青少年肌阵挛癫痫患者的大尺度脑网络研究

柯 铭 崔吉平 刘光耀

1(兰州理工大学计算机与通信学院，兰州 730050)2(兰州大学第二医院磁共振科，兰州 730030)

引言

大脑是一类具有小世界和无标度特征的复杂网络系统，从复杂网络的角度对脑网络的探索已经成为一个新兴的研究领域[1-2]。 图论是描述网络特征的重要工具，是一种定量分析复杂网络的方法[3]。 现今关于复杂脑网络的研究，许多研究人员使用图论方法。 利用功能磁共振成像(functional magnetic resonance，fMRI)数据进行的不同空间和时间尺度的脑网络图论分析，不仅可以对复杂的脑网络拓扑结构进行形式化描述，还可以对其性质进行量化[4]。 目前，复杂脑网络的图论研究已经被广泛应用到精神性或神经性脑疾病研究[5]等各个方面。

青少年肌阵挛性癫痫是一种特发性全身性癫痫综合征(idiopathic generalized epilepsy， IGE)。JME 患者的特征是肌阵挛性抽搐，有时伴有全身强直阵挛性发作(generalized tonic-clonic seizure，GTCS)，较少出现失神发作[6-7]。 JME 于1975年由Janz 首次提出，直到1989年才被国际抗癫痫联盟(International League Against Epilepsy， ILAE) 确定是一种特殊的癫痫综合征[8]。 同局灶性癫痫相比，JME 是具有良性预后的癫痫综合征。 JME 的头部磁共振成像(magnetic resonance imaging， MRI)检查缺少结构异常的证据，常规的智力量表评估通常是正常的[9]，然而越来越多的证据表明JME 患者出现认知行为受损的表现[10-11]。 同时， 国内外的研究发现， JME 患者出现精神行为的异常[12]、执行能力的下降[13-14]， 以及社会适应能力的下降[15]。 为研究JME 的病理生理机制，Kim 等[16]使用复杂网络的图论分析研究新诊断的JME 患者基于脑电图的功能连接，以及它是否可以作为预测抗癫痫药物反应的生物标志物。 Lee 等[17]也结合图论分析法，得出JME 患者丘脑内网络异常。 应用图论分析JME 患者大尺度脑功能网络，可以发现全脑网络特性改变[1]。

人脑是由多个功能各异的大尺度功能网络组成的，每个功能网络包含的若干个脑区在静息状态下的功能活动是同步的，而不同的功能网络之间表现出不同的活动模式[18]。 大尺度脑网络参与人类日常生活中的许多大脑活动，涉及到很多高级认知功能，例如知觉、工作记忆、想象、计划、决策等。 大脑的高级认知功能不是由单个脑区负责的，而是通过与多个认知活动相关的脑区构成的特异性脑网络的协同活动实现[19]。 为了深入地理解大脑的工作机理并探究各类脑疾病的病理生理学机制，研究人员需要从功能整合的角度出发进行大尺度功能脑网络连接分析。 大尺度脑网络中默认模式网络是研究最广泛的网络，青少年肌阵挛性癫痫已多次被发现与大脑默认模式网络的连接障碍有关[20]。突显网络在多个感觉和认知领域的显著性加工以及默认模式网络和中央执行网络之间的转换中起着至关重要的作用[21-22]。

本研究通过对JME 患者组和正常对照组的脑网络脑区介数值进行分析，发现JME 患者组与正常对照组相比，其个别节点的介数值存在显著差异。推断差异脑区所属大尺度脑网络内部发生改变，这些改变的发现以期能够为青少年肌阵挛性癫痫的病理机制研究提供帮助，进一步帮助我们从整体层面更好地理解大脑的运行规律。

1 材料和方法

1.1 数据来源、数据采集及数据预处理

本次研究所有被试数据均来自兰州大学第二医院，选取17 例青少年肌阵挛癫痫患者作为患者组，选取15 名正常志愿者作为健康对照组。 患者组与正常对照组的性别、年龄、利手、教育年限皆无显著性差异，详情见表1。 所有患者均根据2001年国际抗癫痫联盟发布的诊断标准诊断为青少年肌阵挛癫痫。 正常志愿者通过广告招募，在扫描前排除急性身体疾病、药物滥用或依赖、有颅脑损伤导致意识丧失的病史以及神经或精神障碍者。 本次研究内容及研究目的均告知被试，并签署知情同意书。

表1 被试特征表Tab.1 Characteristics of participants

所有被试全脑静息态数据均由Simens Verio 3.0 T MRI 扫描仪采集完成。 数据采集时，将被试头颅固定在专用头线圈内并保持不动，并要求被试仰卧、闭眼，保持放松，保持清醒且不做特定性思维。 采用梯度回波-平面回波成像(gradient recalled echo-echo planar imaging，GRE-EPI)序列作为rs-fMRI 数据的扫描序列。 具体扫描参数:重复时间(repetition time，TR)＝2 000 ms，回波时间(echo time，TE)＝30 ms，层厚(slice thickness)＝4.0 mm，层间距(gap)＝0.40 mm，层数＝33 层，视野范围(field of view，FOV)＝240 mm×240 mm，旋转角度(flip angle，FA)＝90°，矩阵(matrix size)＝64×64，共采集200 个时间点，扫描时间为400 s。 通过三维磁化准备快速梯度回波序列(3 dimensions magnetization prepared rapid acquisition gradient echo，3DMP-RAGE)采集T1 加权像。 具体参数:重复时间(repetition time，TR)＝1 900 ms，回波时间(echo time，TE)＝30 ms，层厚(slice thickness)＝0.9 mm，视野范围(field of view，FOV)＝256 mm×230 mm，矩阵(matrix size)＝256×256，旋转角度(flip angle，FA) ＝90°。

数据预处理使用SPM12(www.fil.ion.ucl.ac.uk/spm/)和GRETNA(www.nitrc.org/projects/gretna/)软件包。 具体预处理步骤包括:(1)去除前10 个时间点，等待扫描仪稳定；(2)时间层校正(TR ＝2 s)；(3)头动校正，头动超过1 mm，旋转超过1°的被试被剔除；(4)采用dartel 配准方法进行空间标准化；(5)去除线性趋势；(6)采用带宽为0.01 ～0.08 Hz的滤波器进行滤波；(7)去除协变量，主要去除白质信号、脑脊液信号以及头动参数。

1.2 方法

1.2.1 偏相关方法构建脑功能连接网络

脑网络由网络节点与网络连接边组成，因此脑功能网络构建的关键要素为确定网络节点与定义节点间的连接边[23]。 根据AAL[24](anatomical automatic labeling，AAL)模板将整个大脑分成90 个感兴趣区，提取90 个感兴趣区的时间序列，然后构造被试的全脑功能连接网络。 本研究功能连接强度使用偏相关系数表示。 计算每个被试的90 个脑区两两脑区间的偏相关系数，得到每个被试的偏相关系数矩阵，对得到的偏相关系数矩阵进行Z 值化。 最后，将正常对照组15 个被试对应的15 个矩阵进行求和并均值化；将JME 患者组17 个被试对应的17 个矩阵求和并均值化。 各自得到一个表示组内所有被试的相关系数矩阵。

首先获得每个变量(x变量和y变量)之间的简单相关系数，即相关性分析(协方差/标准差之积)得到的系数，数学公式如下:

在分析变量xi和xj之间的偏相关时，剔除变量xh的影响。 3 个变量的偏相关系数:

式中，rij是变量xi与xj的简单相关系数；rih是变量xi与xh的简单相关系数；rjh是变量xj与xh的简单相关系数。

4 个变量的偏相关系数(剔除变量h、m的影响):

式中，rij·h是变量xi、xj和xh的偏相关系数；rim·h是变量xi、xm和xh的偏相关系数；rjm·h是变量xj、xm和xh的偏相关系数。

高阶相关系数:一般地，假设有k(k＞2)个变量x1，x2，…，xk，则任意两个变量xi和xj的g(g≤k-2)阶样本偏相关系数公式为

式中，等号右侧均为g-1 阶的偏相关系数。

1.2.2 脑功能连接网络矩阵二值化

在得到被试的功能连接矩阵后，为消除由噪声等因素造成的弱连接，设定阈值T对矩阵进行二值化，将连接强度偏弱的功能连接值去掉。 比较矩阵中两个脑区间的功能连接值，若值大于等于T或小于等于-T，将其置为1，认为该功能连接值对应的两个脑区之间存在连接；否则认为所对应的两个脑区间不存在连接，将其置为0。 矩阵中对角线元素置0，避免自连接。 本研究为了增加实验结果的可靠性，欲求两个阈值，分别是JME 患者组阈值以及正常对照组阈值，使JME 患者组以及正常对照组在构建二值化脑网络时均满足脑网络建立条件。

现有科学研究已证实，大脑是一个非常复杂但又十分高效、精妙的系统[25]。 研究亦发现大脑网络是一个稀疏网络，拥有大量的短程边和少量的长程边用来保证其效率足够高效[26]。 为保证脑网络的连通性，在研究过程中多认为大脑内不存在孤立的脑区[27]。 基于以上特点，本研究构建脑网络时，所设定阈值对应的矩阵要满足3 个条件:①平均度(K)必须大于ln(90)[25]；②网络密度要小于50%；③保证构建的脑网络不存在孤立脑区[25]。 其中网络密度的计算公式如下:网络密度m的表示为:

式中，N为网络节点数；Ki为节点i的度数。

正常对照组与JME 患者组阈值的设置均从0.01 开始，依次增加0.01，并计算出不同阈值下对应的节点平均度、密度和平均最短路径长度。 正常对照组选取阈值为0.12。 本文选取JME 患者组阈值为0.45。

图1 展示了3 种属性随阈值的变化。 其中(a)图展示的是两组数据的节点平均度随阈值的变化。随着阈值增大，两组数据的节点平均度均减小。 正常对照组阈值等于0.12 时，节点平均度为5.24；JME 患者组阈值等于0.45 时，节点平均度为13.2。当阈值大于0.12 时，节点平均度小于ln(90)，不符合构成脑网络条件。 (a)中水平虚线代表节点平均度为ln(90)。 (b)图展示的是两组数据密度随阈值的变化。 随着阈值增大，两组数据的网络密度均减小。 正常对照组阈值等于0.12 时，密度为7.02%；JME 患者组阈值等于0.45 时，密度为15.96%。(b)中水平虚线表示网络密度为50%。 (c)图展示的是两组数据平均最短路径长度随阈值的变化。随着阈值增大，平均最短路径越大。 正常对照组阈值等于0.12 时，平均最短路径长度为2.76；JME 患者组阈值等于0.45 时，平均最短路径长度2.4。 当JME 患者组阈值大于0.45 时，不存在最短路径，脑网络出现孤立节点，不符合构成脑网络条件，综合3个条件JME 患者组最终阈值为0.45。 正常对照组阈值为0.12。

图1 属性随阈值的变化。 (a)节点平均度随阈值的变化；(b)密度随阈值的变化；(c)平均最短路径长度随阈值的变化Fig.1 Property changes with the threshold.(a)The average shortest path length changes with the threshold；(b) The density changes with the threshold；(c) The average shortest path length changes with the threshold

1.2.3 探索拓扑属性差异

小世界性计算公式可描述为

式中，σ是由Humphries 等为了衡量小世界特性而提出的指标；C为所构建网络的聚类系数:L为最短路径长度；Crand和Lrand分别代表相同规模随机网络(即相同节点数目和相同边数)的聚类系数和平均最短路径长度。 当σ＞1 时网络具有小世界属性，且σ越大网络的小世界属性越强。

介数通常分为边介数和节点介数两种，其中节点介数定义为网络中所有最短路径中经过该节点的路径的数目占最短路径总数的比例。 其中节点i的介数定义如下:

式中，gst为节点s到节点t的最短路径的数目，nst为从节点s到节点t最短路径中经过节点i的最短路径的数目。 节点介数值越大，说明该节点很可能是网络中信息传递的中枢节点。 一个节点的介数越大，流经它的数据分组越多，意味着它更容易拥塞，成为网络的瓶颈[29]。 一般来说，介数越高，网络越稠密。

1.3 统计学分析

分别计算JME 患者组与正常对照组的介数值，对JME 患者组与正常对照组的介数值做双样本t检验，采用Bonferroni(P＜0.01)对结果进行校正，获得JME 患者组与正常对照组介数值具有显著差异脑区。

2 结果

2.1 小世界性

计算JME 患者组与正常对照组的脑网络小世界属性，结果显示JME 患者组与正常对照组的脑网络σ值均大于1，说明偏相关系数构建的功能网络属于小世界网络，证明偏相关系数可以应用到青少年肌阵挛癫痫疾病脑网络研究。

2.2 介数

与正常对照相比，发生显著改变的脑区见表2。表2 显示JME 患者组与正常对照组相比，介数值显著降低脑区，分别是右侧中央旁小叶和右侧后扣带回。 表3 显示JME 患者组与正常对照区相比介数值显著增高脑区，通过Bonferroni 校正的脑区中JME 患者组相较正常对照组介数值显著增加的脑区有17 个。 依次是双侧背外侧额上回、双侧楔前叶、双侧辅助运动区、左侧枕中回、右侧颞中回、右侧颞下回等。

表2 JME 患者组介数值显著降低脑区Tab.2 JME patient group's betweenness value significantly reduced brain areas

表3 JME 患者组介数值显著增高脑区Tab.3 JME patient group's betweenness value significantly increased brain areas

3 讨论

本研究使用偏相关系数表示脑区间的功能连接关系并分别计算JME 患者组与正常对照组的阈值进行脑网络二值化来构建脑功能网络。 进一步用复杂网络的节点介数对比JME 患者组与正常对照组脑网络属性的差异。 研究结果显示，与正常对照组相比，JME 患者组介数值显著降低的脑区有2个，介数值显著升高的脑区有17 个。 其中属于默认模式网络的脑区有8 个，属于突显网络的脑区有5个。 通过分析介数值发生显著变化的脑区以及对显著变化脑区所属大尺度脑网络的研究，产生JME患者大脑内默认模式网络[30]以及突显网络[31]发生改变的结论。

本研究在构建脑功能网络时选取偏相关系数表示脑区间功能连接关系。 偏相关方法考虑多个脑区互相存在影响的因素，较皮尔森相关方法更贴合大脑实际情况。 偏相关是对网络中所有其他节点的效应进行回归后，通过估计两个节点之间相关性，度量两个节点之间直接连通性，避免网络中其他节点造成的伪影响。 通过一系列模拟研究，Smith等[32]比较了多种功能磁共振数据网络建模方法的性能，发现偏相关是在各种场景下表现出色的方法之一，并显示出对检测真实功能连接的高灵敏度。用偏相关系数建立每个脑区之间的相关性，进而构建脑网络，结果表明所构建的脑网络具有小世界属性，该结果与何高奇等[32]的实验结果类似。 研究证明偏相关系数可以用于构建脑网络。

完成偏相关系数表示功能连接关系后，对功能连接矩阵进行二值化，去除伪连接。 以往研究通常按照正常对照组计算阈值对脑功能连接矩阵进行二值化。 本研究考虑患者组患病原因，脑网络与正常对照组不同。 仅使用正常对照组计算得出阈值进行二值化，可能会造成患者组脑网络异常或不能形成脑网络。 在本研究实验过程中发现，JME 患者组阈值是与正常对照组截然不同的，如根据正常对照组计算得出的阈值对两组数据进行二值化，JME患者组脑网络不满足设定的构成脑网络的3 个条件，则JME 患者组不能构成脑网络，影响脑网络介数计算结果，导致实验结果不准确。

研究发现与正常对照组相比JME 患者组介数值显著降低的脑区为右侧中央旁小叶脑区与右侧后扣带回脑区，均属于默认模式网络。 右侧中央旁小叶脑区主要是支配小腿和足部的运动器，与对侧小腿和足的运动、感觉有关。 它的前部属额叶，后部属顶叶，临床上当患者中央旁小叶受到损害的时候，患者会出现对侧的膝关节以下肢体活动不灵活。 这与JME 患者发病时，腿部发生肢体僵硬等症状类似。 推测可能由于中央旁小叶脑区介数值显著降低，脑区激活性降低，脑区受损造成。 Jiang等[33]采用局部一致性(regional homogeneity， ReHo)分析JME 患者与健康受试者的全脑自发活动，发现左侧中央旁小叶局部一致性与患者发病年龄有正相关关系。 右侧后扣带回是监控感觉和立体定位及记忆作用的组织，是默认模式网络的组成部分。后扣带回的腹部(下部)部分在涉及默认模式网络的所有任务中激活，包括与自身相关的，与他人相关的任务。 后扣带回的背部(上部)部分涉及不自主的意识和唤醒。 后扣带回与中央旁小叶介数值显著降低，分析可能由于JME 患者脑神经元异常放电所致，抑制了默认模式网络功能，导致正常脑功能受到影响。

默认模式网络涉及到信息收集、思考、记忆的功能。 在静息状态时，存在较强的自发性活动，但在执行具有一定难度的认知任务情况下，默认模式网络的活动会受到一定的抑制，抑制程度会随着认知任务的难度提高而增大。 突显网络在识别生物学和认知上最相关的事件以自适应地引导注意力和行为方面起着至关重要的作用。 虽然突显网络的功能尚不完全清楚，但它已涉及到情绪和感官刺激的检测与整合，以及调节默认模式网络的内部定向认知与执行控制网络的外部定向认知之间的切换。 右侧后扣带回介数值降低，证明此区域脑区连接性降低，激活性减弱。 刘永宏等[34]采用同步脑电与功能磁共振技术对JME 患者进行发作间期痫样放电时脑部血氧水平依赖(blood oxygen leveldependent， BOLD)信号变化进行研究，发现后扣带回脑区是失活脑区之一，且失活区域反映了异常放电时的脑功能的静息状态。 右侧后扣带回在默认模式网络中占据重要地位，在青少年肌阵挛癫痫反复发作及痫性放电下出现微结构异常时，与右侧后扣带回有密切联系的生理性神经网络连接降低。介数值比较结果还发现，介数值增大的脑区中双侧楔前叶、双侧辅助运动区、内侧额上回、左侧梭状回是默认模式网络的组成部分；双侧背外侧额上回、左侧枕中回、右侧舌回、右侧中央前回是突显网络的组成部分。 由介数增高的突显网络脑区可以发现JME 患者脑网络中突显网络内部脑区较正常人相比，内部连接增加，脑区激活性增强，承担着更多信息传递任务。 相比其他大尺度网络，介数值显著性变化脑区更多。 由此推测JME 患者的突显网络以及默认模式网络发生改变。 Li 等[35]采用特征空间最大信息典型相关分析(eigenspace maximal information canonical correlation analysis，emiCCA)和功能网络连接分析(functional network connectivity，FNC)对JME 患者的同步脑电图-功能磁共振成像(electroencephalogram-functional magnetic resonance imaging，EEG-fMRI)数据进行分析。 发现默认模式网络、自我参照网络(self-reference network，SRN)、基底神经节网络(basal ganglia netwok，BGN)可能在癫痫放电的调节和传播中起中介作用。 这些作用进一步干扰了JME 患者突显网络的转换功能。 若默认模式网络与突显网络受损，很可能造成患者的思维、知觉、记忆以及情绪管理等功能调节能力下降，可能与JME 患者的认知功能下降有关，为理解JME 认知功能受损提供新的途径。 本研究仅研究了静息态下JME 患者大尺度脑网络，下一步将继续研究任务态下的JME 患者大尺度脑网络变化。

4 结论

本研究使用偏相关系数代替皮尔森相关系数方法构建脑网络，并证明患者组与正常对照组均具有小世界属性，表明偏相关系数可以用于构建脑网络。 计算两个阈值进行脑功能连接网络二值化，可以保证正常对照组和JME 患者组都满足脑网络构建条件，更具实验严谨性。 通过脑区介数值的变化，分析发生变化脑区与JME 疾病之间存在的联系并确定其所属的大脑子网络。 以此推出JME 患者的默认模式网络、执行控制网络与突显网络受损，这些损伤可能是导致患者认知能力以及知觉等功能下降的关键原因。