基于互信息的帕金森病腦皮層功能連接

湛慧苗， 曾宣威， 呂浩銨， 高軍峰

(中南民族大學生物醫學工程學院， 武漢 430074)

帕金森病 (Parkinson’s disease，PD)是最常見的神經退行性疾病之一，影響了1%～2%的65歲以上人群[1]。它是一種持續的神經系統疾病，由于產生多巴胺的神經元的缺失，影響運動和情緒的調節。其主要臨床特征是運動癥狀，如運動遲緩、靜止性震顫、肌肉僵直及姿勢平衡障礙等[2-3]。當出現明顯的運動癥狀時，可能大多數多巴胺能神經元已經丟失，癥狀也會逐漸惡化，嚴重影響患者生活質量[4]。因此，對帕金森病的早期診斷是十分重要的。

當前，帕金森病的診斷仍然依靠臨床[5]。只有當帕金森病患者有兩種或兩種以上的主要癥狀時，才會被臨床醫生診斷出來。而對沒有伴有明顯的體征或癥狀的早期PD患者，診斷可能會很困難[6]。由于觀察到明顯的運動特征和認知障礙差異十分困難，所以基于臨床癥狀的帕金森病早期診斷極具挑戰性[7]。另一方面，人們又發現帕金森病被診斷之前，會出現一些非運動癥狀，如認知障礙、睡眠障礙和自主神經功能障礙等[2]。確定帕金森病生物標志物的方法，可以對帕金森病進行更早的診斷和更加有針對性的治療，以減緩疾病的進程。各國研究人員一直在積極致力于識別PD的生物學標志物[8]。然而，目前沒有一個明確的生物標志物能夠準確地對早期的PD進行診斷[6]。

神經科學認為人腦是一個具有解剖和功能連接的網絡[9]。正常大腦功能的運行與這些連接密不可分，即使是簡單的感覺、運動和認知任務也依賴于許多大腦區域之間相互連接的精確協調[10-11]。有研究發現，帕金森病等神經障礙與振蕩反應的功能連接性改變有關[12]。功能連接性是衡量兩個腦區解剖分離與否的神經元活動的時間依賴性，通過功能連接性的研究去分析這些單一的功能連接，這將有助于作為評估帕金森病的一個可能的標志物。

在眾多神經信號的分析研究工具中，腦電圖具有巨大的優勢，可以非侵入性地研究大腦神經元信號的振蕩及不同腦功能區的功能連接，而且時間分辨率高，價格相對廉價。腦電信號被認為是神經元和突觸完整性的功能標記，可能對神經退行性疾病之前的結構改變敏感。在帕金森病研究中，利用腦電圖數據對大腦區域之間的功能連接已經有了廣泛地研究。Yuvaraj等[13]利用雙譜功能連接指數研究了無癡呆PD患者情緒狀態分類時大腦功能連接模式的變化，并表明功能連接指數的下降表明PD腦皮層區域之間的功能斷開。Hassan等[14]用鎖相值方法計算了6個頻帶的功能連接性，發現功能連接性伴隨著PD患者認知功能的惡化而逐漸下降。Cai等[15]采用去偏加權相位滯后指數計算功能連接值，發現功能連接模式的改變有可能成為診斷PD患者認知障礙的可靠生物標志物。Mano等[16]使用腦電信號相干性分析對有認知功能障礙的PD患者的腦功能連接進行研究，發現其認知障礙的程度與α頻段內的連接性降低有關。近年來，一些研究采用有關熵的非線性分析方法，如近似熵[17]、排列熵[18]，發現PD患者大腦復雜性顯著改變。由于非線性分析方法相較于線性分析方法更適用于分析與處理像大腦信號這樣的典型的非平穩信號，并能更好地描述復雜系統的行為。互信息是信息論中的一個概念，屬于非線性功能連接方法，它可以精確地測量兩個時間序列之間的信息傳遞，截至目前，它已被廣泛應用于神經系統疾病的研究中，如癲癇[19]、阿爾茲海默病[20]和精神分裂癥[21]。但在對帕金森病領域，該方面的應用還未見報道。

綜上，現利用標準低分布率電磁斷層成像(standardized low resolution brain electro-magnetic tomography，sLORETA)溯源方法，將頭皮記錄的腦電(electroencephalography，EEG)信號轉換為具有同等時間分辨率的皮層源信號，應用互信息方法分析大腦功能性連接。目的是通過分析PD患者的大腦功能性連接，并與健康對照組進行比較，分析研究基于互信息的功能連接方法對帕金森病早期診斷方面的可能性。

1 方法

為了研究帕金森病腦功能連接，采用基于互信息的功能連接方法分析研究帕金森病患者和健康對照組的腦皮層功能連接，并對兩組人之間有差異的連接邊進行進一步分析，驗證該方法的有效性。研究方法的流程圖如圖1所示。

圖1 基于互信息的帕金森病腦皮層功能連接研究流程圖Fig.1 Schematic illustration of the proposed method

1.1 數據描述

在Narayanan實驗室公開數據庫獲取27名PD患者和27名健康對照組的靜息態腦電數據[22]。其中27名PD患者腦電數據是在未服藥物治療期間記錄的，即最后一次多巴胺能藥物代謝12 h過夜后記錄。健康對照組與PD患者的年齡和性別在人口學上匹配，并在教育程度或病前的智力方面沒有差異。實驗所有程序均由新墨西哥大學機構審查委員會辦公室批準，所有參與者都簽署了書面知情同意書。PD患者在服用藥物的狀態下完成神經心理學和問卷評估，并由神經科醫師負責帕金森病評定量表的運動評分。對該數據的相關研究見文獻[23-24]。

1.2 腦電記錄及預處理

采用64通道腦電系統，在線參考CPZ電極，使用Ag/AgCl電極記錄0.1～100 Hz范圍內的腦電信號，采樣率為500 Hz。所獲取到的每個受試者腦電圖記錄包括一個閉眼狀態和一個睜眼狀態。僅采用了閉眼狀態的腦電數據，其中數據的形式是每個通道的對應兩組人的數據。通過MATLAB軟件提取出兩組共54人腦電數據，每人的腦電數據形式為通道數×采樣點。由于部分受試者的腦電信號偽影過大，最終選取腦電信號質量較好的受試者，即15名帕金森病患者和15名健康對照者。使用MATLAB軟件中的EEGLAB工具箱[25]對腦電信號進行濾波、基線校正、去偽跡等操作，選取0.5～50 Hz帶通濾波對腦電數據進行濾波，采用獨立成分分析識別并去除偽影，如眼球運動、心臟活動和頭皮肌肉收縮。最后選取40 s無偽影的腦電信號進行分析。

使用sLORETA軟件對預處理后的頭皮腦電信號進行溯源，獲得源重構的時間序列。重建的時間序列被投射到由布羅德曼圖譜[26]定義的感興趣區域(regions of interest，ROI)上，在ROI內體素的時間序列被平均后用于功能連接分析。為了減少分析復雜度，重點分析幾個大腦主要區域之間的連接情況，選取了由額葉、中央、顳葉、頂葉和枕葉布羅德曼區域(Brodmann areas，BA)合并而成的10個ROI，分別對左、右半球進行分組，定義如下：中央區(BA1、BA2、BA3、BA4、BA6)；額區(BA8、BA9、BA10、BA11、BA44、BA45、BA46)；頂葉區(BA5、BA7、BA30、BA39、BA40、BA43)；枕葉區(BA17、BA18、BA19)；顳葉區(BA20、BA21、BA22、BA38)。

1.3 互信息計算

互信息(mutual information, MI)是在信息論背景下提出，衡量隨機變量間獨立性的指標之一[27]。它可以用于估計從一個隨機變量觀察另一個隨機變量所獲得另一個隨機變量的信息量[28]。用MI來衡量各個導聯采集的腦電信號之間的信息傳遞情況，就可以反映兩導聯信號之間的關聯程度。

如果對一個導聯X上的信號采樣后有N個時間點，則其時間序列為X={x1,x2,…,xN}，對應的概率分布為{px1,px2,…,pxN}。同理，另一個導聯Y上的信號其時間序列為Y={y1,y2,…,yN}，其對應的概率分布為{py1,py2,…,pyN}。兩個導聯之間時間序列的聯合概率分布即為pxy(xi,yj)。根據香農熵[29]的定義，X和Y的腦電信息熵為

(1)

(2)

兩個導聯X和Y之間信號的聯合熵為

(3)

最后，兩個導聯X和Y之間信號的互信息可定義為

MI(X,Y)=H(X)+H(Y)-H(X,Y)

(4)

當兩個導聯之間信號信息傳遞完全無損耗時，MI具有最大值；當兩個導聯之間信號的信息傳遞完全獨立時，MI為零。使用HERMES工具箱[30]將每個受試者的40 s腦電圖數據劃分為每段4 s的長度，并用疊加50%的窗口進行互信息值計算。之后，每個受試者獲得到19個10×10的互信息值的對稱矩陣，再對19個連續片段的互信息值矩陣進行平均。最終，得到每個受試者10×10的互信息值的連接矩陣。

1.4 統計分析及分類

對每個受試者10×10的互信息連接矩陣，取其上三角元素，得到每個受試者的45個互信息值。在進行統計分析之前，確定互信息值的正態分布。然后對PD組和健康對照組之間的每個互信息值進行獨立樣本t檢驗，計算統計學顯著差異性。

為了檢驗上述過程得到的顯著差異連接對的有效性，將具有顯著差異的連接對的互信息值作為特征向量，進行分類。XGBoost[31]是一種融合多個弱分類器進而演化成強分類器，其計算復雜度低，運行速度快、準確度高。因此，選取XGBoost分類器進行分類。采用嵌套交叉驗證[32]對于分類器的訓練，其整個過程包含兩個循環，即外層循環和內層循環。外層循環使用5折交叉驗證，將全部受試者數據分為5折，在每折中，將1折數據作為測試集，剩余4折數據作為訓練集。訓練集數據用于內層循環尋找最佳超參數模型，測試集數據對內層循環模型測試。內層循環使用7折交叉驗證，在每折計算中都將6折數據作為子訓練集，剩余數據作為驗證集。在該過程中，應用不同參數組合，使用子訓練集訓練分類器，接著用驗證集對訓練出的分類器進行驗證。當驗證準確率最高時，可以獲得具有最佳參數組合的分類器，再將測試集送入該分類器中，得到測試準確率。最后，將5折計算得到的測試準確率取平均值得到最后的分類準確率。

2 結果

圖2為兩組受試者的歸一化后的總平均互信息矩陣。可知，與健康對照組相比，健康對照組與PD患者的互信息矩陣存在明顯差異，即PD患者的互信息矩陣值整體明顯低于健康對照組。為了進一步度量兩組受試者腦電信號之間信息傳遞的差異，對PD患者組和健康對照組之間每個連接邊的互信息值進行獨立樣本t檢驗，并選擇具有顯著差異的連接邊進一步分析。圖3中顯示了兩組連接邊之間統計差異為P<0.05的20個連接邊歸一化后的互信息值，其中星號(*)標注出來的是統計差異為P<0.01的8個連接邊。同時，可以看出所有顯著差異的連接邊均是PD患者小于健康對照組。

*表示顯著差異為P<0.01的連接邊圖3 顯著差異P<0.05連接邊歸一化的平均MIFig.3 Normalized average MI of connection edge with significant difference P<0.05

CR和CL為右(R)和左(L)半球的中央區；FR和FL為右(R)和左(L)半球的額葉區；PR和PL為右(R)和左(L)半球的頂葉區；OR和OL為右(R)和左(L)半球的枕葉區；TR和TL為右(R)和左(L)半球的顳葉區圖2 歸一化后的平均互信息連接矩陣Fig.2 The normalized average mutual information connection matrix

同時，為了更加直觀地展示健康對照組和PD患者顯著差異邊的分布情況，將具有顯著差異的連接邊通過腦連接圖刻畫出來。圖4(a)和圖4(b)中可以看出，在P<0.05下，PD患者整體大腦區域之間的連接顯著低于正常對照組；圖5(a)和圖5(b)中可以看出，在P<0.01下，PD患者在額頂葉之間以及頂枕葉之間的連接降低得更為顯著。另外，計算大腦區域之間具有顯著差異連接邊的占比。如圖4(c)所示，在P<0.05下，共有20條顯著差異連接邊，其中占比最多的是頂枕葉(15%)，中央和枕葉(15%)；如圖5(c)所示，在P<0.01下，共有8條差異更為顯著的連接邊，其中占比最多的是頂枕葉(25%)，額頂葉(25%)。這些表明，與健康對照組相比，PD患者整體大腦區域之間信息交流減少，尤其在頂枕葉和額頂葉之間表現地更為顯著。

F為額葉；T為顳葉；P為頂葉；C為中央；O為枕葉；CR和CL為右(R)和左(L)半球的中央區；FR和FL為右(R)和左(L)半球的額葉區；PR和PL為右(R)和左(L)半球的頂葉區；OR和OL為右(R)和左(L)半球的枕葉區；TR和TL為右(R)和左(L)半球的顳葉區圖4 顯著差異為P<0.05時，帕金森病患者組和健康對照組的腦連接圖及區域之間連接邊占比Fig.4 Brain connectivity for PD and HC and the proportion of connection edges between regions when significant difference was P<0.05

F為額葉；T為顳葉；P為頂葉；C為中央；O為枕葉；CR和CL為右(R)和左(L)半球的中央區；FR和FL為右(R)和左(L)半球的額葉區；PR和PL為右(R)和左(L)半球的頂葉區；OR和OL為右(R)和左(L)半球的枕葉區；TR和TL為右(R)和左(L)半球的顳葉區圖5 顯著差異為P<0.01時，帕金森病患者組和健康對照組之間的腦連接圖及區域之間連接邊占比Fig.5 Brain connectivity for PD and HC and the proportion of connection edges between regions when significant difference was P<0.01

將P<0.01下的8條連接邊作為特征向量，送入XGBoost分類器中訓練及測試。最終，得到區分帕金森病和健康對照組測試的準確率為76.7%，靈敏度和特異度分別為80%和73.3%，如表1所示。分類結果基本上驗證了這些顯著差異邊的有效性。

表1 XGBoost分類結果Table 1 XGBoost classification results

3 討論

通過溯源獲得ROI區域的腦電數據，并利用互信息研究兩組受試者ROI區域之間連接性的差異。結果表明，與健康對照組相比，PD患者的互信息值整體較低，這顯示出帕金森病與廣泛的大腦區域連接降低有關。利用互信息分析研究帕金森病的腦功能連接特性，為帕金森病的神經機制研究及早期診斷提供了一個新的途徑。

PD患者大腦5個區域之間的互信息值整體上比健康對照組低，而健康對照組大腦5個區域之間的信息交流相較于PD患者表現為較強的信息交換，這表明PD患者大腦5個區域之間的信息交流減少及功能連接降低。帕金森病的腦磁圖相關研究表明帕金森病會隨著時間的推移會繼續發展，全腦的效率也會下降[33]。推測大腦整體的信息交流的減少預示著PD患者大腦區域連接整體的斷開及其疾病的進一步惡化。

還發現兩組之間大腦功能連接在額頂葉之間以及頂枕葉之間表現出更為顯著的差異。PD患者通常會更先受非運動癥狀的影響，非運動癥狀常表現為冷漠、抑郁、嗅覺喪失和認知障礙等。額頂葉之間的連接與工作記憶有關[34]，PD患者額頂葉之間的連接顯著降低，可能表明PD患者在工作記憶方面的能力下降，導致其對復雜的認知任務如語言理解、學習和推理等信息處理能力也相應地減弱。這表明額頂葉之間的連接減少與PD患者認知缺陷的存在有關。此外，額-頂-枕網絡中的局部信息流與鎮靜水平有關[35]。其他非運動癥狀如嗅覺障礙與額頂葉區皮質功能連接降低有關[36]。因此，PD患者出現的一些非運動癥狀與額-頂-枕網絡中的局部信息交流的減弱相關。同時，頂枕葉網絡負責監督視覺和感覺的整合，處理大腦獲取的信息，并將其納入運動執行程序中。PD患者頂枕葉之間的連接顯著降低可能預示著，在復雜的運動執行控制過程中，其運動和視覺系統之間緊密的相互作用出現了障礙，這也是PD疾病進程中的核心神經病理學特征之一[37]。正電子發射斷層掃描也表明該區域發生了變化，該研究顯示與健康對照組相比，無癡呆的PD患者雙側枕葉和后頂葉皮層的腦血流量顯著降低[38]。在PD步態凍結研究中發現，出現步態凍結的PD患者在前額葉和頂枕葉皮質中的齒狀核功能連接比健康對照組更低[39]。由此推測，頂枕葉之間的功能連接降低可能導致PD的一些運動障礙。

總之，通過分析PD患者與健康對照組大腦5個區域之間的功能連接性，發現PD患者大腦5個區域之間功能連接減弱，特別是額頂葉和頂枕葉之間功能連接性更為顯著地減弱，與PD患者臨床癥狀密切相關，表明這些大腦區域之間功能連接的異常是導致PD患者運動和非運動功能障礙的原因之一，為帕金森病的神經機制研究提供新的認識。此外，利用顯著差異連接邊進行分類，最后分類準確率為76.7%，基本上驗證了將互信息作為功能連接計算指標對帕金森病研究的有效性，同時說明該方法對于帕金森病的篩查具有可行性。然而未來還需要用更大的樣本數據對其可信度及有效性等進行驗證。

4 結論

基于互信息對帕金森病患者的腦電功能連接進行研究，得到帕金森病患者額頂葉和頂枕葉之間功能連接性的顯著降低，并將其顯著差異連接邊作為特征進行分類，準確率為76.7%，基本驗證了將互信息作為功能指標研究帕金森病的有效性。同時，還表明了額頂葉和頂枕葉之間功能連接性的降低可能是帕金森病的一個潛在生物標志物。