静息态脑功能网络的磁共振成像研究进展

静息态脑功能网络的磁共振成像研究进展

静息状态脑功能的应用进展大脑是人体最重要的器官，包括12111个神经系统。在正常情况下，大脑消耗的能量约占人体总能耗的20%。然而，在执行任务时，大脑能量消耗的增加很小，而且用于维持非任务状态的神经活动也被认为是一种合作的、复杂的网络系统。在这种非任务状态下，也存在着动态的、动态的和静态的活动，这就充分体现了人类在执行任务时只执行特定的任务的复杂网络系统。最具体地说，静态状态是指受试者保持冷静，不接受外部刺激，并执行某些高级功能。近年来，人们越来越重视静态福利状态下的大脑功能研究。主要研究方法包括：功能磁共振成像（mri）、正电子传输段扫描（pe）、脑电图（eg）、脑磁图（meg）、扩散光学成像（dot）等。其中，作为非损伤脑成像技术在静态福利状态下的大脑功能研究中发挥着不可替代的作用。本文总结了vmri在静态休息状态下研究脑功能的基本原理和最新发展。1总结1.1信号间发生散相目前使用最广泛的fMRI方法是基于血氧水平依赖(blood-oxygen-leveldependent,BOLD)效应.生物体血液中的氧主要以与血红蛋白结合(氧合血红蛋白)的形式存在.氧合血红蛋白释放氧后形成的脱氧血红蛋白具有顺磁性,可在血管及周边组织中产生局部不均匀磁场.受该局部磁场不均匀性的影响,血管及周边组织中不同水分子的磁共振信号间会发生散相(dephasing),造成所观测到的宏观磁共振信号强度的降低,且脱氧血红蛋白含量越高,信号强度降低的幅度就越大;相反地,如果组织中脱氧血红蛋白的含量降低,组织的磁共振信号强度就会上升,这就是BOLD效应的由来.而事实上,当神经细胞活动增强时,其能量消耗增加,并随即引发局部脑血流(rCBF)的上升,以补充能量代谢所需要的底物——葡萄糖和氧气.神经细胞活动时耗氧量的增加与其所引发的rCBF的增加并不成比例.实验结果表明:神经细胞激活时所导致的rCBF增加(氧供给量的增加)幅度往往要大于氧气消耗量的增加幅度.由此,激活脑区最终表现为局部氧合水平升高,去氧血红蛋白浓度降低,在磁共振图像上呈现亮信号.特别需要指出的是,BOLD-fMRI中所采集的信号并不直接反应神经细胞的活动,而是度量由神经细胞活动所引发的脑区中去氧血红蛋白浓度的改变.这种改变是局部脑血流,脑血容积(CBV)及氧代谢速率(CMRO2)变化共同作用的结果.BOLD信号的变化与其他功能成像信号改变之间既有相关而又有所区别.深刻理解其成像原理及信号来源,对于实验结果的理解,以及不同实验技术所得数据的分析至关重要.1.2静息状态脑功能研究传统的BOLD-fMRI研究主要关注由外部刺激或执行任务所致的神经活动所引发的血氧水平的改变.其实验范式通常是通过不同任务和对比状态的设计,采集大脑在接收特定刺激或执行相关任务期间的磁共振图像;将图像经过一定的预处理后,用统计方法比较被试者在任务与对照状态时或不同任务间各脑区磁共振信号强度的不同;最后将那些在统计学意义上有显著信号强度改变的区域定位于解剖结构,并最终获得可视化的激活图像.在此类研究中,静息状态大多被选择作为任务状态的对照状态.而事实上,通过采集一系列静息状态脑的BOLD磁共振图像并提取某一有意义体素信号强度随时间的变化曲线(图1(a)),可以发现静息状态下脑的BOLD磁共振信号并不是一成不变的,而是随时间有所涨落.1995年,Biswal等人首创性地提取了静息态BOLD信号中的低频成分(<0.1Hz,如图1(a)所示)并对其进行了分析.他们发现:人脑左右半球的感觉运动皮层的BOLD信号低频涨落(lowfrequencyfluctuations,LFF)存在显著的相关性(低频涨落间的相关性如图1(b)所示).Biswal等人认为,这种相关性可以作为在静息状态下感觉运动皮层间存在功能连接的一个证据.功能连接被定义为“空间上远离的神经生理活动之间在时间上的相关性”,在脑功能研究中作为不相邻脑区间功能活动同步性的一种度量方式.在这个观点提出后,更多的研究发现静息状态下BOLD低频涨落信号的同步性广泛地存在于运动、语言、听觉、视觉等系统及网络中.由此可以推测:大脑在静息状态下的功能活动并非是“噪声”般杂乱无章的,而是有其特定的规律和组织方式.这些研究成果不仅使得静息状态下脑功能研究成为近20年来神经影像学领域的热门方向之一,也为脑科学研究的发展开辟了新的方向.1.3静息态脑功能研究一些研究者发现静息态下大脑中BOLD信号低频涨落与呼吸、心跳以及动脉血中二氧化碳分压(PaCO2)的节律性变化有关,从而认为这些信号变化可能由生理噪声引起.但更深入的研究发现,虽然原始的静息态BOLD信号时间序列中包含有生理噪声,但生理噪声并非BOLD信号低频涨落及其在不同脑区中具有同步性的生理学基础.首先,静息态脑功能研究关心的BOLD信号涨落的频率一般在0.1Hz或0.08Hz以下,而人类呼吸和心跳的频率分别约为0.1~0.5Hz和0.6~1.2Hz.Cordes等人定量分析了生理噪声对BOLD信号低频涨落的贡献,发现其大小不足10%.此外,大量的实验证据表明:在减少或消除生理噪声的影响后,静息态下不同脑区中BOLD信号低频涨落的相关性(即功能连接)依然显著存在.这些都说明,静息态下大脑中BOLD信号的低频涨落主要反应了神经细胞的自发活动,而其在不同脑区中的同步性则显示了静息态下脑功能的连接模式.2数据分析的方法2.1lff信号和呼吸的混叠消除生理噪声的影响是准确分析、理解静息态下大脑中BOLD信号低频涨落的前提.目前,已经有研究从多个角度做出了尝试.例如,从数据获取的角度,Cordes等人通过使用较高的采样频率来避免LFF信号与呼吸及心跳信号的混叠;也有研究者在采集磁共振数据的过程中同时监测并记录心跳和呼吸信号,之后通过线性回归的方法将它们的贡献从BOLD信号的时间序列中去除.另一方面,数据分析技术的发展也为消除生理噪声的影响提供了新思路.例如,使用独立成分分析(ICA)方法可以将生理噪声、神经活动信号作为不同的独立成分从原始数据中分离出来,然后单独进行研究.总之,采用合理的数据获取和处理方法,消除各种混淆因素的影响,提取神经自发活动的信号,是研究静息态功能连接的必要前提和基础.2.2静息态fmri数据分析静息态fMRI研究获取数据的状态单一,无法得到与基于任务的研究中类似的激活图,因此具有其特定的数据分析方法.其中大多数分析方法从数据出发,通过度量不同体素或区域之间脑信号的同步性来得到静息状态功能连接模式.同步性或功能连接的模式及强度的判据主要是时间序列的相关性/相关系数和协方差等信息,以下就这些分析方法做简单介绍.种子相关分析是最简单也是使用最广泛的静息态fMRI数据分析方法.其研究步骤通常为:1)根据实验目的确定特定脑区作为静息态研究的种子区域,提取该区域内各体素的时间序列(如图1(a)所示)并计算得到该种子区域的平均序列;2)计算该平均序列与全脑所有体素的时间序列之间的相关系数,以其值作为功能连接强度,从而得到与该种子区域正负相关的所有体素信息;3)通过统计方法选择有统计意义的相关体素(如p<0.05),并将其定位于解剖结构图,从而得到种子区域的静息态功能连接图.其中种子区域的选取可通过执行相关任务时的激活图获得,也可利用先验解剖知识或标准脑图谱来确定.理论上,我们可以得到任一有意义体素或脑区在静息态的功能连接信息,这对于感兴趣脑区功能的研究尤其重要.该方法的局限性在于所获得的脑功能连接信息对种子区域的选取具有一定依赖性,选取不同的种子点(区域)可能得到不同的结果,间接地增加了结果解释的难度和可信度.另外,这种方法没有考虑脑区间的间接相关,但这可通过偏相关等方法进行改进.等级聚类是一种模式分类的方法,同样需要预先定义种子点或区域.与种子相关分析方法不同的是,等级聚类选取多个种子区域作为感兴趣脑区,通过计算各区域间的相关系数,产生相关系数矩阵来进行统计分析,之后建立一定的聚类准则来定义和区分功能连接网络,最终形成等级树或者拓扑图来描述所有区域之间的连接信息.感兴趣区域间关系的度量,除计算相关系数等相似性外,也可通过差异性等来表示.在一定程度上,种子相关方法和等级聚类方法可以结合使用,如先根据前者追踪得到所需激活脑区网络,再利用等级聚类进行分析和统计,从而得到脑区间功能连接的合理描述.静息态fMRI数据分析另一种比较常用的方法是ICA.该方法假设静息态下得到的BOLD信号时间序列是由相互独立的不同信号分量构成的,因此可以通过数学运算将原始信号中的各种生理及系统噪声信号,以及各功能网络系统信号分别提取出来,并定位于解剖结构进行各静息态网络的研究.图2所显示的是用ICA的方法分析静息态fMRI数据而得到的多套脑网络,其中包括了外侧(图2(a))和内侧(图2(b))视觉网络、工作记忆功能网络(图2(c)和2(d))、默认网络(图2(e)和2(f))、运动网络(图2(g))、执行功能网络(图2(h))、枕颞通路网络(图2(i))以及一些脑区所组成的功能连接网络(图2(j))等成分.这种方法不仅可有效消除生理噪声的干扰,也为全脑中不同功能网络的单独分析提供了很好的途径.然而利用ICA分析静息态fMRI数据也面临一些问题.首先,ICA假设各功能网络相互独立,而实际中脑网络的复杂结构却更可能使得不同来源的信号分量之间存在交叠.这种情况下,ICA方法无法对它们进行完全分离;其次,ICA结果分量的个数是由使用者决定的,各分量分别代表的意义也来自于主观判断,使得该方法一定程度上依赖于主观假设和先验知识;最后,对该方法获得的结果在理解或解释上也存在困难,我们无法判定ICA结果中某个分量的变化是由于其自身信号随时间波动的改变所引起,还是来自于它与其他分量之间连接强度的改变.其他的分析方法还包括自组织网络(SOM)、互信息、小波分析以及局部一致性(ReHo)等.总之,发展新的分析方法,或者将现有方法结合应用,充分发挥各种方法的优势,对静息态脑功能连接的研究具有重要的意义.2.3静息态功能连接的“小世界”属性与单一网络的研究不同,静息态fMRI的全脑分析主要关注脑网络的整体属性,提供全脑组织模式的相关信息.在全脑分析中常借用图论的知识,将研究的脑区或像素视为节点,两两之间的连接信息用加权矢量或标量来表示,进而研究全脑网络属性.研究表明,将图论相关知识应用于全脑分析是描述和定量分析脑区间功能连接的一种直观有效的方法.研究发现,静息态脑功能网络显示出与“小世界”网络(small-worldnetwork)类似的拓扑性质,这种网络结构具有高的聚集系数和短的路径长度,结合了邻近区域模块化和整个网络系统整合的特点.Salvador等人的研究利用解剖知识将大脑分为90个脑区,用偏相关的方法估计了这些区域fMRI数据在静息态的功能连接情况,用图论的分析方法发现该网络的聚集系数是随机网络的2倍,而平均的全局路径长度与随机网络近似,提示静息态全脑功能连接具有“小世界”性质.Achard等人则运用离散小波变换的方法得出了类似的结果,并认为其中存在一些重要的连接节点,可能构成了信息加工的基础.还有研究则更完整地将分析定位于体素水平,近万个体素的分析为静息态功能连接的“小世界”属性提供了重要的依据.对静息态全脑网络的研究与各分属网络的研究相互联系而又有所区别,综合分析不同尺度下的脑连接网络,对于更全面地了解大脑功能具有重要的作用.3冥想状态下的大脑功能网络3.1静息态功能连接网络通过选择不同的分析方法和设置不同的分析参数,可以得到静息态脑功能连接的大量信息.如利用种子相关方法,不仅可以获得运动、语言、听觉、视觉等各任务执行时激活的区域间的静息态功能连接模式,还可根据实验目的获取任意脑区如杏仁核等的连接信息,后者对了解特定脑区的静息态功能结构具有重要的意义.值得一提的是,静息态某个脑区的功能连接网络几乎囊括了各种任务中与该脑区同时激活的脑区信息,并且更全面地显示出其可能存在的所有功能连接模式,因此静息态的功能连接可以为各脑区在任务中的表现提供解释和提示.例如,有研究发现静息状态海马区的功能连接网络可以预示各脑区在情景记忆当中的反应.而使用ICA方法得到的则是静息态大脑多套相互独立的功能网络,如Damoiseaux等人利用概率ICA方法分析了静息态fMRI数据,得到10套功能网络(其中9套为所有数据集共有),这些网络包括运动网络,视觉加工网络,听觉网络,记忆网络,执行功能网络,外侧纹状体网络,默认网络等,证明了多种任务相关的功能连接网络在静息状态的普遍存在.而根据ICA方法特点,以及目前对于脑区细分和整合的进一步要求,静息态功能连接网络的数量可根据ICA假设和参数不同而得到与实验目的符合的结果.大量的研究结果表明,静息状态的脑功能网络在一定程度上具有稳定性.在被试者睁眼或闭眼时的静息状态,以及睡眠状态、麻醉状态等类似状态甚至植物状态下,脑功能连接网络都具有虽然不尽相同却及其相似的组织模式,且这些连接只有在脑死亡的情况下才会消失;另外通过对数据的bootstrap分析,可以发现在不同个体/实验间的静息态脑功能连接结果具有高度的一致性.因此静息态功能连接网络模式是成年大脑的固有属性,具有统计意义上的稳定特征,对了解脑的自发活动和组织模式具有非常重要的意义.而另外一方面,不同个体以及同一个体在不同条件和状态下的功能连接网络又有所差别,并且显示出个体差异性.有研究发现,静息态脑功能网络的整体效率与个体表现出的智商(IQ)之间存在显著的正相关,且连接状态可以引起被试者在工作记忆任务中的个体差异性;另外一些研究则表明实验前的焦虑程度、认知功能等都有可能影响之后被试者在静息状态中的功能连接.以上结果表明,静息态大脑功能网络虽然具有统计意义上的相对稳定性,但是也与独立个体自身属性和环境具有显著相关性,因此可为预测和衡量个体行为及状态提供有力的参考.综上,经由不同分析方法得到的静息状态任意脑区的功能连接模式,以及全脑的多套功能网络,在不同状态及研究间具有统计的相对稳定性,同时又在个体水平上与被试者特性及能力表现的差异性定量相关,因此静息状态脑功能连接网络的研究可以为了解脑的固有组织模式以及个体差异提供非常重要的信息.3.2认同网络的存默认网络(defaultmodenetwork)是在静息状态脑功能网络研究中引起最广泛关注的网络之一.1997年,Shulman等人发现在不同任务下获取的PET中,有一些特定的脑区持续地显示负激活,表明这些区域在静息状态下相对任务执行时活动增加.Mazoyer等通过元分析的方法研究大量数据也得到了类似的结果,并且认为这些脑区组成了工作记忆和执行功能网络.2001年,Raichle等人用氧摄取指数(OEF)作为度量标准,首次在静息状态下研究了Shulman实验中发现的任务状态下持续负激活脑区的活动,并将结果脑区所组成的网络定义为“默认网络”.受到PET相关结果的启发,Greicius等人首次研究了静息状态的fMRI数据并得到了相似的网络,证明了默认网络的存在,并认为后扣带回是默认网络的重要节点.之后的各种研究结果表明,默认网络主要包括后扣带回皮层/楔前叶、外侧顶叶、以及内侧前额叶皮层等脑区.我们从默认网络2个不同脑区的种子点出发所得到的该网络如图3所示,可以看出二者网络模式基本相同,侧面证明了该网络的稳定性以及后扣带回和内侧前额叶是默认网络中重要组成部分和主要结点:默认网络所执行和维持的脑功能与其他静息态网络相比并不明朗,因此也引起了人们更多的兴趣.从单个脑区的研究结果来看,默认网络中的楔前叶与自身意识,自我中心的精神意象,情景记忆的提取等密切相关,并且是持续植物状态的病人最早恢复意识的脑区;后扣带是全脑皮层结构的中心结点;而内侧前额叶则与认知功能相关并可动态调节情绪加工过程.值得注意的是,与其他静息态网络不同,默认网络随年龄的增长有一个变化的过程:婴儿脑中几乎不存在默认网络,在7~9岁幼年儿童脑内也仅显示少量间断的连接,而9~12岁年龄段被试者的默认网络的连接有所增强,成年个体的默认网络则显示出相对稳定的模式,此外老年人的脑默认网络会出现明显的改变,且这种改变伴随着认知功能的下降.同时结合默认网络在植物状态存在的特征以及在不同个体和状态间的连续性,可以推测虽然静息状态脑不可避免地会执行一些随机的“任务”,如自指示的精神活动或游离的思绪等,但并不构成默认网络形成的主因.综上,默认网络并不是随机“任务”的反应,而是随年龄变化又具有统计稳定性的大脑功能结构,反应大脑神经细胞自发活动的组织模式,可能与大脑的学习记忆、认知功能等相关;而随机意识在多大程度上参与默认网络的构建以及如何将其有效的避免和分离,则需要进一步的实验探索.3.3个体在工作任务中反应的关键因素与默认网络相对地,存在一些在认知任务中显示正激活的脑区,包括背外侧前额叶皮层、下顶叶和辅助运动区等,称为正激活网络.静息状态的研究结果表明,默认网络和正激活网络低频涨落信号存在显著的负相关,且其静息态负相关程度与个体在任务中的应答反应变化相联系,即负相关越显著,个体在任务中的反应变化幅度越低,表现越稳定;在基于任务的研究中则发现,随着任务难度和所需注意力的增加,默认网络活动进一步降低,而正网络活动则相对升高,且二者正负激活的程度存在关联.关于2套网络这种相互作用的解释,有研究认为正网络的存在可能与任务执行前的警觉、准备及选择相关,反应一种脑对突发状况的外部警觉状态,而默认网络则代表大脑的内省状态,二者相互转换;而在任务中的表现则尤其显示出2套网络之间的一种竞争机制,当任务中注意减少时,正网络激活与默认网络负激活程度均明显降低,使得任务执行效果较差.这种拮抗机制已被用于抑郁和焦虑的治疗中,通过任务难度的升高,利用2套网络的竞争机制来转移注意力达到治疗的效果.综上,默认网络与正激活网络在静息和任务状态中的负相关,可能进一步揭示了大脑功能组织和动力学的一些信息,对此的研究可能比单独研究默认网络更加重要.4主要应用4.1静息功能结构网络最新的研究发现,静息状态很多功能连接有相应的结构基础,表明静息态功能连接与解剖连接之间可能存在密切的联系.对于这种联系的研究可以从几个方面进行.首先,可以利用脑损伤患者作为研究对象,有人发现胼胝体发育不良者双侧运动和听觉皮层之间的功能连接显著降低,提示解剖连接的破坏可导致功能连接的缺失,暗示了二者之间的相关性.其次成像方法的发展为活体检测解剖连接提供了重要途径,VandenHeuvel等人使用扩散张量成像(DTI)与fMRI相结合的方法,同时研究了静息状态作为脑结构通路的白质纤维束的分布和功能连接网络的结构,发现至少有8套静息态功能网络内部脑区之间存在结构连接.如默认网络各脑区间有扣带白质束,上额-枕白质束,胼胝体膝部白质束等构成了功能连接的解剖基础;Honey等人用则扩散谱成像(DSI)方法得出了类似的结论,并认为静息态的功能连接特性受到大脑皮层解剖连接的限制.图4显示了我们得到的默认网络主要结点PCC和ACC/MPFC之间的静息态功能连接与DTI显示的纤维结构之间的联系.另外,实验动物的相关研究也可为此提供一定依据.虽然目前的研究方法对于解剖和功能连接的检测大多是间接的,结果也不尽完整,但是静息态功能连接与解剖连接之间存在相关的理论正渐渐成为趋势和共识,各种技术的发展和更多的实验结果有望为此提供更有力的证据.综上所述,目前的研究认为,静息态功能连接很可能反应大脑的解剖连接,同时在一定程度上受限于解剖连接的模式,二者之间相互联系并彼此影响.在此基础上,二者的分析方法及研究结果便可互为参考,使得一方面可以通过静息态的研究更精确地提供解剖连接的信息,另一方面在静息状态下大脑活动的相关性质,如默认网络随年龄变化的特征等,也可以结合解剖连接的发展给出更全面的解释.4.2静息态功能连接在临床上的应用及相关研静息状态下脑功能网络的研究摒弃了复杂的实验设计,因此在各种神经和精神疾病患者,尤其是无法执行复杂任务患者的脑功能研究中发挥了重要的价值.其相关理论成果,包括特定脑区的功能连接,各功能网络尤其是默认网络的性质,全脑效率的分析等,都被广泛用于疾病诊断、病程检测、疗效评价等方面,为疾病的研究和治疗提供了很大帮助.目前静息态功能连接的分析已应用于多种疾病,如研究发现阿尔茨海默症(AD)患者默认网络中的后扣带回和海马的活动与正常老年人相比显著降低;同时作为AD前兆的轻度认知障碍(MCI)患者的默认网络及执行注意网络的功能连接也出现缺损,提示静息网络的功能连接可作为一种敏感而特殊的早期AD的生物学标记为临床分析使用;对精神分裂患者的脑功能研究则发现,病人全脑范围的功能连接均出现活动降低,证实精神分裂是一种全脑范围的神经元活动紊乱;抑郁症患者的大脑则显示与情绪相关的边缘系统丘脑和亚扣带回活动的升高,而皮层和边缘系统间信号同步性在静息和任务状态均降低,推测皮层对于边缘系统的失调控可能是导致抑郁的主要原因.静息状态fMRI脑功能研究还被应用于其他如多发性脑硬化、癫痫、注意力缺陷多动症、自闭症等多种疾病.这些结果均显示出疾病患者静息态脑功能连接网络的改变和缺损,且多与病程,疾病严重程度,治疗效果及恢复程度等密切相关,表明静息态脑功能连接的研究可为某些疾病的预测、诊断以及治疗提供参考和依据.4.3脑静息态的研究静息状态低频涨落信号的研究在动物实验方面也取得了一定成果.作为生物学研究的重要手段,动物实验具有被试对象获取容易、可操作性强(手术和造模)、研究对象(动物脑)简单、实验设计具有针对性(可最大限度减少干扰因子)、以及实验成本较低等诸多优点.然而由于客观原因和技术限制,动物的静息态脑功能研究多在麻醉状态进行,以减少头动和使动物镇静,常被称为基线状态.研究发现,与人脑静息态的研究类似,在猴的眼球运动,体感运动和视觉3套已知网络以及与人脑对应的默认网络中都发现神经细胞的自发活动具有同步性,并且这种功能连接凌驾于意识水平之上,可能反映了对于脑功能结构进化的一种保存;同样对于轻度麻醉的大鼠脑BOLD信号的研究也显示出感觉运动系统和视觉系统内部活动存在同步性.此外,研究发现动物脑的静息态功能连接模式随所使用麻醉药剂类型和剂量会有所不同,因此对实验状态的控制,以及数据和结果的分析都相对严格.事实上,由于动物脑与人脑在结构和功能上的差异,以及静息状态定义的不同等原因,动物静息态功能连接的研究不只是为了确认动物脑网络组织模式,更大的作用在于解释同步信号的神经活动机