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，并結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)結構。
　　材料與方法：
　　本研究共招募兩組不同被試：其一，選擇符合入組標準的健康青年志愿者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磁共振掃描儀對這些被試者進行靜息態(tài) fMRI、結構像和 DTI數(shù)據(jù)的采集；其二，選擇符合入組標準的健康青年志愿者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)對這些被試者進行結構像和DTI數(shù)據(jù)采集，以驗證基于DTI技術的皮層亞區(qū)分割方法的可靠性。
　　數(shù)據(jù)處理采用FSL和基于Matlab平臺的SPM8軟件和DPARSF對DTI和靜息態(tài)fMRI數(shù)據(jù)進行預處理。剝腦后的T

3、1圖像與每個個體的b0像進行配準，再將彌散空間的T1圖像配準到MNI（Montreal Neurological Institute, MNI）標準空間，并獲得配準參數(shù)。然后利用該配準參數(shù)的逆變換，將 MNI空間的 FP種子區(qū)反配到個體彌散空間?；诟怕市岳w維追蹤方法，計算FP種子區(qū)內的每個體素與全腦其他體素的連接概率，并以此生成個體解剖連接矩陣，再進行變換得到種子區(qū)交互相關矩陣，通過邊加權的譜聚類算法將連接模式類似的體素分割到一個子區(qū)

4、。根據(jù)動物纖維示蹤劑和解剖連接研究，定義六個同側半球的目標區(qū)，使用類似的方法的將MNI空間的目標區(qū)反配到個體彌散空間，基于概率性纖維追蹤方法，計算 FP種子區(qū)內的每個體素與目標區(qū)體素的解剖連接概率，得到指紋圖。然后我們對各個子區(qū)的功能連接模式進行了分析。
　　結果：
　　1、本研究通過概率性纖維追蹤和邊加權的譜聚類的方法揭示了人腦右側FP分為眶部（orbital, FPo）、外側部（lateral, FPl）和內側部（med

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

6、mode network, DMN）相關的前扣帶皮層和內側前額葉皮層的解剖連接較強；
　　3、本研究也發(fā)現(xiàn)了FP每個亞區(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；FPl主要與CPN明顯相關；FPm主要與DMN明顯相關。
　　結論：
　　我們首次利用DTI技術，基于解剖連接模式將人腦 FP細分為三個亞區(qū)：眶部亞區(qū)、外側部亞區(qū)和內側亞區(qū)；并從亞區(qū)水平闡述了FP的解剖和功能連接模式。FP的三個亞區(qū)

7、分別參與三個不同的網(wǎng)絡，SEN、CPN和DMN，主要的功能為處理社會情感信息、認知和自我參照。人腦 FP是這三個腦網(wǎng)絡的整合節(jié)點，其內的三個亞區(qū)間連接緊密以允許不同網(wǎng)絡間信息的快速交換。
　　目的：
　　本研究采用無磁敏感偽影的高空間分辨率結構像技術，結合基于人腦灰質體積（gray matter volume, GMV）共變模式的分析方法，闡明正常眶額皮層（orbitofrontal cortex，OFC）是否存在不同亞區(qū)結

8、構。
　　材料與方法：
　　在數(shù)據(jù)采集方面，本研究選擇符合入組標準的健康青年志愿者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)計學差異（P<0.05）。利用GE3.0T Signa HDX磁共振掃描儀對所有入組的被試者進行高空間分辨率結構像的數(shù)據(jù)采集。在數(shù)據(jù)處理方面，本研究采用基于Matlab平臺的SPM8軟件及其插件包VBM8對高空間分辨率的結構像進行預數(shù)據(jù)處理，具體過程包括

9、：灰、白質分割、空間標準化及空間平滑，以獲得全腦每個體素的 GMV值。然后，通過自動解剖標記(automated anatomical labeling, AAL)圖譜提取OFC種子區(qū)。隨后，通過上述模板分別計算OFC內每一體素與全腦其它皮層內每一體素的 GMV之間跨被試的共變系數(shù)，并構建共變矩陣。最后，通過譜聚類算法將OFC內GMV共變模式一致的體素歸為一類以獲得該皮層內的亞區(qū)分布模式，并對OFC亞區(qū)的全腦GMV共變模式進行分析。根據(jù)

10、OFC亞區(qū)的全腦GMV共變模式，定義雙側大腦半球的14個腦區(qū)作為目標區(qū)，分別計算OFC亞區(qū)與目標區(qū)之間的GMV共變值，得到指紋圖。使用Williams T檢驗比較每一組OFC亞區(qū)與目標區(qū)之間GMV共變值的差異。另外，本研究還探討了性別對基于 GMV共變模式的眶額分割結果的影響，以及性別和側化兩個因素對每個OFC亞區(qū)與目標區(qū)之間GMV共變系數(shù)的影響。
　　結果：
　　1、本研究通過基于GMV共變模式的分割方法揭示了人腦OFC包

11、含前部（anterior, OFCa）、內側部（medial, OFCm）、后部（posterior, OFCp）、中間部（intermediate, OFCi）,和外側部（lateral, OFCl）五個皮層亞區(qū)。另外，OFC的分割結果在同一批數(shù)據(jù)的左側OFC和男、女亞組的雙側OFC均得到了驗證；
　　2、本研究結果也發(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存在共變關系。除外側部亞區(qū)以外，絕大部分的