表示基于Broca种子点基于Wernicke种子点全脑体素的组内和组间ICC值

2.2 语言区功能偏侧化及重测信度 基于2个种子点的静息态功能连接图可得每个受试者的偏侧化指数图，并对其3次扫描的AI值进行平均。利用REST软件进行单样本t检验，未校正时的检验准则为P<0.005、cluster size≥200。图5是从大脑冠状面、矢状面、水平面图上显示Wernicke区功能偏侧化显著的脑区，其中偏侧化指数图的左半球和右半球分别反映大脑同侧、异侧功能不对称性。由图可得，Wernicke区偏侧化指数图右半球显著性脑区多于左半球（REST软件右为左半球，左为右半球），其功能偏右侧化。Broca区同侧功能不对称脑区有颞中回、颞下回、枕中回、顶下小叶、顶上小叶，无显著性脑区显示异侧功能不对称性；Wernicke区的同侧功能不对称脑区有额下回、额中回、额上回、前扣带皮层、岛叶、运动辅助区，异侧功能不对称脑区有楔前叶、额下回、额中回、额上回、颞上回、缘上回、角回、运动辅助区。结果表明，Broca区功能偏左侧化，Wernicke区功能偏右侧化。

为了评价静息态语言网络功能偏侧化的重测信度，利用统计检验后的偏侧化指数图，通过计算可得到全脑体素短期和长期的组内相关系数值。图6是从大脑冠状面、矢状面、水平面图上分别显示Wernicke区功能偏侧化的Z图，图中显著性脑区分别是短期和长期扫描中Wernicke区语言功能偏侧化重测信度较高的脑区，因此Wernicke区功能偏侧化具有一定的时间可靠性。其中Broca区的偏侧化指数图中，重测信度较高的脑区有两侧额下回、额内侧回、前扣带回、楔前叶，左侧额上回、角回、缘上回，右侧额下回、额中回；Wernicke区的偏侧化指数图中，重测信度较高的脑区有两侧岛叶、楔前叶、颞下回、颞中回、颞上回、额下回、额中回、额上回、缘上回。

图5 基于Wernicke区语言网络的功能偏侧化图

图6 基于Wernicke区语言网络功能偏侧化的短期可靠性Z图（A）和长期可靠性Z图（B）

3 讨论

Broca和Wernicke是与语言处理相关的2个主要区域[13]，除这2个语言区外，大脑中仍存在更多脑区参与语言处理机制[11]。基于种子点的功能连接方法可测量语言区之间或语言区与全脑其他功能区之间的连接情况，并生成高精度的功能连接图。Xuan等[14]研究表明，口吃患者与正常人的静息态语言网络功能连接情况有一定的差异，因此，通过研究正常人语言网络的功能连接情况，并将其作为一种参照，能够为语言障碍的临床研究提供理论基础。大脑不仅在结构上存在不对称性，其语言网络也具有一定的功能偏侧化[15]。从语言功能的病变案例中发现，功能偏侧化异常会引起与语言相关的疾病或精神性疾病，因此，探讨语言网络的功能偏侧化情况也存在一定的必然性。

本实验采用序统计量相关系数法，研究静息态语言网络功能连接及其功能偏侧化，进一步评价其重测信度，揭示其不同尺度上的时间可靠性。结果表明，静息态语言网络具有短期和长期的时间可靠性；Broca区的语言网络功能偏左侧化，Wernicke区语言网络功能偏右侧化，其偏侧化的重测信度均相对较高。

基于Broca、Wernicke区的静息态语言网络与语言产生和理解的网络相似[13]，并与970例受试者语言区的静息态功能连接一致[11]，且时间重测信度较高。鉴于静息态语言网络的可靠性和稳定性，其功能连接可用于监督与语言相关的疾病进展和治疗效果[16]，此外，静息态功能连接可用于探讨精神疾病的病理学[17]及语言疾病的患者与正常人的区别[14]。因此，静息态语言网络的时间可靠性为语言的临床研究提供一定的参考价值。

Broca区与全脑的功能连接偏左侧化，证实大脑左半球的语言优势[18]，而Wernicke区功能偏右侧化，与既往研究[5]结果一致。同时，Broca和Wernicke区功能偏侧化的脑区也具有一定的时间可靠性，可用于自闭症和精神分裂症的分析[19]。基于此，因语言网络功能偏侧化异常而引起的语言疾病或精神性疾病的临床诊疗，可借鉴静息态语言网络的功能偏侧化及其时间可靠性情况。

探讨语言网络功能连接情况的传统相关系数法是Pearson相关系数法或Spearman相关系数法，本研究采用新近提出的序统计量相关系数法，该方法同时具备传统相关系数法的优点，即高效性和稳健性。实验表明，用序统计量相关系数法分析的静息态语言网络的功能连接情况与Pearson相关系数法分析的结果[5]相似度极高，因此，基于序统计量相关系数法的优点，该方法可用于类似网络功能连接情况的研究。

本文采用一种最简单、最常用的种子相关分析法来研究静息态大脑语言网络的功能连接情况，但实验结果与种子点的选取密切相关，准确度有待提高。因此通过建立结构方程模型来探讨大脑的语言功能网络将成为下一步研究的重点和方向。

[1] Ogawa S, Lee TM, Kay AR, et al. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proc Natl Acad Sci U S A, 1990, 87(24): 9868-9872.

[2] 曾统军, 赖新生, 黄泳, 等. 针刺外关穴和非穴fMRI脑功能成像的比较研究. 中国医学影像学杂志, 2010, 18(6): 532-537.

[3] Parker Jones O, Seghier ML, Kawabata Duncan KJ, et al. Auditory-motor interactions for the production of native and non-native speech. J Neurosci, 2013, 33(6): 2376-2387.

[4] Hartwigsen G, Saur D, Price CJ, et al. Increased facilitatory connectivity from the pre-SMA to the left dorsal premotor cortex during pseudoword repetition. J Cogn Neurosci, 2013, 25(4): 580-594.

[5] Zhu L, Fan Y, Zou Q, et al. Temporal reliability and lateralization of the resting-state language network. PLoS One, 2014, 9(1): e85880.

[6] Xu W, Chang C, Hung YS, et al. Asymptotic properties of order statistics correlation coeff i cient in the normal cases. IEEE Trans Signal Process, 2008, 56(6): 2239-2248.

[7] Fieller EC, Hartley HO, Pearson ES. Test for rank correlation coeff i cients. Biometrika, 1957, 44: 470-481.

[8] Kendall M, Gibbons JD. Rank correlation methods. 5th ed. New York: Oxford Univ. Press, 1990.

[9] Yan CG, Zang YF. DPARSF: a matlab toolbox for "pipeline" data analysis of resting-state fMRI. Front Syst Neurosci, 2010, 4: 13.

[10] Song XW, Dong ZY, Long XY, et al. REST: a toolkit for resting-state functional magnetic resonance imaging data processing. PLoS One, 2011, 6(9): e25031.

[11] Tomasi D, Volkow ND. Resting functional connectivity of language networks: characterization and reproducibility. Mol Psychiatry, 2012, 17(8): 841-854.

[12] Xiang HD, Fonteijn HM, Norris DG, et al. Topographical functional connectivity pattern in the perisylvian language networks. Cereb Cortex, 2010, 20(3): 549-560.

[13] Price CJ. A review and synthesis of the fi rst 20 years of PET and fMRI studies of heard speech, spoken language and reading. Neuroimage, 2012, 62(2): 816-847.

[14] Xuan Y, Meng C, Yang Y, et al. Resting-state brain activity in adult males who stutter. PLoS One, 2012, 7(1): e30570.

[15] Sun Tao, Walsh CA. Molecular approaches to brain asymmetry and handedness. Nat Rev Neurosci, 2006, 7(8): 655-662.

[16] Chou YH, Panych LP, Dickey CC, et al. Investigation of longterm reproducibility of intrinsic connectivity network mapping: a resting-state fMRI study. Am J Neuroradiol, 2012, 33(5): 833-838.

[17] Kim JY, Kim YH, Lee S, et al. Alteration of functional connectivity in tinnitus brain revealed by resting-state fMRI? A pilot study. Int J Audiol, 2012, 51(5): 413-417.

[18] Liu H, Stufflebeam SM, Sepulcre J, et al. Evidence from intrinsic activity that asymmetry of the human brain is controlled by multiple factors. Proc Natl Acad Sci USA, 2009, 106(48): 20499-20503.

[19] Herbert MR, Ziegler DA, Deutsch CK, et al. Brain asymmetries in autism and developmental language disorder: a nested whole-brain analysis. Brain, 2005, 128(Pt 1): 213-226.

（本文编辑 张春辉）

Temporal Reliability and Lateralization of Resting-state Language Functional Connectivity Network Analysis Based on Order Statistics Correlation Coeff i cient

PurposeTo investigate the activity of language network with brain function connection network analysis method using MRI order statistics correlation coeff i cient, and to explore the temporal reliability and functional asymmetry, and provide the theoretical foundation for clinical researches of resting-state language network.Materials and MethodsTwenty-f i ve healthy volunteers were scanned three times in resting state. All data were processed using 32 bit Matlab 7.11.0 and DPARSF. The two main language functional areas, Broca and Wernicke, were selected as the regions of interest. The functional connectivity of language network was analyzed with order statistics correlation coeff i cient.ResultsBased on the functional connectivity diagrams using seed analysis method, the asymmetry index and intra-class correlation were obtained. The functional connectivity of resting-state language network based on order statistics correlation coefficient was similar to that using the traditional correlation coefficient methods.ConclusionThe temporal reliability of resting-state language network can provide a reference value for clinical research of language disorders, as well as the clinical diagnosis and treatment of the language disorders or mental diseases caused by abnormal functional asymmetry of language network.

Magnetic resonance imaging; Resting-state; Brain functional network; Language network; Image processing, computer-assisted

10.3969/j.issn.1005-5185.2015.08.001

1. 苏州大学电子信息学院 江苏苏州215006

2. 深圳大学医学部生物医学工程学院 广东深圳 518060

师雪姣

School of Electronic and Information Engineering, Soochow University, Suzhou 215006, China

Address Correspondence to: SHI Xuejiao

E-mail: sxj1028401078@163.com

科技部973课题项目（2012CB720702）；江苏省高校自然科学研究面上项目（14KJB310020）。

R445.2

2015-04-24

修回日期：2015-07-12

中国医学影像学杂志

2015年 第23卷8期：561-566

Chinese Journal of Medical Imaging

2015 Volume 23(8): 561-566