基于CiteSpace和VOSviewer分析fMRI在認知功能研究中的應用

曹原，高希言,，褚文明，李世永，吳瓊，李海平

1.河南中醫藥大學第三附屬醫院 康復科，河南 鄭州 450046;2.河南中醫藥大學 針灸推拿學院，河南 鄭州 450046

引言

功能磁共振成像（Function Magnetic Resonance Imaging，fMRI）是一種實用性強、空間分辨率高、非侵入性的腦功能可視化新技術[1-2]，可通過測量神經活動增強后血流動力學變化來研究大腦功能，被廣泛應用于精神、心理、感知學領域，是目前認知神經科學主要的研究手段之一[3-4]。根據采集時受試者是否需要完成認知任務可將fMRI 分為靜息態和任務態，靜息態磁共振采集方便，影響因素少，受試者依從性高，被廣泛應用于臨床中；任務態因受任務的局限，在臨床應用較少，只在細化研究腦區功能或某種刺激的作用機制時較常被采用[5]。

認知功能是人腦加工、儲存和提取信息的能力，包括感覺、知覺、注意、記憶、思維、理解、判斷等一系列基本的過程[6-7]。當參與感覺、記憶等認知相關腦區的結構和功能異常時，可能導致出現各種認知功能障礙。fMRI 通過檢測大腦神經元活動來觀察生理或病理條件下腦功能區的激活以及腦功能網絡連接情況，從而反映各腦區的認知加工過程，投射大腦高級思維活動，且掃描儀技術、圖像采集技術、實驗設計和分析方法的進步，有望推動fMRI 從單純的圖像學發展到專門針對大腦機制的真正研究。

近年來，一些研究表明在神經衰弱、癔癥、疑癥、更年期綜合征、抑郁癥、強迫癥、老年性癡呆、精神分裂癥、躁狂癥等多種疾病中均存在認知功能受損的情況[8]。探索大腦認知加工過程，發現認知受損腦區，研究干預認知障礙新方法是當前研究中的熱點及難點。本研究采用CiteSpace 和VOSviewer 對2012—2022年CNKI 和Web of Science 核心集數據庫中關于fMRI 在認知功能研究中應用的文獻歸納總結并進行可視化分析，以了解fMRI 在認知功能領域的研究進展、熱點趨勢以及未來發展方向，以期為今后的研究提供輔助與參考。

1 資料與方法

1.1 數據收集

Web of Science數據庫使用“主題”檢索，主題1=“fMRI” OR “BOLD-fMRI” OR “rs-fMRI” OR “task fMRI” OR “MRI” OR “Functional Magnetic Resonance Imaging” OR “Magnetic Resonance Imaging” OR “Functional Imaging” OR “neuroimaging” OR “functional neuroimaging” OR “functional MRI” AND 主題2=“cognitive function” OR “cognitive impairment” OR “cognitive disorder”。時間設定為2012年1月1日至2022年7月31日，文獻類型限制為“Article”，語言類型設置為“English”。在CNKI中使用高級檢索功能，檢索（功能磁共振成像OR磁共振成像OR血氧水平依賴OR靜息態OR任務態OR功能成像）AND（認知功能OR認知障礙OR認知損害），時間設定為2012年1月1日至2022年7月31日。篩除研究中未涉及fMRI掃描的序列，如僅使用傳統T1加權像、會議通知、經驗以及理論探討的文章，對于重復發表的論文只選取最早發表的那一篇，最終納入研究的有Web of Science相關文獻10056篇，CNKI相關文獻1220篇。篩選流程如圖1所示。

圖1 文獻篩選流程圖

1.2 數據處理

對檢索到的中、英文文獻以文本格式和Refworks 格式導入CiteSpace 6.1.R2 和VOSviewer 1.6.18 進行分析。CiteSpace 時間跨度設置為2012—2022年；時間切片設置為1年；節點類型分別設置為“Country”“Institution”“Keyword”“Reference”；剪切方式設置為“Pruning”“Pruning sliced networks”“Pruning the merged network”。

1.3 分析方法

VOSviewer 是由荷蘭學者Nees JVE 與Ludo W 共同開發的一款可用于處理大量數據、構建相互關系網絡和進行可視化分析的文獻計量軟件[9]。CiteSpace 是一款由陳超美教授研發，可對某個領域內的所有科研文獻進行可視化呈現的軟件[10]。VOSviewer 可操作性強，對作者分析的結果直觀且可靠，CiteSpace 軟件更新快，分析類型多樣化，能對關鍵詞進行突現和時間線分析，兩大軟件各有優勢與特色[11]。本文使用VOSviewer 對作者合作關系進行可視化分析，使用CiteSpace 對國家/地區、機構、被引頻次、關鍵詞進行可視化分析。

2 可視化分析

2.1 發文量分析

文獻數量可衡量學科領域的研究變化情況和發展趨勢。往年的文獻發布數量可以直觀地體現fMRI 在認知領域應用的發展情況，利用Excel 對CNKI 和Web of Science 中使用fMRI 研究認知功能領域的發文量進行統計（圖2），發現發文量呈逐年上升趨勢，fMRI 在認知領域的應用得到了持續的關注；年度中、英文文獻發文量有較大的差距，Web of Science 發文量和增長趨勢均明顯超出CNKI，說明英文文獻對于該領域的研究水平較高。

圖2 2012—2022年fMRI在認知功能研究發文量統計

2.2 發文國家/地區分析

文獻的國家/地區分析可反應該國家/地區在這一領域研究的活躍程度、技術創新能力以及與其他國家合作的密切程度。Web of Science 發文量和中心性排名前5 位的國家/地區如表1所示。國家/地區間合作的緊密程度分析如圖3所示，節點數N=86，連線數E=99。在2012—2022年間，fMRI 在認知領域研究中發文量最高的是美國，但中心性最高、國際影響力最大的是英國；我國發文量排名第2，中心性排在第3 位，說明我國在該領域的英文文獻研究具有一定深度以及國際影響力，但是還有待提升。

表1 Web of Science發文量和中心性排名前5位的國家/地區

圖3 Web of Science文獻國家/地區合作關系網絡

2.3 發文作者分析

研究者通常是在各自所研究的領域與合作者共同找到研究的創新點，因此，研究作者之間的合作關系，有助于深挖某一領域的學術前沿動態和研究視角。采用VOSviewer 對國內外作者合作關系進行可視化分析。CNKI 文獻作者合作網絡如圖4a所示，有張玉梅和盧光明兩大合作團隊，張玉梅來自首都醫科大學附屬北京天壇醫院；盧光明來自南京大學醫學院附屬金陵醫院（東部戰區總醫院）放射診斷科。張玉梅團隊主要研究腦白質病變引起的認知功能障礙fMRI[12-14]；盧光明團隊主要研究方向為青少年情感障礙疾病fMRI[15-17]。各團隊內部聯系緊密。

圖4 作者合作關系網絡

Web of Science 文獻作者合作網絡如圖4b所示。作者之間形成了多個團隊，各團隊內部合作緊密，且交叉合作緊密。Vince Calhoun 團隊從事人工智能研究，致力于通過大腦成像數據實現對自閉癥、精神分裂癥和阿爾茲海默癥等精神疾病的早期診斷[18]；Massimo Filippi 團隊主要利用fMRI 進行以多發性硬化癥為主的疾病研究[19]；Dinggang Shen 團隊主要從事人工智能軟件開發以及技術支持[20]。

2.4 發文機構分析

發文機構合作網絡可反映機構間科研力量的分布情況和知識流動狀況[21]。對CNKI 文獻以機構為節點進行分析，N=326，E=195，見圖5a。合作機構共同發文量可視化圖譜如圖5b所示。發文量排名前5 位的機構和共同發文量排名前5 位的合作機構如表2所示。發文量最多的機構為首都醫科大學宣武醫院，其神經內科與放射科均發文19 篇，在該領域內具有較強的影響力。從合作網絡上看，各機構間聯系不緊密，多為學校附屬醫院的放射科、神經內科之間的合作，各機構間缺少跨省份、跨地區的合作；從共同發文量可視化圖譜看，以首都醫科大學為平臺，其下轄各醫院、研究機構形成了較緊密的合作關系，此外南京大學、東南大學的附屬醫療機構也形成了較為獨立的合作團隊。分析其原因，一方面是fMRI 設備有使用要求，大多只有醫院才具備條件；另一方面是大學附屬機構在科研人員及科研條件上更具優勢，大學與其附屬機構間在臨床和學術上有更多的交流，更容易形成合作團隊。

表2 CNKI文獻的機構發文統計

圖5 CNKI文獻發文機構可視化圖譜

對Web of Science 文獻以機構為節點進行分析，N=553，E=285，見圖6a。共同發文量排名前5 位的合作機構可視化圖譜如圖6b所示。發文量排名前5 位的機構和共同發文量排名前5 位的合作機構如表3所示。發文量最高的機構是美國哈佛大學醫學院，發文量為268 篇。從共同發文量可視化圖譜可以看出，哈佛大學及哈佛大學醫學部同下轄醫院麻省總醫院之間合作緊密，首都醫科大學與中國科學院、北京師范大學、電子科技大學之間也形成了一定規模的合作關系。從地區機構發文量來看，中國在fMRI 技術應用認知功能研究方面的研究能力和重視程度越來越高，在國際上的影響力有待提升。

表3 Web of Science文獻的機構發文統計

圖6 Web of Science文獻發文機構可視化圖譜

2.5 被引頻次分析

被引頻次分析被認為是評估一篇文章的影響力或反映其被認可程度的最重要的方法之一。對被引用最多的文章進行分析可以幫助揭示最受科學界關注的研究主題[22]。通過頻次和中心性分析可判斷文獻影響力[23]。對Web of Science 文獻以被引頻次為節點進行分析，N=827，E=1631，見圖7。被引頻次排名前10 位的文獻如表4所示。被引頻次最高的文獻[24]提出了一種抑制或消除運動對靜息功能連接核磁共振成像分析影響的方法；被引頻次排名第2 位的文獻[25]主要介紹一款新的處理靜息態磁共振數據的開源工具包；被引頻次排名第3 位的文獻[26]發現最常見的fMRI 分析軟件包（SPM、FSL、AFNI）可導致高達70%的假陽性率；被引頻次排名第4 位的文獻[27]闡述了默認網絡內側顳葉、后扣帶皮層的功能，討論了默認網絡與自閉癥、精神分裂癥和阿爾茨海默病等精神疾病的相關性；被引頻次排名第5 位的文獻[28]探討了頭部運動對內在功能連接的影響。此外，本文研究團隊對被引頻次排名前50 位的文獻進行了仔細閱讀，發現fMRI 應用于輕度認知障礙和阿爾茲海默病是當前相對重要的研究領域，超過90%的論文涉及輕度認知障礙和阿爾茲海默病，包括疾病識別、診斷及默認網絡的改變等內容。fMRI 在輕度認知障礙和阿爾茲海默病中的探索是一個重要的研究方向，有助于早期識別疾病并及時實施干預措施，對現代醫學具有重要意義。

表4 Web of Science文獻被引頻次排名前10位

圖7 Web of Science文獻被引頻次可視化圖譜

2.6 關鍵詞分析

2.6.1 共現分析

關鍵詞作為文章的重要組成部分之一，是對科學研究相關特征的高度凝練，可以代表論文的主題，反映文獻的核心內容、過去以及現在的研究重點和未來的研究趨勢[29]，便于了解該技術在各學科領域的發展歷程。對CNKI 文獻中的關鍵詞進行分析，頻次和中心性排名前5 位的關鍵詞如表5所示。涉及疾病的熱點為糖尿病、抑郁癥、癡呆、帕金森病、卒中、癲癇；涉及fMRI 指標分析的熱點為功能連接、低頻振幅、機器學習；涉及的腦區包括默認網絡（后扣帶回、楔前葉、內側前額葉皮質、頂下小葉以及雙側顳葉皮質）、海馬、丘腦。

表5 CNKI文獻中關鍵詞共現分析

對Web of Science 文獻以關鍵詞進行分析，頻次和中心性排名前5 位的關鍵詞如表6所示。涉及疾病的熱點為Alzheimer’s disease、mild cognitive impairment、depression、breast cancer；涉及認知功能腦區的熱點為default mode network、entorhinal cortex、cortical network；涉及fMRI 指標分析研究熱點為amplitude of lowfrequency fluctuation、functional connectivity、global signal、degree centrality。

表6 Web of Science文獻關鍵詞共現分析

2.6.2 聚類分析

關鍵詞聚類分析可了解該領域的知識結構與動態演變的過程。聚類序號由大變小代表該類的節點數由少變多，節點越多研究熱點越高，Q＞0.3，聚類平均輪廓值S＞0.7 說明聚類結構顯著，聚類合理[30]。關鍵詞聚類的時間線圖譜以縱軸為聚類名稱標簽，橫軸為文獻發表年份，節點出現的時區為該關鍵詞首次出現的時間。該圖譜可顯示每個聚類里關鍵詞節點隨時間變化的研究進展，可進一步展示各聚類出現、結束和時間趨勢，能體現某一聚類的重要程度及分布時間跨度[31]。對CNKI 文獻進行關鍵詞聚類，Q=0.8843，S=0.9793，共得到16 個聚類標簽，#0 認知障礙、#1 功能連接、#2 腦功能、#3 癡呆、#4 糖尿病、#5 靜息態、#6 海馬、#7 低頻振幅、#8 診斷、#9 機器學習、#10 大腦皮質、#11 帕金森、#12 危險因素、#13 針刺、#14 內嗅皮層、#15 腦出血。聚類#0、#3、#4、#8、#11、#12、#15 可歸為fMRI 在認知障礙疾病中的應用；聚類#1、#2、#5、#7、#9 為fMRI 應用分類；聚類#6、#10、#14 可歸為認知功能腦區的fMRI研究；聚類#13可歸為認知障礙治療方法研究。關鍵詞#0～#10 聚類圖及時間線圖如圖8所示。

圖8 CNKI文獻關鍵詞聚類可視化圖譜

對Web of Science 文獻進行關鍵詞聚類，Q=0.8368，S=0.9327， 共得到25 個聚類標簽，#0 independent component analysis、#1 national institute、#2 parkinsons disease、#3 emotion regulation、#4 voxel-based morphometry、#5 alzheimers disease、#6 major depressive disorder、#7 multiple sclerosis、#8 cortical thickness、#9 bipolar disorder、#10 older adult、#11 diffusion tensor imaging、#12 cognitive control、#13 adhd、#14 regional homogeneity、#15 vegetative state、#16 panic disorder、#17 social cognition、#18 response inhibition、#19 effective connectivity、#20 graph theory、#21 transcranial magnetic stimulation、#22 machine learning、#23 motorimagery、#24 nucleus accumbens。聚類#2、#5、#6、#7、#9、#13、#15、#16 可歸納為疾病研究；聚類#0、#4、#8、#19、#20、#22 可歸納為fMRI 分析方法；聚類#12、#17、#18 歸納為認知功能研究；聚類#3、#21、#23 歸納為治療手段。關鍵詞#0～#10 聚類及時間線圖如圖9所示。

圖9 Web of Science文獻關鍵詞聚類可視化圖譜

2.6.3 突現分析

突現分析揭示的是具體年份頻率突增的關鍵詞，用于識別不同時期的研究趨勢與前沿[32]。對國內文獻關鍵詞突現進行可視化分析，得到8 個突現詞，結果如圖10a所示，CNKI 文獻中關于fMRI 在認知功能方面的研究較少且研究內容單一，當前熱點是對腦網絡的研究。對Web of Science 文獻關鍵詞突現進行可視化分析，得到的前25 個突現詞如圖10b所示，2012—2015年主要研究內容為各皮層腦區的激活以及對認知過程早期注意的研究；2018—2022年研究的疾病包括亨廷頓病、首發精神障礙、2 型糖尿病、應激障礙，分析方法熱點是機器學習、動態功能連接。

圖10 關鍵詞突現可視化分析

3 討論

3.1 研究現狀

從發文量來看，我國在使用fMRI 研究認知功能領域發文量呈逐年上升趨勢。相對于Web of Science 文獻數量，CNKI 每年發文量少且增長趨勢緩慢，說明fMRI 對于認知功能的研究持續受到我國學者的關注。Web of Science 文獻分析發現美國發文量最高，但中心性最強的國家是英國，說明英國在該領域影響力最大，國際合作活躍度高。中國與其他國家/地區之間缺少合作，國際影響力有待提升。

3.2 合作團隊研究

從作者合作網絡來看，作者之間雖然形成了各自的團隊，但是團隊合作網絡較小，合作范圍局限，各團隊之間缺乏交流合作。所以，我國的各研究團隊或研究機構應多關注頂尖機構與高影響力期刊中的研究動態，積極進行學科交叉合作，加強彼此間的溝通交流，并形成跨校、跨院、跨省甚至跨國間的合作，將各研究團隊或研究機構間的資源進行整合利用，拓寬研究的深度與廣度，提升我國在該領域的研究水平。

3.3 關鍵詞分析

對關鍵詞進行共現、聚類、突現、聚類時間線圖分析，得出以下3 個方面的內容。

（1）認知功能分析指標。CNKI 文獻主要以局部性低頻波動振幅分析和功能連接分析為主，局部性低頻波動振幅分析描述單個體素區域的活動強度，功能連接分析描述不同腦區之間的協同性，二者均是描述靜息態影像的重要特征。Web of Science 文獻的分析方法包括局部分析（局部一致性分析、局部性低頻波動振幅分析）、功能連接分析（獨立成分分析、基于種子點分析）、圖論方法分析（小世界網絡分析、度中心性分析）。隨著機器學習的發展，支持向量機、深度學習、分類算法等分析方法在認知研究領域廣泛應用，相較于傳統的統計學分析方法，機器學習可選擇性多，應用范圍廣，在處理高維多元特征方面優勢明顯。對比兩個數據庫可知，中文文獻在利用fMRI 研究認知功能時特征提取以及分析方法簡單，與英文文獻存在顯著差距，因此今后的研究中需要增加更加科學全面且完善的分析方法。

（2）涉及認知功能及腦區。CNKI 文獻中主要涉及的認知腦區研究包括海馬、丘腦、前扣帶回、大腦皮質以及默認模式網絡，認知功能包括注意力、執行功能、記憶、短時記憶。Web of Science 文獻中主要涉及的腦區包括海馬、路易小體、默認模式腦網絡（Default Mode Network，DMN）、突顯網絡（Salience Network，SN），認知功能包括注意、語言記憶、空間工作記憶、執行功能。國內外研究均注重與認知情感關系密切的DMN，DMN 被認為和阿爾茨海默病、孤獨癥、精神分裂癥和癲癇等伴隨認知功能的神經精神類疾病相關。特別地，DMN 功能連通性異常為各種疾病的早期診斷和干預治療提供了幫助[33]。除DMN 外，國際上也十分關注SN 與認知功能的研究，SN 對于感覺運動信息的處理、總體認知以及情感、疼痛和身體動作之間的協調起著不可或缺的作用[34-36]，并且調節著大腦的主要控制網絡[ DMN 和中央執行網絡（Central Executive Network，CEN）]。當島葉受外界刺激時，SN 可發出信號，啟動CEN 有關腦區參與決策、行為控制、注意力、工作記憶等認知功能，并控制DMN 靜息活動[37]。SN 結構完整才能確保認知功能正常[38-39]，SN 過度活躍或活動不足會導致其無法正確地處理腦網絡之間的切換和情緒調節，這種異常活動可能是抑郁癥、焦慮癥、創傷后應激障礙和精神分裂癥的特征[40-42]。

（3）認知相關疾病研究。利用fMRI 研究認知損害性疾病，CNKI 文獻中疾病包括2 型糖尿病、腦卒中、癡呆、癲癇、失眠、高血壓、抑郁癥、睡眠剝奪；Web of Science 文獻中疾病包括抑郁癥、輕度認知障礙、精神分裂癥、雙相情感障礙、多發性硬化癥。CNKI 文獻中的干預措施包括藥物療法（多奈哌齊、利培酮、卡巴拉汀、奧氮平)，中醫傳統療法(針刺、灸法），太極拳，導引功法，傳統武術以及其他有氧運動療法等，研究多集中于利用fMRI 評價干預手段對認知損害的療效評價。Web of Science 文獻涉及的干預措施包括運動想象、心理療法、有氧運動、經顱磁刺激、認知行為療法等，更多的研究集中于利用fMRI 探索其對認知神經疾病的診斷。

4 結論

本研究利用CiteSpace 和VOSviewer 對Web of Science 和CNKI 數據庫中有關fMRI 應用于認知功能研究的文獻進行科學計量分析，揭示了fMRI 應用于認知功能研究的全球趨勢，獲得了該領域的機構、作者、關鍵詞和被引頻次的可視化結果，系統地梳理了該研究領域的發展脈絡，為探索該研究領域的發展趨勢提供了新的視角。但本研究存在一定的局限性：① 只選取了CNKI 和Web of Science 兩個數據庫進行分析，萬方、維普等數據庫文章未納入分析，使分析內容不夠全面，可能導致文獻選擇偏倚；② CiteSpace 和VOSviewer 只是可視化分析軟件，對于認知功能的腦網絡連接改變和干預措施需要進一步研究。