腦腫瘤患者手術前后腦結構網絡拓撲屬性研究

薛 莉 陶 玲 錢志余 俞 宙 孫金洋

(南京航空航天大學自動化學院，南京 211106)

腦腫瘤患者手術前后腦結構網絡拓撲屬性研究

薛 莉 陶 玲*錢志余 俞 宙 孫金洋

(南京航空航天大學自動化學院，南京 211106)

主要研究腦腫瘤的存在及手術對患者全腦及半腦結構網絡拓撲屬性的影響。結合彌散張量成像技術(DTI)和圖論方法，對10例健康志愿者以及10例腦腫瘤患者進行術前術后全腦及半腦結構網絡構建，獲得兩組受試者腦結構網絡拓撲屬性參數，以及反映腦認知功能的各項網絡指標，并對其進行統計對比分析。結果顯示，部分局部參數(包括Ki、Li、Enodal、Ci和Eilocal)在手術前后具有明顯差異，且術前組均優于術后組；全腦及半腦各全局網絡參數顯示，各項參數術前組均優于術后組；同時半腦結構網絡分析顯示，位于不同腦半球的腦腫瘤對患者腦結構網絡所造成的損傷均無統計學差異(P>0.05)。腫瘤的存在以及手術均使得腦腫瘤患者腦結構網絡發生改變，大腦的半腦優勢化趨勢明顯降低；手術后結構網絡拓撲特性的改變以及小世界屬性的增強，驗證大腦本身存在的代償機制以及功能重組現象。

彌散張量成像；大腦結構網絡；腦腫瘤；切除手術；網絡拓撲屬性

引言

腦腫瘤是神經系統常見疾病之一，致死率高，發病率呈現逐年升高的趨勢[1-2]。有研究指出，腦腫瘤會導致大腦中某些特定纖維束的完整性發生改變[3]，進而影響到整個大腦的神經代謝活動，使患者的認知功能下降[3-4]。目前，常見的腦腫瘤治療方法主要包括外科切除、放射治療、射頻消融[5-7]等，外科治療手段旨在緩解患者的腦積水、腦出血等一系列癥狀，減緩腫瘤惡化程度[8]，但是大多數針對腦腫瘤的醫學治療手段都會導致病人的認知功能發生改變[9]。Tallen G等人于2015年做出一項研究，研究顯示腦腫瘤切除手術的成功與否與醫生的經驗、手術方案、腫瘤切除程度有著密切的聯系，且隨著年齡的增長，患者會出現中風、癲癇、運動神經失調以及視力下降等手術后遺癥[10]。相關研究表明，大腦是一個有機功能作用的整體，其局部的病變不僅僅導致局部功能的改變，還間接、次級地影響其他功能信息的傳遞模式，最終導致腦神經系統疾病患者的大腦整體網絡存在異常模式。再加之，不同個體的大腦解剖功能也有很大的差異，某些低級別腦腫瘤患者并沒有表現出明顯的認知障礙，或者在手術后很快出現功能代償現象，認知損傷在術后逐步恢復。這些問題使得探討大腦病灶及手術對大腦結構網絡影響，并分析其潛在的腦功能可塑性，具有重要的價值。

本研究結合圖論以及神經影像學技術，對腦腫瘤患者手術前后全腦及半腦結構網絡各項參數指標進行統計對比分析，探討腫瘤的存在以及手術對患者腦結構網絡的影響，為探索腦腫瘤患者存在的腦功能重組和代償機制提供幫助。

1 材料和方法

1.1 數據采集

本研究的磁共振數據均來源于南京腦科醫院醫學影像科。共有10例腦腫瘤患者(46～67歲，平均年齡59歲，女/男=3/7)參與研究，均為右利手。另有10例健康志愿者作為正常對照組(42～61歲，平均年齡54歲，女/男=4/6)，均無顱內病灶及神經精神疾病史。兩組受試者均以書面或口頭形式被告知本研究內容并同意參加實驗，研究經南京腦科醫院倫理委員會批準通過。

1.2 影像學掃描參數

數據采集采用SIEMENS公司Verio/3.0T MR掃描儀。T1結構像采集使用MPRAGE序列，掃描參數：TR=1 900 ms，TE=2.49 ms，層厚=1 mm，FA=9°，TI=900 ms，FOV=250 mm×250 mm，采集矩陣=256×256，體素=1 mm×1 mm×1 mm。DTI數據采集使用EPI序列，掃描參數：層厚=3 mm，掃描層數=45，TR=6 500 ms，TE=95 ms，采集矩陣=128×128，FOV=240 mm×240 mm，BW=1447 Hz/Px，共31個梯度方向(其中第一個方向的b值為0 s/mm2，其他方向b值為1 000 s/mm2)。

1.3 數據預處理

整個預處理過程在SPM8軟件下進行，將個體DTI與AAL模板進行配準，定義每個腦區為一個節點，結合纖維束跟蹤結果(DTIstudio)，定義兩腦區之間的纖維束為邊，以每對腦區之間的纖維束數目為邊的權重，得到90×90的加權矩陣，再設定閾值，將該加權矩陣轉化成二值矩陣[11]，再根據此二值矩陣提取出左右兩個半腦各自的二值矩陣，這兩個二值矩陣即為左右半腦各自的腦結構網絡。

1.4 復雜網絡分析

人類大腦網絡的拓撲特性可以用復雜網絡分析方法進行定量描述，定義節點簇系數(Ci)、網絡平均簇系數(Cp)、節點度(Ki)、網絡節點平均度(Kp)、最短路徑長度(Li)、特征路徑長度(Lp)、全局效率(Eglob)、節點局部效率(Eilocal)、網絡局部效率(Eloc)、節點效率(Enodal)、介數值(bi)、損傷性(Vi)、網絡強度(Sp)等參數[12]，在此基礎上對構建的腦結構網絡進行參數的對比分析。對于復雜網絡的小世界屬性，可以通過標準化簇系數和標準化特征路徑長度來度量[13]。若一真實網絡滿足γ=Cp，real/Cp,rand?1，λ=Lp,real/Lp,rand≈1，那么該腦網絡就可作為小世界網絡來進行處理。

1.5 統計分析

利用SPSS軟件對手術前后全腦網絡的局部參數做雙樣本t檢驗，對術前術后組的全腦網絡全局參數做配對樣本t檢驗，將術前組及術后組分別與正常對照組做獨立樣本t檢驗。為分析腫瘤患側及切除手術對患側半腦網絡全局參數造成的影響，本研究對患側半腦結構網絡全局參數做雙因素方差分析(以P<0.05作為檢驗標準)。

2 結果

2.1 全腦結構網絡比較

2.1.1局部參數比較

對術前組與術后組的全腦結構網絡的局部參數(Ki、Li、Enodal、Ci和Eilocal)行雙樣本雙尾t檢驗，結果見圖1。檢測出包括左側中央溝蓋(ROL.L)、左側楔葉(CUN.L)、右側枕上回(SOG.R)、右側頂上回(SPG.R)、左側顳中回(MTG.L)、右側角回(ANG.R)、左側楔前葉(PCUN.L)在內的7個腦區存在著明顯的局部參數差異，且檢測到顯著差異的任意腦區的任意局部參數均顯示術前組優于術后組，說明手術造成了腦結構網絡中局部功能的破壞。術前、術后組局部參數比較結果如圖1所示。

圖1 術前、術后組局部參數比較結果Fig.1 Comparisons of local parameter of brain network between pre-operation and post-operation

2.1.2 全局參數比較

使用SPSS軟件，對術前及術后組的全腦網絡全局參數(Cp、Eglob、Eloc、Kp、Lp、Sp、σ、γ、λ)做配對樣本t檢驗，再將術前組、術后組分別與正常組全腦網絡全局參數做獨立樣本t檢驗，統計結果見圖2。

術前與術后組各項參數進行配對樣本t檢驗，結果顯示，不管是復雜網絡參數還是小世界特性參數，手術前后均不具有明顯差異，且各項參數均顯示術前優于術后；術前組與正常組相比，平均路徑長度(Lp)以及小世界特性λ均顯示出明顯差異；術后組較正常組而言，在全局效率(Eglob)、節點度(Kp)、特征路徑長度(Lp)、網絡強度(Sp)等復雜網絡參數以及小世界特性參數σ、γ、λ均顯示出差異性。

圖2 術前-正常-術后組全局參數比較結果(注：*P<0.05，**P<0.01)Fig.2 Comparisons of global parameters of brain network among pre-operation, controls and post-operation.

2.2 半腦結構網絡比較

為了進一步研究手術對腦結構網絡及神經功能的影響，對患者進行術前術后患側半腦網絡的構建和網絡參數的分析，雙因素方差分析結果如表1所示。其反映的是術前術后患側半腦網絡全局參數的變化，可以看出手術前后“腫瘤患側”的半腦結構網絡的全局參數未有顯著差異。圖3所示為患側半腦手術前后全局參數均值，結果顯示術后各項半腦結構網絡參數均低于術前組的相應參數。

表1 腫瘤患側、手術對全局參數影響的方差分析Tab.1 Affected side, operation effect on global parameters revealed by ANOVA

注：*P<0.05表示有統計學差異。

Note: Significant group differences at*P<0.05.

圖3 患側半腦手術前后全局腦網絡參數Fig.3 Global parameters of affected side network among pre-operation and post-operation.

3 討論

3.1 全腦結構網絡分析

本研究對腦腫瘤患者術前、術后以及正常3類情況的腦結構網絡進行構建，并從全腦局部以及全局參數、半腦全局參數的角度評價腫瘤及腫瘤切除手術對患者全腦結構網絡的影響。

最短路徑長度是指一個節點到另一個節點的路徑中包含邊數最少的那條路徑所含邊數，最短路徑在網絡信息傳輸和交換中起重要作用[14]。節點效率是衡量節點特性的一項重要指標，反應某單一節點與其他節點之間的信息傳播能力，值越大，表示在網絡信息傳輸中的地位越高[15]。研究結果顯示，最短路徑長度和節點效率在多數腦區存在顯著差異，這表明手術造成了患者大腦結構網絡重組，各腦區信息傳輸路徑發生變化，且這些變化是不利的。

術前、術后組與正常組行雙樣本t檢驗結果顯示，僅平均路徑長度(Lp)在手術前后與正常組之間均具有明顯差異，且在術后組與正常組行t檢驗后的結果中顯示出差異性增強的趨勢，意味著腫瘤患者在進行信息傳輸時，通道發生改變，且在手術之后變化更為明顯，說明手術在引起患者腦結構網絡發生變化這方面的影響更為強烈。

小世界網絡具有較高簇系數和較短的特征路徑長度，術前與術后患者腦結構網絡都具有小世界特性(均滿足：γ>1，λ≈1，σ=(γ/λ)?1)，且手術前后均無明顯差異[16]。術前及術后的小世界特性較正常組均有所增強，且術后增強更為明顯。意味著手術一段時間之后，患者腦網絡會發生一定的代償機制和功能重組，恢復到術前的水平。大腦的網絡重組依賴于腦的可塑性，分為功能可塑性和結構可塑性兩種[17-19]。對全腦各項參數的研究，證實了腦網絡重組的存在。

3.2 半腦結構網絡分析

本研究對患者的患側半腦的腦結構網絡進行構建，目的在于探究由于腫瘤的占位和切除手術對不同患側腦結構網絡和腦認知功能的影響。

大量研究表明，正常大腦都存在一定程度的偏側性，大腦的偏側化主要體現在半腦的局部腦區某些功能的優勢化[20]。有研究指出，特定型語言障礙會導致大腦偏側化異常，患者較正常人半腦優勢化趨勢明顯降低[21]。由雙因素方差分析結果可知，無論腫瘤位于哪側腦半球，各項半腦全局參數均未顯示出明顯差異，由此可以推斷，腫瘤無論位于哪一側腦半球，對患者所造成的認知損傷是一樣的。術前組半腦網絡全局參數均優于術后組，這與之前的全腦網絡全局參數所得結果相一致，可知手術在一定程度上確實對患者的腦結構造成不利影響，進而可間接導致認知能力的相應變化。“是否手術”作為影響因子的方差分析顯示，手術前后各項半腦全局網絡參數無明顯差異，同樣被認為可能是網絡功能重組現象所致。

對全腦以及半腦結構網絡分析結果驗證了腦腫瘤患者出現的功能重組現象，可通過借鑒該腦腫瘤患者腦結構網絡變化分析方法，對手術治療效果做出一定的術后療效評估。由于數據量的限制，本研究得到的手術前后網絡拓撲特性變化不夠明顯。后續，隨著樣本量的增多，研究將會更為全面和具體。

4 結論

本研究基于彌散張量成像技術，使用圖論對腦腫瘤患者術前術后的全腦以及半腦進行腦結構網絡的構建。全腦網絡拓撲屬性研究表明，腦腫瘤的存在以及腦腫瘤切除手術均會使正常大腦原本的信息傳輸路徑發生改變，進而對正常腦網絡形態造成影響。在進行腫瘤切除手術一段時間后，可以恢復到術前水平，但是與正常人仍有一定差距，這與大多數臨床研究相符。術前與術后組局部參數進行配對樣本t檢驗得到某些腦區存在顯著差異，但是檢測出的全局參數差異不夠明顯，驗證了腦網絡重組的存在。半腦分析結果顯示，腫瘤的存在使得半腦優勢化趨勢降低，患側半腦術前各參數均優于術后，這些研究結果與大多數臨床表現一致。由此可知，通過分析患者腦結構網絡手術前后拓撲特性，進而分析腦腫瘤以及腫瘤切除手術對患者的影響，可對手術效果進行評估，為評價患者術后生存質量提供參考。

[1] 陸娜, 馮曉源, 何慧瑾. 腦腫瘤的MR診斷進展[J]. 磁共振成像, 2011, 2(1):71-74.

[2] 江濤. 腦膠質瘤治療技術與進展[M].北京：人民衛生出版社, 2011.

[3] Richter A,Woernle CM,Krayenbühl N,et al. Affective symptoms and white matter changes in brain tumor patients[J]. World Neurosurgery, 2015, 84(4):927-932.

[4] 侯慶石. 腦腫瘤患者認知功能的評測及其影響因素分析 [D]. 廣州：南方醫科大學, 2013.

[5] 左常陽, 羅毅男. 彌散張量成像在腦腫瘤診斷及手術切除中的應用 [J]. 中國微侵襲神經外科雜志, 2008, 13(11): 526-528.

[6] 高云生. 圖像引導的頭頸部腫瘤放射治療 [D]. 上海：復旦大學, 2010.

[7] 李鵬. 腦腫瘤射頻消融手術規劃關鍵技術研究 [D]. 北京：北京工業大學, 2013.

[8] Piepmeier J, Baehring JM. Surgical resection for patients with benign primary brain tumors and low grade gliomas [J]. Journal of Neuro-Oncology, 2004, 69(1-3): 55-65.

[9] Taphoorn MJ, Klein M. Cognitive deficits in adult patients with brain tumours[J]. Lancet Neurology, 2004, 3(3):159-168.

[10] Tallen G,ReschA, Calaminus G, et al. Strategies to improvethe quality of survival for childhood braintumour survivors[J]. European Journal of Paediatric Neurology, 2015, 19(6): 619-639.

[11] 余敏, 陶玲, 錢志余, 等. 基于彌散張量成像的腦結構網絡參數研究 [J]. 北京生物醫學工程, 2014, 33(5): 446-451.

[12] Rubinov M, Sporns O. Complex network measures of brain connectivity: Uses and interpretations [J]. Neuroimage, 2010, 52(3): 1059-1069.

[13] CaeyenberghsK, Leemans A, Decker CD,et al. Brain connectivity and postural control in young traumatic brain injury patients: A diffusion MRI based network analysis [J]. Neuroimage Clinical, 2012, 1(1): 106-115.

[14] Liu Yong, Liang Meng, Zhou Yuan, et al. Disrupted small-world networks in schizophrenia[J]. Brain, 2008, 131(4): 945-961.

[15] Su Tsungwei, Hsu Tunwei, Lin Yiching, et al. Schizophrenia symptoms and brain network efficiency: A resting-state fMRI study [J]. Psychiatry Research, 2015, 234(2): 208-218.

[16] Wang Bin, Fan Yuanyuan, Lu Min, et al. Brain anatomical networks in world class gymnasts: a DTI tractography study [J]. Neuroimage, 2012, 65(1): 476-487.

[17] Wang Wei, Collinger JL, Perez MA, et al. Neural interface technology for rehabilitation: exploiting and promoting neuroplasticity [J]. Physical Medicine & Rehabilitation Clinics of North America, 2010, 21(1): 157-178.

[18] 鄭秀麗, 敖純利, 沈抒, 等. 大腦高級皮質功能可塑性的認知神經心理學研究進展 [J]. 中國康復醫學雜志, 2007, 22(11): 1044-1046.

[19] 劉小燮. 腦機交互結合功能性電刺激康復訓練新技術對慢性期腦卒中大腦可塑性的影響 [D]. 北京：中國人民解放軍醫學院, 2014.

[20] Nielsen JA, Zielinski BA, Ferguson M A, et al. An evaluation of the left-brain vs. right-brain hypothesis with resting state functional connectivity magnetic resonance imaging [J].PLoS ONE, 2013, 8(8): e71275-e71286.

[21] Whitehouse AJO, Bishop DVM. Cerebral dominance for language function in adults with specific language impairment or autism [J]. Brain A Journal of Neurology, 2008, 131(12): 3193-3200.

Research on Cerebral Structural Network of Brain Tumor Patients before and after Surgery

Xue Li Tao Ling*Qian Zhiyu Yu Zhou Sun Jinyang

(CollegeofAutomation,NanjingUniversityofAeronautics&Astronautics,Nanjing211106,China)

diffusion tensor imaging; human brain anatomical networks; brain tumor; resective surgery; topological properties of the network

10.3969/j.issn.0258-8021. 2017. 02.014

2016-04-20，， 錄用日期:2016-10-08

國家自然科學基金(61275199)；中央高校基本科研業務費專項(NS2015032)

R318

D

0258-8021(2017) 02-0228-05

*通信作者(Corresponding author)，E-mail: taoling@nuaa.edu.cn.