基于不同頻段時(shí)頻特征的阿爾茲海默癥腦功能異常分析*

周 川,高大川，錢 麗，文 萍，曾佑琴，張建煒

成都醫(yī)學(xué)院 人文信息管理學(xué)院(成都 610500)

隨著社會老齡化程度的逐漸加重，阿爾茲海默癥(Alzheimer's disease,AD)發(fā)病率迅猛上升[1]。AD是一種慢性神經(jīng)退化性疾病，其神經(jīng)病理學(xué)特征是β-淀粉樣蛋白斑塊和tau蛋白構(gòu)成的神經(jīng)原纖維纏結(jié)在腦內(nèi)沉積[2]，伴隨著一系列腦功能異常癥狀，包括：記憶障礙、認(rèn)知能力障礙、語言障礙以及情緒障礙等[3]。靜息態(tài)功能磁共振成像(resting-statefunctional magnetic resonance imaging,rs-fMRI)作為一種非侵入式成像方法，可反映腦內(nèi)神經(jīng)元的自發(fā)活動(dòng)。因此，該技術(shù)已廣泛應(yīng)用于研究AD的腦功能異常[4-5]。

目前，大多數(shù)文獻(xiàn)[6-7]利用rs-fMRI數(shù)據(jù)具有生理學(xué)意義的低頻信號(0.01～0.08 Hz)，通過計(jì)算局部一致性(regional homogeneity,ReHo)或者低頻波動(dòng)幅值(amplitude of low-frequency fluctuation,ALFF)特征圖展開研究。本研究則將低頻信號分割為更具有生理意義的Slow-5(0.010～0.027 Hz)和Slow-4(0.027～0.073 Hz)兩個(gè)子頻段[8]；并分別在兩個(gè)子頻段下，基于信號時(shí)頻分析理論構(gòu)建特征圖，分析AD和正常被試特征圖的組間差異，獲得了顯著差異腦區(qū)，以及腦區(qū)內(nèi)特征值強(qiáng)度與AD臨床診斷量表評分之間的關(guān)系，從而獲得具有病理學(xué)意義的AD腦功能異常區(qū)域。這些腦區(qū)可作為生物標(biāo)記物，有助于研究者更好理解AD的神經(jīng)學(xué)機(jī)制，幫助臨床及時(shí)診斷和介入治療AD患者。

1 資料與方法

1.1 臨床資料

本研究所采用的rs-fMRI數(shù)據(jù)均來源于ADNI共享數(shù)據(jù)庫(http://adni.loni.ucla.edu)。包含129名被試者，其中，AD患者70例，正常被試者59例。被試者同時(shí)接受了臨床診斷量表檢測，包括：簡易精神狀態(tài)檢測(mini-mental state examination,MMSE)和臨床癡呆檢測(clinical dementia rating,CDR)。所有的rs-fMRI數(shù)據(jù)采集工作均符合人體試驗(yàn)倫理學(xué)標(biāo)準(zhǔn)，得到了倫理委員會批準(zhǔn)，被試者簽署了知情同意書。利用GE3.0T核磁共振設(shè)備掃描，具體掃描參數(shù)如下：TR=3 s；TE=30 ms；翻轉(zhuǎn)角=80°；掃描厚度=3.31 mm；掃描層數(shù)=48層；體素大小=3.31 mm×3.31 mm×3.31 mm；掃描時(shí)間點(diǎn)=140個(gè)。

1.2 方法

1.2.1 數(shù)據(jù)預(yù)處理 每個(gè)被試者rs-fMRI數(shù)據(jù)預(yù)處理工作采用靜息態(tài)數(shù)據(jù)處理助手軟件DPARSF(http://www.restfmri.net/forum/DPARSF)完成，具體步驟如下：1)考慮到被試者剛開始掃描時(shí)需適應(yīng)儀器噪聲，以及信號穩(wěn)定性，去除前10個(gè)時(shí)間點(diǎn)數(shù)據(jù)；2)時(shí)間層校正；3)頭動(dòng)校正；4)利用DARTEL算法將個(gè)體數(shù)據(jù)標(biāo)準(zhǔn)化到MNI空間；5)圖像重采樣到3 mm×3 mm×3 mm體素大小；6)進(jìn)行半寬度為4 mm的高斯平滑濾波；7)為了減小生理學(xué)偽影、頭動(dòng)校正和非神經(jīng)元信號波動(dòng)對數(shù)據(jù)的影響，采用多重線性回歸分析方法，將全腦信號、白質(zhì)信號和腦脊液信號的均值以及24個(gè)頭動(dòng)參數(shù)[9]作為冗余協(xié)變量去除。在預(yù)處理過程中，還獲得了各被試者rs-fMRI數(shù)據(jù)相鄰時(shí)間點(diǎn)的逐幀位移量(frame-wise displacement,FD)，計(jì)算平均FD值用于描述被試者在數(shù)據(jù)采集時(shí)的頭動(dòng)大小，將平均FD>0.2 mm的被試者數(shù)據(jù)去除[10]。接著，利用帶通濾波思想，分別獲得Slow-5和Slow-4兩個(gè)子頻段的AD組和正常被試組預(yù)處理后數(shù)據(jù)。

1.2.2 特征圖計(jì)算 預(yù)處理后，任意體素的rs-fMRI信號是由130個(gè)時(shí)間點(diǎn)構(gòu)成，利用時(shí)頻分析理論將其轉(zhuǎn)換為時(shí)頻分布圖，再計(jì)算特征值并賦值回該體素，從而獲得被試者特征圖。而時(shí)頻分析的核心思想為：通過時(shí)頻分布函數(shù)，將一維時(shí)間信號投影到二維的時(shí)間-頻率坐標(biāo)系中，從而達(dá)到描述信號在不同時(shí)間和頻率的能量密度或強(qiáng)度變化的目的，對應(yīng)到神經(jīng)學(xué)中便是描述神經(jīng)元激活過程中的強(qiáng)度及其分布。現(xiàn)今學(xué)術(shù)界常用的構(gòu)建時(shí)頻分布函數(shù)策略有：短時(shí)傅里葉變換、小波變換和“魏格納-威利”變換等。本研究采用“平滑偽魏格納-威利”分布函數(shù)(smoothed pseudo Wigner-Ville distribution,SPWVD)實(shí)現(xiàn)時(shí)間信號的時(shí)頻分析[11]。SPWVD函數(shù)表達(dá)式如式1所示：

式1

其中t表示時(shí)間，f表示頻率，x(t)指時(shí)間信號。此分布函數(shù)本質(zhì)是以t時(shí)刻為中心，求解一段長度為τ的時(shí)間信號自相關(guān)結(jié)果。但因?yàn)镾PWVD函數(shù)的非線性函數(shù)性質(zhì)，自相關(guān)結(jié)果中存在影響分析準(zhǔn)確性的干擾信號，并且此干擾信號垂直于時(shí)間軸震蕩分布。所以在函數(shù)中加入一個(gè)時(shí)間窗口函數(shù)h(τ)，通過平滑濾波的方式減弱干擾信號。由于h(τ)通常設(shè)計(jì)為一個(gè)短時(shí)間窗口函數(shù)，具有時(shí)域尺度小、頻域尺度大的特點(diǎn)，故其濾波結(jié)果時(shí)間分辨率好，而頻率分辨率差。為解決此問題，表達(dá)式中又加入一個(gè)自由度函數(shù)g(s)，用于獨(dú)立調(diào)節(jié)頻率分辨率好壞與干擾信號強(qiáng)弱之間的反比關(guān)系。因?yàn)閞s-fMRI數(shù)據(jù)是離散形式，所以將式1離散化得到DSPW(p,q)。其中，p和q分別代表離散的時(shí)間點(diǎn)和頻率點(diǎn)，取從1到M整數(shù)。M按如下原則取值：Min[(M=2n,n=1,2,3,L)U(M≥130)]，依據(jù)是由于SPWVD函數(shù)實(shí)現(xiàn)過程需進(jìn)行傅里葉變換，以及本研究所用rs-fMRI數(shù)據(jù)的時(shí)間信號長度為130。此外，p，q，t和f之間的關(guān)系為p=t·fs和q=fM/fs。fs指采樣頻率，本研究中fs=1/TR。

時(shí)頻分析結(jié)果DSPW(p,q)可視為一幅M×M大小的時(shí)頻分布灰度圖像。基于直方圖擴(kuò)展原理(spread in the histogram of image,SHI)計(jì)算圖像的特征值，用于描述體素rs-fMRI信號的頻率隨時(shí)間波動(dòng)的特性，并賦值回該體素。SHI特征值的計(jì)算如式2所示：

式2

其中，cj表示時(shí)頻分布圖中某像素的灰度值，fj表示圖中取該灰度值的像素?cái)?shù)量，L為圖像的灰度級，μ是圖像灰度值的平均強(qiáng)度，由式3計(jì)算獲得：

式3

此外，為了減小體素特征值在不同被試之間的全局效應(yīng)，在下一步數(shù)據(jù)分析之前，對所有被試者特征圖進(jìn)行費(fèi)舍爾Z變換，即：各體素的特征值減去全腦體素特征值的均值，再除以全腦體素特征值的標(biāo)準(zhǔn)差。

1.3 統(tǒng)計(jì)學(xué)方法

1.3.1 被試者基本信息統(tǒng)計(jì) 采用SPSS 22.0軟件對兩組被試者基本信息進(jìn)行統(tǒng)計(jì)分析，其中性別采用2檢驗(yàn)，年齡、MMSE評分和CDR評分采用雙樣本t檢驗(yàn)。檢驗(yàn)水準(zhǔn)α除特殊說明外均設(shè)定為0.05。

1.3.2 特征圖統(tǒng)計(jì)分析 利用腦圖像數(shù)據(jù)處理和分析工具箱DPABI(http://rfmri.org/DPABI)，對Slow-5和Slow-4兩個(gè)子頻段的AD組和正常被試組特征圖分別進(jìn)行雙樣本t檢驗(yàn)，并將被試者平均FD值、年齡和性別作為協(xié)變量，去除其對結(jié)果的潛在影響。再采用TFCE結(jié)合置換檢驗(yàn)的策略(雙邊P<0.05，體素?cái)?shù)>70)進(jìn)行多重比較校正[12]。最終獲得兩組被試者特征圖在全腦范圍內(nèi)的明顯差異區(qū)域。為了探討顯著差異腦區(qū)與AD臨床診斷量表評分之間的線性相關(guān)性，以各差異腦區(qū)內(nèi)特征值峰值點(diǎn)為圓心，5 mm為半徑，構(gòu)建球形區(qū)域；計(jì)算各AD特征圖區(qū)域內(nèi)平均特征值，分別與患者的MMSE評分和CDR評分求皮爾森相關(guān)系數(shù)。同樣將平均FD值、年齡和性別作為協(xié)變量去除，并設(shè)P<0.05為明顯線性相關(guān)標(biāo)準(zhǔn)。

2 結(jié)果

2.1 一般材料

基于頭動(dòng)大小標(biāo)準(zhǔn)，排除了22個(gè)頭動(dòng)太大的被試者數(shù)據(jù)(AD患者15個(gè)，正常被試者7個(gè))，剩下107個(gè)被試者(AD患者55個(gè)，正常被試者52個(gè))用于數(shù)據(jù)分析。并且，由于部分被試者隨著病程發(fā)展接受了多次rs-fMRI掃描，而初次掃描時(shí)未進(jìn)行臨床診斷量表檢測，故實(shí)際具有MMSE評分和CDR評分的被試者只有53例(其中，AD患者28例，正常被試者25例)。兩組被試者的年齡和性別相匹配，差異無統(tǒng)計(jì)學(xué)意義(P>0.05)(表1)。具有MMSE評分和CDR評分的被試者年齡、性別和臨床診斷量表評分情況顯示，兩組被試者在年齡和性別上相匹配，差異無統(tǒng)計(jì)學(xué)意義(P>0.05)；而MMSE評分和CDR評分差別有統(tǒng)計(jì)學(xué)意義(P<0.05)(表2)。

表1 全部被試者基本情況比較

表2 具有MMSE和CDR評分的被試者基本情況比較

2.2 特征圖組間差異比較

對兩組特征圖進(jìn)行雙樣本t檢驗(yàn)和多重比較校正后的結(jié)果表明，在Slow-5頻段，AD組較正常被試組特征值明顯增高的腦區(qū)是左腦核間小葉，特征值明顯降低的腦區(qū)包括右小腦后葉和左腦枕葉舌回(表3、圖1)。表中上標(biāo)為“+”的腦區(qū)其AD組特征值<正常被試組，t值為正，在圖1中用暖色表示；“-”腦區(qū)表示AD組特征值>正常被試組，t值為負(fù)，對應(yīng)圖1中的冷色區(qū)域；而在Slow-4頻段，兩組間差異無統(tǒng)計(jì)學(xué)意義(P>0.05)，所以沒有差異腦區(qū)(圖2)。

表3 Slow-5頻段兩組被試者顯著差異腦區(qū)

圖1 Slow-5頻段兩組被試者顯著差異腦區(qū)

圖2 Slow-4頻段兩組被試者顯著差異腦區(qū)

2.3 顯著差異腦區(qū)特征值與認(rèn)知量表值相關(guān)性分析

通過相關(guān)性分析發(fā)現(xiàn)，AD患者的MMSE評分與左腦核間小葉的特征值呈明顯正相關(guān)(r=0.577，P=0.001)，與左腦枕葉舌回的特征值呈明顯正相關(guān)(r=0.396，P=0.037)；而CDR評分與左腦枕葉舌回的特征值呈明顯的負(fù)相關(guān)(r=-0.483，P=0.009)(圖3～4)。其中A圖是顯著差異區(qū)域的橫切面圖，B圖為以AD患者臨床診斷量表評分和顯著差異腦區(qū)內(nèi)平均特征值分別為橫坐標(biāo)和縱坐標(biāo)的相關(guān)性結(jié)果散點(diǎn)圖。

圖3 AD患者左腦核間小葉特征值與MMSE評分關(guān)系注：A：左腦核間小葉的橫切面圖；B：AD患者左腦核間小葉內(nèi)平均特征值與MMSE評分相關(guān)的散點(diǎn)圖，其中每個(gè)點(diǎn)代表1個(gè)AD患者

圖4 AD患者左腦枕葉舌回特征值與MMSE評分和CDR評分關(guān)系注：A：左腦枕葉舌回的橫切面圖；B：AD患者左腦枕葉舌回的特征值與MMSE相關(guān)的散點(diǎn)圖；C：AD患者左腦枕葉舌回的特征值與CDR相關(guān)的散點(diǎn)圖；B、C中每個(gè)點(diǎn)代表1個(gè)AD患者

3 討論

rs-fMRI數(shù)據(jù)能表達(dá)血氧依賴水平信號(blood-oxygen-level-dependent signal，BOLD)的低頻波動(dòng)，反映大腦局部神經(jīng)元活動(dòng)情況以及不同的生理狀態(tài)，具有重要的生理學(xué)意義。本研究將rs-fMRI低頻信號分為Slow-5和Slow-4兩個(gè)子頻段，并基于時(shí)頻分析技術(shù)計(jì)算信號特征值，構(gòu)建特征圖。最終，在Slow-5頻段發(fā)現(xiàn)了AD患者的異常自發(fā)腦功能活動(dòng)。

rs-fMRI的低頻信號可表達(dá)神經(jīng)元的自發(fā)活動(dòng)，Buzsáki 等[8]的研究將其細(xì)分為4個(gè)子頻段，分別為：Slow-5(0.01～0.027 Hz)、Slow-4(0.027～0.073 Hz)、Slow-3(0.073～0.198 Hz)和Slow-2(0.198～0.25 Hz)，這些子頻段信號來源于不同的神經(jīng)元組，與不同腦功能處理過程相關(guān)。其中，Slow-5和Slow-4兩個(gè)頻段的信號振動(dòng)與灰質(zhì)的BOLD信號密切相關(guān)，因此適用于腦功能障礙與功能處理過程的相關(guān)性分析[13]。Egorova等[14]進(jìn)一步發(fā)現(xiàn)，Slow-5頻段的振動(dòng)更適合于檢測抑郁癥引起的腦功能異常，因?yàn)橐钟舭Y患者和正常被試者只在Slow-5頻段存在組間差異。此外，有研究[15]提出，Slow-5頻段的信號可能對AD引起的大腦自發(fā)異常活動(dòng)更加敏感。這些結(jié)論與本研究只在Slow-5頻段發(fā)現(xiàn)了組間明顯差異的結(jié)果相一致。

本研究采用了時(shí)頻分析原理描述子頻段的BOLD信號，而大量利用rs-fMRI研究腦功能障礙疾病的文章常采用ReHo和ALFF指標(biāo)描述BOLD信號。這兩種方式僅在時(shí)間域或頻率域提取信息，但是基于BOLD信號的腦功能異常情況并不是獨(dú)立存在于單一的維度上，時(shí)頻分析技術(shù)提供了信號在兩個(gè)維度上的聯(lián)合分布形式，描述了信號頻率隨時(shí)間變化的能量密度和強(qiáng)度變化，從而可構(gòu)建最全面描述信號的特征[16]，并在腦電研究領(lǐng)域被廣泛應(yīng)用。如Bajaj等[16]利用SPWVD函數(shù)對癲癇患者的腦電信號進(jìn)行了時(shí)頻分析，并將分析結(jié)果根據(jù)腦電信號節(jié)律分割成不同頻帶的時(shí)頻分布圖，然后計(jì)算特征值，輸入到支持向量機(jī)分類器，實(shí)現(xiàn)了癲癇的自動(dòng)分類；Boashash等[17]采用時(shí)頻分析方法，檢測新生兒異常大腦活動(dòng)情況，實(shí)現(xiàn)了癲癇的診斷和預(yù)后，并從方法論上證明，相比較于僅在時(shí)間域或頻率域的特征，時(shí)頻特征能更好描述非穩(wěn)定信號的變化狀態(tài)。

在rs-fMRI的研究中，Chang等[18]證實(shí)了BOLD信號是非穩(wěn)定的，會隨著時(shí)間和頻率一起變化，并且給出了后扣帶回與其他負(fù)相關(guān)網(wǎng)絡(luò)之間的功能連接強(qiáng)度隨時(shí)間和頻率變化的結(jié)果，從而為本研究利用時(shí)頻分析定義BOLD信號特征提供了實(shí)驗(yàn)基礎(chǔ)。本研究將rs-fMRI數(shù)據(jù)中每個(gè)體素的BOLD信號進(jìn)行時(shí)頻分析，獲得時(shí)頻分布圖，再利用直方圖擴(kuò)展原理計(jì)算其特征值，該特征值可描述信號頻率隨時(shí)間變化的強(qiáng)度波動(dòng)程度，所以會隨著AD患者大腦內(nèi)出現(xiàn)β-淀粉樣蛋白斑塊和神經(jīng)原纖維纏結(jié)而發(fā)生變化。所有體素的特征值構(gòu)成特征圖，通過AD與正常被試者的組間比較，所獲得的顯著差異區(qū)域包含了AD大腦局部神經(jīng)元異常活動(dòng)所引起的BOLD信號變化。

本研究發(fā)現(xiàn)，AD患者左腦核間小葉的時(shí)頻特征值明顯高于正常被試者，并與MMSE評分明顯正相關(guān)。核間小葉在情感加工中扮演了非常重要的角色[19]。因?yàn)樵撃X區(qū)位于LCSPT神經(jīng)環(huán)路的皮層-子皮層情感回路中，此回路包括海馬、杏仁核和丘腦等區(qū)域，被認(rèn)為與情緒性行為有關(guān)[20]。在關(guān)于AD腦網(wǎng)絡(luò)的薈萃分析[21]中，證實(shí)這些腦區(qū)均存在功能障礙。并且，針對AD臨床癥狀的研究[22]表明，超過半數(shù)的AD患者都深受激動(dòng)和攻擊性等不良情緒困擾，這些不良情緒所引發(fā)的癥狀會隨著病情發(fā)展而日愈嚴(yán)重。本研究一方面進(jìn)一步證實(shí)了上述臨床結(jié)論，另一方面也可能表明核間小葉作為白質(zhì)區(qū)域在AD的情感回路功能異常問題中發(fā)揮著重要的信息傳遞作用。此外，AD患者通常會伴隨出現(xiàn)抑郁問題[23]，而在抑郁癥研究[20]中，也報(bào)道了核間小葉存在功能異常。

本研究結(jié)果顯示，AD患者左腦枕葉舌回的特征值明顯低于正常被試者。舌回是視覺網(wǎng)絡(luò)的一部分，負(fù)責(zé)視覺記憶功能[24]；并在視空間注意的自上而下過程中，擔(dān)負(fù)控制區(qū)域和視覺處理區(qū)域之間的信息傳遞角色[25]。因此，本研究中AD患者左腦枕葉舌回功能活動(dòng)程度降低的結(jié)果，可能揭示了上述信息傳遞存在不充分的情況，從而導(dǎo)致記憶功能障礙。Phillips等[26]在利用PET影像技術(shù)預(yù)測AD認(rèn)知功能改變的研究中發(fā)現(xiàn)，以18F作為放射性示蹤物，舌回吸收18F的程度主導(dǎo)了對AD患者視空間表現(xiàn)異常的預(yù)測，而18F對tau蛋白纖維纏結(jié)的沉積又非常敏感，從而說明舌回功能異常會影響AD患者的視空間執(zhí)行能力，以及舌回功能異常的病理學(xué)基礎(chǔ)；Li等[27]對36篇任務(wù)態(tài)fMRI研究AD的文章進(jìn)行了薈萃分析，總結(jié)出相對于正常被試者，AD患者左腦枕葉舌回的神經(jīng)活動(dòng)降低。本研究基于靜息態(tài)fMRI的研究，得到了相同結(jié)果，發(fā)現(xiàn)AD患者左腦枕葉舌回的時(shí)頻特征值與MMSE評分正相關(guān)，而與CDR明顯負(fù)相關(guān)，說明左腦枕葉舌回的功能活動(dòng)可作為生物標(biāo)記物評價(jià)AD的病癥程度。對于小腦，不僅具有運(yùn)動(dòng)功能，還參與了記憶、學(xué)習(xí)、語言和情感等認(rèn)知過程[28]。研究[29]顯示，AD患者小腦內(nèi)出現(xiàn)了神經(jīng)退化性改變，小腦皮層有大量淀粉樣斑塊形成。其中，小腦后葉在正常被試者執(zhí)行語言、空間、執(zhí)行能力和工作記憶等認(rèn)知任務(wù)時(shí)都有激活表現(xiàn)[30]。本研究發(fā)現(xiàn)，AD患者右小腦后葉自發(fā)活動(dòng)程度明顯低于正常被試者，提示了小腦后葉功能活動(dòng)的改變可能與AD認(rèn)知功能障礙有關(guān)。

綜上所述，本研究利用時(shí)頻分析理論，提取rs-fMRI低頻信號特征，并獲得了AD患者腦功能異常活動(dòng)區(qū)域。最終發(fā)現(xiàn)，在Slow-5頻段AD患者的左腦核間小葉、左腦枕葉舌回和右小腦后葉存在自發(fā)性腦功能紊亂，并與MMSE和CDR評分線性相關(guān)。這些區(qū)域涉及情感加工、視覺記憶和視空間執(zhí)行能力等功能，其異常活動(dòng)可部分闡述AD的神經(jīng)病理基礎(chǔ)，從而為進(jìn)一步采用時(shí)頻分析技術(shù)分析rs-fMRI數(shù)據(jù)提供了經(jīng)驗(yàn)依據(jù)。