一體化PET/MR分析腦默認網絡工作機制

王靜娟，崔碧霄，楊宏偉，馬 杰，梁志剛，盧 潔,2*

(1.首都醫科大學宣武醫院核醫學科，2.放射科，北京 100053)

一體化PET/MR分析腦默認網絡工作機制

王靜娟1，崔碧霄1，楊宏偉1，馬 杰1，梁志剛1，盧 潔1,2*

(1.首都醫科大學宣武醫院核醫學科，2.放射科，北京 100053)

目的利用一體化PET/MR探討腦默認網絡功能連接和葡萄糖代謝的空間相關性。方法對9名健康人行一體化PET/MR腦成像，獲得同步的靜息態MR腦功能成像(fMRI)和PET圖像。分析靜息態腦默認網絡腦區連接與葡萄糖攝取分布的相關性。結果基于靜息態fMRI的腦默認網絡與PET圖像高代謝區域有很好的空間分布相似性。相關性分析顯示，右側后扣帶區域內腦功能連接值與相對葡萄糖攝取(rGU)值的相關性最顯著(rs=0.833,P<0.001)。結論一體化PET/MR可為研究腦默認網絡的神經生理機制提供新的手段。

正電子發射型體層攝影術；磁共振成像；腦默認網絡；功能連接；葡萄糖攝取

關于人腦PET的研究[1-3]發現，人腦有些區域在靜息狀態較任務狀態消耗能量更高，主要包括內側前額葉、后扣帶回、頂下小葉、內側顳葉，這些腦區為腦默認網絡組成部分，對維持人腦的基礎功能具有重要作用。通過靜息態腦功能MRI(resting state functional MRI, rs-fMRI)種子點功能連接分析可顯示正常人的腦默認網絡。此外，臨床研究[4]發現，阿爾茨海默病、帕金森綜合征、癲癇、抑郁癥、精神分裂癥、自閉癥患者的腦默認網絡功能連接異常，但其生理機制尚不清楚。一體化PET/MR是目前最先進的影像學設備，可同時獲得rs-fMRI和PET的代謝信息[5-6]，為研究同一狀態下腦功能連接和代謝的關系提供可能。本研究應用一體化PET/MR探討正常人靜息態腦默認網絡與葡萄糖攝取的關系。

圖1 rs-fMRI腦默認網絡圖(A)及PET葡萄糖攝取空間分布圖(B)

1 資料方法

1.1 一般資料 收集2016年6月—2016年12月在本院因腫瘤篩查而接受腦PET/MR檢查、最終無任何疾病的正常人9名，其中男6名、女3名，年齡25～60歲，平均(43.7±9.7)歲。納入標準：右利手，無中樞神經及全身疾病，無糖尿病。排除標準： MR檢查禁忌證，腦內病變，伴中樞神經系統疾病。本研究經我院醫學倫理委員會批準，所有受試者均簽署知情同意書。

1.2 儀器與方法 采用GE Signa一體化TOF PET/MR掃描儀。受試者接受檢查前應禁食4 h以上，空腹血糖低于140 mg/dl[7]。注射藥物為18F-FDG(我科放射性實驗室生產，放化純度>95%[8])，注射劑量為3.7 MBq/kg體質量。受試者靜脈注射藥物后視聽封閉休息30 min，而后行PET/MR頭部掃描，囑受試者閉目、平臥于檢查床，但保持清醒，頭部保持不動。掃描范圍包括全腦，自枕骨大孔至顱頂部，床位中心線與顱腦中心位置一致。PET參數：FOV 25 cm，矩陣192×192，迭代次數8，子集數32，半高寬3 mm，重建類型Sharp IR(點擴散函數)，VUE Point FX(時間飛行技術)，Z軸濾過Standard，衰減校正MRAC，散射校正Scatter。rs-fMRI參數：采用平面回波序列，TR 2 000 ms,TE 30 ms，矩陣64×64，層厚4 mm，掃描時間10 min。3D T1結構像參數：TR 1 900 ms, TE 3.42 ms，層厚1 mm，矩陣256×256，掃描層數192層，時間5 min。

1.3 數據處理

1.3.1 預處理 應用SPM 8軟件(http：//www.fil.ion.ucl.ac.uk/spm/)。rs-fMRI預處理包括時間片校正、頭動校正、標準化；PET預處理包括標準化和平滑。rs-fMRI和PET圖像的標準化均基于T1結構像配準至標準空間模板[7]。

1.3.2 rs-fMRI默認網絡分析 默認網絡的獲得途徑主要基于后扣帶種子點功能連接法[4]。首先通過WFU-pickatlas軟件，基于人腦AAL(anatomical automatic labeling)地圖集提取后扣帶作為ROI[9]；而后對每一受試者利用種子點功能連接分析法，逐像素地計算ROI全腦功能連接[10]。再經FisherZ變換轉化為Z值以提高數據正態性。

1.3.3 相對葡萄糖攝取(relative glucose uptake， rGU) 采用GE AW 4.6工作站計算機專用軟件PETRecon/Replay重建與fMRI同時掃描的10 min PET圖像。為去除不同受試者間的基礎代謝差異，對所有受試者的18F-FDG圖像進行歸一化至50 ml/(dl·min)，得到rGU圖像及rGU值[11]。

1.4 統計學分析 在Matlab軟件中代碼實現計算所有受試者的rGU平均圖、默認網絡平均圖，利用Spearman分析平均圖Z值的空間分布相關性，以P<0.05為差異有統計學意義。

2 結果

2.1 腦默認網絡和葡萄糖代謝的空間分布 基于rs-fMRI圖像，以后扣帶回為種子點計算的腦默認網絡涉及腦區主要有內側前額葉、島葉、頂下小葉和海馬(圖1A)；靜息狀態下葡萄糖代謝增高的腦區主要為后扣帶/楔前葉、內側前額葉、額中回、顳橫回、殼核等(圖1B)；rs-fMRI腦默認網絡和PET的高代謝腦區的空間分布基本一致。

2.2 腦功能連接值與rGU值的相關性 腦內逐像素水平上，受試者rs-fMRI腦默認網絡內平均腦區功能連接值與平均rGU值具有相關性(rs=0.580，P<0.05)。雙側后扣帶區域(左側rs=0.582,P<0.001;右側：rs=0.833,P<0.001),雙側楔前葉(左側：rs=0.621,P<0.001；右側：rs=0.195,P<0.001)，左側島葉(rs=-0.076,P<0.001)，雙側頂下小葉(左側：rs=-0.193,P<0.001；右側：rs=0.446,P<0.001)，雙側海馬(左側：rs=0.324，P<0.001；右側：rs=-0.186,P<0.001)的功能連接值均與rGU值具有相關性(圖2)。

3 討論

本文利用一體化PET/MR研究基于rs-fMRI獲得腦默認網絡和基于PET獲得葡萄糖攝取量的關系，結果顯示腦默認網絡和葡萄糖高代謝的腦區空間分布基本一致，腦默認網絡右側后扣帶回區rGU值和功能連接的相關性最強。

一體化PET/MR是研究同步功能MRI和代謝成像的重要手段，為研究默認網絡的腦機制提供了可能。本研究結果顯示,靜息態默認網絡和PET葡萄糖高攝取腦區一致，提示基于種子點功能連接方法可以很好地顯示靜息態下代謝活躍的腦區，驗證了腦默認網絡腦區在靜息狀態下葡萄糖代謝增高的理論[2]。Tomasi等[12]研究報道,腦功能連接需要消耗能量，并分析腦功能連接和葡萄糖能量消耗的關系，發現rs-fMRI信號幅度越高，需要攝取的能量越高，腦默認網絡區域的葡萄糖攝取量和腦功能連接度呈指數關系。Passow等[13]通過種子點功能連接的方法研究rs-fMRI與PET代謝有顯著正相關的腦區，發現二者的相關腦區有空間分布相似；但這些研究的rs-fMRI和PET數據均不是同時獲取。Aiello等[14]利用一體化PET/MR分析靜息態下功能MRI信號的低頻振幅、連接度、局部一致性與葡萄糖攝取的相關性，結果顯示腦默認網絡區域內二者間的相關性最高。與既往研究比較，本研究的創新在于：①基于一體化PET/MR研究靜息態下腦默認網絡和葡萄糖代謝的空間分布；②分析了腦默認網絡內各腦區間功能連接值和葡萄糖代謝的相關性。

圖2 正常人rs-fMRI默認網絡內腦區功能連接值和rGU值的相關性 A、B.左、右側后扣帶的功能連接值與rGU值的相關性； C、D.左、右側楔前葉的功能連接值與rGU值的相關性； E、F.左、右側頂下小葉的功能連接值與rGU值的相關性； G、H.左、右側海馬的功能連接值與rGU值的相關性； I.左側島葉的功能連接值與rGU值的相關性

本研究中腦默認網絡內功能連接和葡萄糖攝取的相關性低于既往研究[11],原因可能是受容積效應的影響。本研究基于腦區內逐像素的相關性分析結果提示，腦默認網絡內后扣帶區域、楔前葉、左側島葉、右側頂下小葉和左側海馬的功能連接和代謝呈正相關，腦功能連接值是以后扣帶回腦區為種子點，即表明這些區域內后扣帶回的功能連接與代謝相關。后扣帶腦區是默認網絡的中心腦區，因此推測腦區內的能量消耗可能與此有關，這對研究網絡中心腦區的工作機制有重要意義[15-16]。右側海馬、左側頂下小葉的功能連接與代謝呈負相關，但相關系數小(rs=-0.186、rs=-0.193)，尚待擴大樣本進一步驗證。

本研究中只考慮了線性關系，而未涉及任何非線性關系。或許線性關系對于解釋復雜的生物變化過程太過簡單。Tomasi等[12]研究功能連接和葡萄糖攝取的模型估計時，將葡萄糖代謝和低頻波動也是簡單地假設為線性關系。海馬和楔前葉的功能連接在老年癡呆患者中被證實與海馬處的葡萄糖攝取呈顯著負相關[17]。線性關系是綜合目前研究做出的第1步，隨著更多受試者、更多數據的加入，今后將以進行更加復雜模型的驗證。

一體化PET/MR可用于研究腦疾病患者腦區失連接與代謝的關系，探究腦疾病不同階段腦默認網絡功能連接和代謝異常，有助于臨床尋找靶點治療，未來將具有重要的臨床應用潛力。此外，除了功能連接，其他功能參數如連接度、局部一致性、血流與葡萄糖攝取之間的關系有待進一步探討。

[1] Shulman GL, Fiez JA, Corbetta M, et al. Common blood flow changes across visual tasks: Ⅱ decreases in cerebral cortex. J Cogn Neurosci, 1997,9(5):648-663.

[2] Raichle ME, Macleod AM, Snyder AZ, et al. A default mode of brain function. Proc Natl Acad Sci U S A, 2001,98(2):676-682.

[3] Di X, Biswal BB. Dynamic brain functional connectivity modulated by resting-state networks. Brain Struct Funct, 2015,220(1):37-46.

[4] 李雨，舒華．默認網絡的神經機制、功能假設及臨床應用．心理科學進展，2014，22(2)：234-249．

[5] 單藝，盧潔，李坤成．一體化PET/MR評估腦血流的研究進展．中國醫學影像技術，2017，33(8)：1269-1272．

[6] 盧潔,張苗,方繼良,等.一體化PET/MR顱腦成像檢查規范(2017版).中國醫學影像技術,2017,33(5):791-794.

[7] Riedl V, Bienkowska K, Strobel C, et al. Local activity determines functional connectivity in the resting human brain: A simultaneous FDG-PET/fMRI study. J Neurosci, 2014,34(18):6260-6266.

[8] Ding YS, Chen BB, Glielmi C, et al. A pilot study in epilepsy patients using simultaneous PET/Mr. Am J Nucl Med Mol Imaging, 2014,4(5):459-470.

[9] Maldjian JA, Laurienti PJ, Kraft RA, et al. An automated method for neuroanatomic and cytoarchitectonic atlas-based interrogation of fMRI data sets. Neuroimage, 2003,19(3):1233-1239.

[10] Song XW, Dong ZY, Long XY, et al. REST: A toolkit for resting-state functional magnetic resonance imaging data processing. PLoS One, 2011,6(9):e25031.

[11] K.J. Friston, J. Ashburner, S.J. Kiebel, et al. Statistical Parametric Mapping: The Analysis of Functional Brain Images. Academic Press, 2007.

[12] Tomasi D, Wang GJ,Volkow ND. Energetic cost of brain functional connectivity. Proc.Natl.Acad.Sci, 2013,110:13642-13647.

[13] Passow S, Specht K, Adamsen TC, et al. Default-mode network functional connectivity is closely related to metabolic activity. Hum Brain Mapp, 2015,36(6):2027-2038.

[14] Aiello M, Salvatore E, Cachia A, et al. Relationship between simultaneously acquired resting-state regional cerebral glucose metabolism and functional MRI: A PET/MR hybrid scanner study. Neuroimage, 2015,113:111-121.

[15] 靳靜，董峰，唐一源．探測靜息狀態大腦活動的關鍵區域．自然科學進展，2007，17(5)：678-682．

[16] Fransson P, Marrelec G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage, 2008,42(3):1178-1184.

[17] Tahmasian M, Pasquini L, Scherr M, et al. The lower hippocampus global connectivity, the higher its local metabolism in Alzheimer disease. Neurology, 2015,84(19):1956-1963.

HybridPET/MRanalysisofneuralmechanismfordefaultmodenetwork

WANGJingjuan1,CUIBixiao1,YANGHongwei1,MAJie1,LIANGZhigang1,LUJie1,2*

(1.DepartmentofNuclearMedicine, 2.DepartmentofRadiology,XuanwuHospital，CapitalMedicalUniversity,Beijing100053,China)

ObjectiveTo investigate the relationship between spatial distribution of default mode network and glucose uptake.MethodsNine healthy subjects were scanned with hybrid PET/MR. Resting state MRI (rs-fMRI) and PET data were obtained. Spatial distribution analysis was performed between default mode network and glucose uptake. The relationship between the functional connectivity of default mode network and the distribution of glucose uptake were further analyzed.ResultsThe similar spatial distribution pattern was found between default mode network and glucose uptake. Correlation between functional connectivity and glucose uptake in the default mode network showed that the best correlation coefficient between the values of functional connectivity and relative glucose uptake (rGU) was achieved in the right posterior cingulate cortex (rs=0.833,P<0.001).ConclusionHybrid PET/MR is very important to investigate neural mechanism of default mode network.

Positron-emission tomography; Magnetic resonance imaging; Default mode network; Functional connection; Glucose uptake

國家自然科學基金(81671662、81522021)、十三五國家重點研發項目(2016YFC0103000)。

王靜娟(1987—)，女，河南濮陽人，博士，技師。研究方向：醫學影像技術與應用。E-mail: 1127809851@qq.com

盧潔，首都醫科大學宣武醫院核醫學科，放射科，100053。E-mail: imaginglu@hotmail.com

2017-05-22

2017-08-29

R741.04; R817

A

1003-3289(2017)11-1620-04

10.13929/j.1003-3289.201705124