基于諧波分析法觀察抑郁癥患者腦網(wǎng)絡(luò)形態(tài)學(xué)改變

徐 凱,郭志明,曾亞偉,鄭 冬,吳艷坤,李 科

(1.戰(zhàn)略支援部隊特色醫(yī)學(xué)中心放射診斷科,3.醫(yī)研部,北京 100101;2.北京大學(xué)第六醫(yī)院北京大學(xué)精神衛(wèi)生研究所精神藥理研究室,北京 100191)

抑郁癥(depressive disorder, DD)屬情緒障礙,常引起持續(xù)悲傷和興趣減退,發(fā)病率逐年升高[1-3]。目前臨床主要通過對相關(guān)癥狀進行主觀評價而診斷DD,缺乏客觀診斷方法[4]。MRI能反映大腦形態(tài)結(jié)構(gòu)變化,為診斷顱腦疾病提供客觀依據(jù);基于顱腦MRI構(gòu)建腦網(wǎng)絡(luò)形態(tài)學(xué)特征以協(xié)助診斷DD為當(dāng)前研究熱點[5]。基于拉普拉斯矩陣特征分解的諧波分析是分析圖像信號頻域特性的全新手段,能反映腦網(wǎng)絡(luò)形態(tài)學(xué)改變;觀察DD患者大腦形態(tài)學(xué)特征諧波變化有助于更好地理解DD腦網(wǎng)絡(luò)形態(tài)學(xué)改變[6-7]。本研究評估基于諧波分析法觀察DD患者腦網(wǎng)絡(luò)形態(tài)學(xué)改變的可行性。

1 資料與方法

1.1 研究對象 回顧性收集2012年12月—2015年6月北京大學(xué)第六醫(yī)院55例DD患者(DD組),男25例、女30例,年齡27～62歲、平均(41.0±8.1)歲;均符合《美國精神障礙診斷與統(tǒng)計手冊》(diagnostic and statistical manual of mental disorders, DSM)第4版DD診斷標(biāo)準(zhǔn),且漢密爾頓抑郁量表24項(Hamilton depression scale-24, HAMD-24)評分≥22。排除伴精神病性癥狀、有重大軀體疾病或顱腦外傷史、聽視力障礙、MR檢查禁忌證等。以同期46名性別及年齡與DD組相匹配的健康成人志愿者為正常對照(normal control, NC)組,男20名、女26名,年齡26～62歲、平均(41.4±9.4)歲。本研究經(jīng)院倫理委員會批準(zhǔn)[(2014)倫審第(7)號],檢查前受試者均簽署知情同意書。

1.2 儀器與方法 采用Siemens MAGNETOM Trio 3.0T超導(dǎo)MR儀、8通道標(biāo)準(zhǔn)相控陣頭部線圈掃描頭部。囑受試者佩戴耳機,固定其頭部;以3D磁化準(zhǔn)備快速梯度回波序列采集全腦矢狀位高分辨率T1WI,TR 2 300 ms,TE 2.98 ms,TI 900 ms,矩陣256×256,FA 9°,FOV 256 mm×240 mm,層厚1.0 mm,層間距0.5 mm,層數(shù)176,體素1.0 mm×1.0 mm×1.0 mm,采集時間6 min 56 s。

1.3 圖像分析

1.3.1 獲取腦網(wǎng)絡(luò)形態(tài)學(xué)特征 采用FreeSurfer軟件(5.3.0版)對高分辨率T1WI行預(yù)處理;之后以Desikan-Killiany模板將大腦皮層分為68個分區(qū)ROI,提取各ROI的形態(tài)學(xué)特征,包括腦區(qū)頂點數(shù)、表面積、灰質(zhì)體積、平均皮層厚度、高斯曲率及折疊指數(shù)等,獲得受試者特征矩陣;對每種特征矩陣行Z-score歸一化,之后以Pearson相關(guān)系數(shù)分析各兩兩ROI之間特征構(gòu)成向量的相關(guān)性,以其相關(guān)系數(shù)作為腦網(wǎng)絡(luò)連邊的權(quán)重(保留權(quán)重正負(fù)),由此得到個體68×68腦網(wǎng)絡(luò)形態(tài)學(xué)特征。將受試者腦網(wǎng)絡(luò)形態(tài)學(xué)特征轉(zhuǎn)換為Z值,取平均值,獲得組水平腦網(wǎng)絡(luò)形態(tài)學(xué)特征Z值。

1.3.2 構(gòu)建公共諧波 以組水平腦網(wǎng)絡(luò)形態(tài)學(xué)Z值作為群體公共腦模板,計算其拉普拉斯矩陣并對其進行特征分解,得到特征值和特征向量;對特征值從小到大依次進行排序,對特征向量進行重排,得到形態(tài)學(xué)特征公共諧波,維度為68×68。

1.3.4 比較灰質(zhì)體積 利用FreeSurfer工具構(gòu)建不同腦區(qū)灰質(zhì)體積,采用t檢驗進行組間比較,獲得組間灰質(zhì)體積存在差異腦區(qū)的分布圖。

1.4 統(tǒng)計學(xué)分析 采用SPSS 23.0統(tǒng)計分析軟件。以±s表示計量資料,行獨立樣本t檢驗。以χ2檢驗比較計數(shù)資料。P<0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 一般資料 2組受試者年齡(t=-0.18,P=0.86)及性別(χ2=0.04,P=0.84)差異均無統(tǒng)計學(xué)意義。

2.2 形態(tài)學(xué)特征總諧波能量 組間腦區(qū)頂點數(shù)(t=0.21,P=0.83)、表面積(t=0.18,P=0.86)、灰質(zhì)體積(t=-0.35,P=0.72)、平均皮層厚度(t=-1.19,P=0.24)、高斯曲率(t=-1.16,P=0.25)、折疊指數(shù)(t=-0.77,P=0.44)總諧波能量差異均無統(tǒng)計學(xué)意義。見圖1。

圖1 DD組與NC組形態(tài)學(xué)特征總諧波能量比較的小提琴圖 A.腦區(qū)頂點數(shù); B.表面積; C.灰質(zhì)體積; D.平均皮層厚度; E.高斯曲率; F.折疊指數(shù)

2.3 形態(tài)學(xué)特征諧波能量 組間特定諧波能量差異有統(tǒng)計學(xué)意義(P均<0.05),包括腦區(qū)頂點數(shù)諧波能量差異為第2、6、15、44及57諧波,表面積諧波能量差異為第2、6、16及57諧波,灰質(zhì)體積諧波能量差異為第2、12、13、15及57諧波,平均皮層厚度諧波能量差異為第2、19、35、36及44諧波,高斯曲率諧波能量差異為第34、40、54及57諧波,以及折疊指數(shù)諧波能量差異為第5、16、21及57諧波。見圖2。

圖2 DD組與NC組形態(tài)學(xué)特征所在分諧波能量差異圖 A.腦區(qū)頂點數(shù); B.表面積; C.灰質(zhì)體積; D.平均皮層厚度; E高斯曲率; F折疊指數(shù) (*:表示組間分諧波能量差異有統(tǒng)計學(xué)意義)

2.4 灰質(zhì)體積 DD組左腦區(qū)顳橫皮質(zhì)區(qū)域灰質(zhì)體積顯著大于NC組(t=2.900,P=0.004)。見圖3。

圖3 DD組與NC組灰質(zhì)體積存在差異腦區(qū)的分布圖 (色帶代表t值,紅黃色代表正值,藍(lán)綠色代表負(fù)值)

3 討論

目前DD發(fā)病機制尚不明確,臨床主要依據(jù)DSM相關(guān)標(biāo)準(zhǔn)通過主觀判斷診斷DD[8]。DD具有較強異質(zhì)性,臨床表現(xiàn)復(fù)雜,往往影響診斷[9-10];臨床迫切需要客觀、準(zhǔn)確的診斷DD方法[11]。MRI可顯示腦組織體積及結(jié)構(gòu)改變、反映腦內(nèi)功能活動變化;基于顱腦MRI診斷DD具有可行性[12-13]。

在振動學(xué)中,振動產(chǎn)生基波和諧波,前者指具有一定頻率、振幅最大的正弦波,后者則指頻率高于基波的小波。ATASOY等[6]報道,拉普拉斯特征系統(tǒng)能反映大腦神經(jīng)活動,對腦網(wǎng)絡(luò)拉普拉斯矩陣進行特征分解后重新排序,可得到該腦網(wǎng)絡(luò)的諧波,且諧波兩兩正交,可用于重建大腦神經(jīng)改變的空間模式。大腦疾病的空間模式變化受大腦網(wǎng)絡(luò)變化的影響,故諧波變化能反映腦網(wǎng)絡(luò)結(jié)構(gòu)改變;以諧波分析法研究大腦疾病腦網(wǎng)絡(luò)結(jié)構(gòu)有助于更好地了解疾病發(fā)展。CHEN等[14]于開源ADNI數(shù)據(jù)庫中選取35名NC、24例輕度認(rèn)知障礙和35例阿爾茨海默病(Alzheimer disease, AD)患者,基于其顱腦MRI構(gòu)建公共諧波,分析其皮層厚度相關(guān)諧波的變化,發(fā)現(xiàn)在多數(shù)諧波頻帶中,NC組皮質(zhì)厚度相關(guān)諧波能量高于AD組,表明AD患者腦結(jié)構(gòu)性萎縮更為嚴(yán)重,而應(yīng)用諧波分析腦部疾病具有可行性。

腦灰質(zhì)體積改變是評估DD所致器質(zhì)性改變的客觀指標(biāo)[15]。本研究納入55例DD患者及46名NC,對個體腦網(wǎng)絡(luò)進行平均,得到組水平腦網(wǎng)絡(luò),以之作為群體公共腦網(wǎng)絡(luò),對其拉普拉斯矩陣進行特征分解,構(gòu)建群體公共諧波;再經(jīng)Z-score歸一化,以降低不同形態(tài)學(xué)特征量級差異的影響;最后分析6種形態(tài)學(xué)特征諧波能量,發(fā)現(xiàn)DD組與NC組間公共諧波總能量差異無統(tǒng)計學(xué)意義,但6種形態(tài)學(xué)特征的分諧波能量差異均有統(tǒng)計學(xué)意義,且主要集中于較低和較高諧波頻域;進一步對比分析組間腦灰質(zhì)體積,發(fā)現(xiàn)DD患者左腦區(qū)顳橫皮質(zhì)區(qū)域灰質(zhì)體積顯著大于NC,表明其可能為DD患者特定諧波能量發(fā)生改變的來源。上述研究結(jié)果提示,諧波分析法可用于評估DD患者大腦形態(tài)學(xué)特征諧波變化,進而觀察其腦網(wǎng)絡(luò)形態(tài)學(xué)改變。

綜上所述,以諧波分析法觀察DD患者形態(tài)學(xué)腦網(wǎng)絡(luò)改變具有可行性,有助于診斷DD及鑒別診斷。

利益沖突:全體作者聲明無利益沖突。

作者貢獻(xiàn):徐凱研究實施、圖像處理、圖像分析、統(tǒng)計分析、撰寫及修改文章;郭志明和吳艷坤撰寫及修改文章;曾亞偉研究實施、統(tǒng)計分析、圖像處理及圖像分析;鄭冬審閱文章;李科查閱文獻(xiàn)、指導(dǎo)、研究設(shè)計、審閱文章、經(jīng)費支持。