腦網絡中不同負連接處理方法的重測信度研究

薛家玥，姚 蓉，牛 焱，陳則慈，相 潔

太原理工大學 信息與計算機學院，太原030600

1 引言

人腦是一個極其復雜的系統，可表征為一個由不同功能區域連接而成的功能網絡[1]。近些年來，靜息態功能磁共振成像（rs-fMRI）和圖論方法已經成為研究人腦

結構的有力工具[2-4]。許多研究表明，人腦的功能網絡會受到精神類疾病[5-6]、年齡[7-8]、性別[9]、智力[10]以及基因[11]等因素的影響。因此，探索功能網絡的內在機制和體系結構可以為深入了解人腦的結構和功能提供有價值的見解。

基于圖論的方法，人腦可以被建模為一個由一組節點和邊緣組成的復雜網絡[12]。近年來，復雜網絡的構建方法[13-17]層出不窮，并在許多與腦功能障礙相關的臨床診斷方面得到應用，如老年癡呆癥、精神分裂癥、兒童多動癥等[18-20]。此外，大多數研究采用線性或非線性的相關分析方法來構建人腦功能網絡[21-24]，如斯皮爾曼（Spearman）相關、肯德爾（Kendall）相關、皮爾遜（Pearson）相關、偏相關、希爾伯特黃（Hilbert-Huang）變換、最大信息系數（MIC）等，但上述研究在功能連接分析中總會引入負相關連接[25-26]。與正相關相比，血氧水平依賴（BOLD）信號的負相關研究還為之甚少，且負相關連接的存在會直接影響到腦功能網絡的拓撲結構[27]。

目前，腦功能網絡中的負相關仍未得到很好的表征，并且研究人員對負相關連接的處理方法仍存在很大分歧。Tian 等人[28]評估了在不同“任務背景”下同一被試每個大腦區域的負相關圖以及不同被試的負相關圖，發現運動和視覺皮層的負相關圖在不同的任務背景或不同的被試組之間存在很大差異，而聽覺皮層的負相關圖則表現相近。于洪麗等人[29]對腦網絡連接中的正相關、負相關分別進行了二值化分析，研究發現不同狀態下的相關系數矩陣分布具有相似性，距離越近相關系數越大，距離越遠相關系數越小，且距離較遠的腦區之間的相關系數出現負值，即負相關。值得注意的是，Chen等人[30]發現負功能連接與腦網絡的最短路徑長度顯著相關，而Parente等人[31]卻發現正相關網絡表現出比負相關網絡更高的網絡拓撲屬性值。此外，Shehzad 等人[32]發現與正相關網絡相比，加入負相關后腦功能網絡會表現出更高的可靠性，而Wang 等人[33]卻發現在腦網絡中加入負功能連接會降低全局網絡屬性的可靠性。

綜上所述，針對現有研究方法中對負相關連接理解不一致、結論不統一的現狀，本文首次基于四種節點定義策略和兩種負連接處理方法，分別用兩組公共數據集NYU-CSC 和IPCAS_1 來構建腦功能網絡，并進行不同稀疏閾值下的網絡拓撲結構分析，通過計算不同時間間隔的重測信度，期望找到可靠性高的屬性來評估功能網絡拓撲結構的差異。本研究發現負連接的不同處理方法會影響到腦功能網絡的拓撲結構，這不僅為負連接在腦功能網絡拓撲配置中的角色提供了一個新的認識，而且也為負相關的研究提供了一個新的視角。

2 數據與方法

2.1 數據采集與預處理

本實驗采用的數據來自于兩組公共數據集NYUCSC（New York University，Child Study Center，http：//www.nitrc.org/projects/nyu_trt）和IPCAS_1（Institute of Psychology，Chinese Academy of Sciences，http：//dx.doi.org/10.15387/fcp_indi.corr.ipcas1）。第一組數據集共有25 名健康被試，其中男性9 名，女性16 名，平均年齡30.7±8.8歲。第二組數據集共有29名健康被試，其中男性9名，女性20名，平均年齡20.93±1.72歲。

數據采集過程當中，所有被試均被要求保持放松并躺在Siemens Allegra 3.0-Tesla掃描儀中。第一組fMRI數據掃描參數：TR=2 000 ms；TE=25 ms；FA=90°；FOV=192 mm；掃描層數39層，體素大小=(3×3×3)mm3。結構MRI數據掃描參數：TR=2 500 ms；TE=4.35 ms；FA=8°；FOV=256 mm；反轉時間900 ms；掃描層數176層。每個被試均采取了三次靜息態掃描成像，其中第二次掃描和第三次掃描的掃描間隔為45 min，它們與第一次掃描的掃描間隔為5～16個月（平均11±4個月）。

第二組fMRI數據掃描參數：TR=2 500 ms；TE=30 ms；FA=90°；FOV=256 mm；掃描層數32 層，體素大小=(3×3×3)mm3。結構MRI數據掃描參數：TR=2 530 ms；TE=2.51 ms；FA=7°；FOV=256 mm；反轉時間1 100 ms；掃描層數128層。每個被試均采取了三次靜息態掃描成像，其中第一次掃描和第二次掃描的平均掃描間隔為29 min，它們與第三次掃描的平均掃描間隔為5～24天。

本實驗采用Statistical Parametric Mapping software（SPM8）和Data Processing Assistant for Resting-State fMRI（DPARSF）工具，并在Matlab2014a 上對圖像進行預處理。預處理流程為：去除所有fMRI圖像的前10個時間點；時間層校正；頭動矯正；使用Montreal Neurological Institute（MNI）模板進行空間標準化；使用6 mm半高全寬（MFWH）高斯核對標準化的圖像進行平滑；濾波（0.01～0.1 Hz）。

2.2 節點定義

網絡由節點和節點之間的邊所構成。為了研究不同節點定義策略對網絡重測信度的潛在影響，實驗采用了四種腦圖譜來構建腦功能網絡（圖1）。腦節點的劃分方法主要分為結構性劃分和功能性劃分。

Automated Anatomical Labeling（AAL）為一種基于結構性劃分的腦圖譜，定義了90 個解剖大腦區域[34]。另一種基于結構性劃分的腦圖譜Brainnetome（BN）是一個細粒度并進行了交叉驗證的腦圖譜，它包含了解剖和功能連接的信息，由210個皮層區和36個皮層下亞區組成[35]。基于功能性劃分腦圖譜有POWER 和HCP。POWER 由一組264 個假定的功能節點組成，這些節點被建模為直徑為10 mm的球，它們跨越大腦皮層和皮層下的結構[36]。HCP為一種基于皮層區域劃分的腦圖譜，有180個不同的區域對稱地排列在兩個腦半球之間，共劃分為360個腦區域[37]。

2.3 邊定義與網絡閾值化

圖1 網絡構建流程圖

在節點定義之后，從預處理后的圖像中提取每個節點的平均時間序列，對平均時間序列進行皮爾遜相關計算。通常情況下，腦網絡的構建具有明確的稀疏性，這是因為稀疏閾值保證了所有生成的網絡都具有相同的邊數，為網絡結構的拓撲分析提供了基礎。因此，本實驗選擇等間隔稀疏閾值范圍，其范圍從0.05到0.5，間隔為0.05。

為了考慮負連接對網絡產生的影響，根據網絡中對負連接處理方法的不同，本實驗將腦網絡劃分為正相關網絡（positive network）和絕對值網絡（absolute network）。其中，正相關網絡僅選取所有的正連接，即將負相關系數置為0，而絕對值網絡則選取所有的連接并取相關系數的絕對值。最后，基于所選連接構建加權網絡，在給定閾值下所存在的邊被賦值為相關系數，不存在的連接則均被賦值為0。

2.4 網絡屬性計算

實驗分析了兩組網絡拓撲屬性。全局網絡屬性：小世界特性（聚類系數Cp、特征路徑長度Lp、標準化的聚類系數γ、標準化的特征路徑長度λ 和小世界σ）、網絡效率（局部效率Eloc和全局效率Eg）、同配性r 、層次結構β、同步性S、模塊化Q 和模塊數量NM；局部節點屬性：介數中心度bi、節點度ki和節點效率ei。

2.5 重測信度

類內相關系數（Intra-Class Correlation，ICC）能定量表征兩次或多次測量間的一致性，常用來反映圖論屬性的重測信度。與先前的腦功能網絡研究一致[38-40]，為了考慮兩次測量中的所有變異因素，本實驗選用ICC(2,1)來評估兩次測量間的絕對一致性。其計算公式如下：

其中，MSλ為被試間均方，MSε為剩余均方，MSπ為掃描間均方，n 為被試的數量，k 為每個被試重復測量的次數。 ICC 值接近1 表示兩次掃描完全一致，而ICC值接近0（或為負值）則表示兩次掃描不一致。為了分析掃描時間間隔對腦功能網絡拓撲結構的影響，將第二次與第三次掃描之間重測信度定義為短期（short-term）重測信度，第一次與第三次掃描之間重測信度定義為長期（long-term）重測信度，并且所有的負值均被取值為0。

3 結果與分析

3.1 全局網絡分析

如圖2 所示為基于所有稀疏閾值下的12 組全局網絡屬性ICC 值。

從圖中可以看出，使用四組不同腦圖譜計算的Cp,Lp,Eloc,Eg均體現出較高的可靠性(mean ICC ＞0.6)，這表明小世界特性和網絡效率能很好地表征腦功能網絡的拓撲結構。此外，r 在AAL和BN上體現出更高的可靠性，β,S,Q 和NM的長期重測信度普遍低于短期重測信度，說明不同的節點定義策略和掃描間隔也會影響腦功能網絡的穩定性。值得注意的是，圖2中絕對值與正相關網絡之間的差異并不明顯，因此基于4組可靠性較高的全局網絡屬性(Cp,Lp,Eloc,Eg)，分析了絕對值網絡與正相關網絡的差異性。

為了提供與稀疏閾值無關的可靠性評估，實驗基于稀疏閾值的曲線下面積（AUC）做了進一步統計學分析。圖3 為絕對值網絡與正相關網絡在兩組數據中的配對樣本t 檢驗結果。結果顯示，絕對值網絡與正相關網絡在全局網絡屬性(Cp,Lp,Eloc,Eg)中均體現出不同程度的t 檢驗差異。具體來說，在長期掃描過程當中，僅基于AAL 腦圖譜的絕對值與正相關網絡無顯著性差異（NYU CSC：t=-1.636 75,p=0.388 ；IPCAS_1：t=0.871 25,p=0.582）；除Cp外，基于BN、POWER 和HCP腦圖譜的絕對值網絡ICC 值均低于正相關網絡ICC值，且在Eg中差異最為顯著（NYU CSC：BN：t=-2.336,

圖2 全局網絡屬性ICC 值

圖3 絕對值與正相關網絡差異圖(*:p ＜0.05;**:p ＜0.01;***:p ＜0.001)（NYU-CSC為第一組數據，IPCAS_1為第二組數據）

p=0.047；POWER：t=-5.395,p ＜0.001；HCP：t=-5.56,p ＜0.001；IPCAS_1：BN：t=-4.791,p ＜0.001；POWER：t=-4.576,p ＜0.001；HCP：t=-3.137,p=0.002）。在短期掃描過程當中，除基于BN腦圖譜的Lp外，絕對值網絡ICC 值均高于正相關網絡ICC 值，且差異顯著。

這與此前的研究發現一致[32-33]。然而，Parente 等人[31]雖然發現了正相關網絡中的網絡拓撲屬性優于負相關網絡，但研究并未發現負相關對正相關網絡以及其可靠性的影響，且實驗結果僅基于AAL腦圖譜，尚不可輕易推廣到其他節點定義策略。此外，龍雨涵等人[21]基于AAL腦圖譜構建了正常人的fMRI絕對值網絡，分析比較了三種相關分析方法的優劣性，Yu等人[41]利用圖索引復雜度（GIC）方法構建了阿爾茲海默癥患者和正常對照組的EEG 二值化網絡，發現正常對照組網絡拓撲屬性優于阿爾茲海默癥患者。值得注意的是，這些研究均基于單一的節點和邊緣處理方法去評估正常人以及精神類疾病患者的網絡拓撲結構，實驗結果不僅具有隨機性，還具有不可靠性。本實驗結果表明，相比于短期掃描，長期掃描可能導致腦功能網絡中出現更多的負連接，從而使絕對值網絡的功能拓撲結構發生變化而表現出較低的長期可靠性，也進一步說明負連接在腦功能網絡的拓撲分析中至關重要。此外，4組全局網絡屬性在BN、POWER 和HCP 腦圖譜中表現出更高的可靠性，這可能是由于AAL腦圖譜主要取決于結構像的解剖學特征，且與其他3 組腦圖譜相比劃分方法較為粗略，從而導致構建的腦功能網絡可靠性較低。

3.2 局部節點分析

基于全局網絡分析，實驗進一步計算了局部節點尺度上的拓撲結構可靠性。對于局部節點屬性，節點效率在絕對值與正相關網絡中存在更為顯著的差異和更優的可靠性。如圖4所示，實驗將ICC 劃分為3組不同的水平區間，其中ICC ≤0.4 表示可靠性低，0.4 ＜ICC ≤0.6 表示可靠性中等，ICC ＞0.6 表示可靠性高。結果顯示，節點效率的短期可靠性在絕對值網絡（mean ICC=0.564 8）中高于正相關網絡（mean ICC=0.462 5），相反長期可靠性在絕對值網絡（mean ICC=0.474 6）中低于正相關網絡（mean ICC=0.522 4）。此外，絕對值網絡短期重測信度普遍高于長期重測信度，這與全局網絡分析結果一致。

圖4 節點效率ICC 值

圖5 節點效率ICC 值比率圖

從節點效率可靠性的分布情況來看，絕對值和正相關網絡均具有高可靠性(ICC ＞0.6)的節點主要分布在體感與運動網絡（中央溝蓋、補充運動區、顳橫回和顳上回）和視覺網絡（距狀裂周圍皮層、舌回和枕中回）中。這表明受試者在靜息狀態下可能存在較少的外界刺激，從而導致部分體感與運動網絡和視覺網絡具有較少的信息傳遞并表現出較高的可靠性。此外，僅在絕對值網絡中具有高可靠性的節點主要分布在體感和運動網絡（中央前回、腦島、內側和旁扣帶腦回、緣上回和中央旁小葉）、視覺網絡（枕下回和梭狀回）、皮層下網絡（杏仁核）和默認模式網絡（眶部額下回、海馬、海馬旁回、顳中回和顳下回）中。值得注意的是，默認模式網絡是人類大腦認知功能所依賴的主要功能系統。當個體不受外部環境干擾時，默認模式網絡就會優先活躍，且腦區間的信息傳遞較為簡單。這就解釋了與正相關網絡相比，包含負連接的絕對值網絡可能會更加可靠地評估腦功能網絡的信息傳遞效率，從而在默認模式網絡中體現出高的可靠性。

為了更加清楚地反映絕對值和正相關對腦功能網絡拓撲結構的影響，計算了節點效率可靠性范圍的百分比（如圖5）。結果顯示，基于AAL 和BN 腦圖譜的絕對值網絡有超過一半的節點短期可靠性高（ICC ＞0.6，AAL：71.1%；BN：56%），而在正相關網絡中可靠性高的節點數卻不足一半。

4 結束語

本文采用不同的節點定義策略和負連接處理方法，對不同時間間隔下的腦功能網絡進行了可靠性評估。通過實驗發現小世界特性和效率表現出相對較高的可靠性；由于負連接的影響，絕對值網絡的全局網絡和局部節點屬性均表現出較低的長期可靠性；此外，不同的節點定義策略和掃描時間間隔可能對腦功能網絡的可靠性評估產生影響。實驗表明在構建腦功能網絡時，長期掃描可能會產生額外的負連接，并導致網絡的重測信度降低，這也意味著不能只通過正連接去評估腦功能網絡的拓撲結構，必須考慮負連接對網絡的影響。實驗結果證明了不同的負連接處理方法可能會影響到拓撲結構的分析與評判，為rs-fMRI的腦網絡研究提供了方法學基礎。