基于時(shí)空雙稀疏表示的成人ADHD 腦網(wǎng)絡(luò)檢測(cè)與分析

龔軍輝 劉小燕 周建松 孫剛

注意力缺陷多動(dòng)障礙(Attention deficit hyperactivity disorder,ADHD)是一種常見(jiàn)的精神障礙疾病,主要表現(xiàn)為與發(fā)育程度(年齡)不相符的注意力分散、多動(dòng)和沖動(dòng)[1],這種疾病往往開(kāi)始于童年并可能持續(xù)到成年.研究表明,成人ADHD 的患病率仍高達(dá)3.4%[2].ADHD 患者的多動(dòng)問(wèn)題會(huì)隨著年齡的增長(zhǎng)而好轉(zhuǎn),但行為控制和注意力集中仍困難,這將對(duì)他們的生活和學(xué)習(xí)產(chǎn)生不利的影響,且成人ADHD 患者更易引發(fā)其他的精神障礙與犯罪行為,因而是一個(gè)重要的公共衛(wèi)生問(wèn)題[3].

靜息態(tài)功能核磁共振成像(Resting-state functional magnetic resonance imaging,rsfMRI)由于操作易、耗時(shí)短、性價(jià)比高等優(yōu)點(diǎn),廣泛應(yīng)用于探索青少年和成人ADHD 患者的腦功能異常[4?12].傳統(tǒng)的ADHD 靜息態(tài)功能核磁共振成像研究主要分為兩類(lèi):1)一些學(xué)者采用局部一致性、低頻振蕩等基于體素的指標(biāo)分析了rsfMRI 數(shù)據(jù),認(rèn)為ADHD患者存在一些異常腦區(qū),例如運(yùn)動(dòng)感知腦區(qū)[4],前額、前扣帶回和丘腦[5],枕葉視覺(jué)信息處理等腦區(qū)[5].2)另一些學(xué)者則從各腦區(qū)(或體素)之間的功能連接角度出發(fā)對(duì)ADHD 靜息態(tài)fMRI 數(shù)據(jù)進(jìn)行了分析,發(fā)現(xiàn)ADHD 患者的前島葉與楔前葉、中央前回、顳下回等腦區(qū)的連接有異常[8],左羅蘭迪克島蓋區(qū)、腦島、殼核、蒼白球等腦區(qū)所在的一些功能連接子網(wǎng)絡(luò)有異常[9],額頂葉、小腦腦區(qū)的功能連接有增強(qiáng)[10],小腦、右下額、左軀體感知腦區(qū)之間的功能連接增強(qiáng)[12].雖然上述研究發(fā)現(xiàn)了一些與ADHD 相關(guān)的腦區(qū)或腦區(qū)間的功能連接,但是ADHD 的潛在神經(jīng)機(jī)制目前仍不完全明了,需進(jìn)一步研究驗(yàn)證[10].

近年來(lái),一些學(xué)者采用獨(dú)立成分分析(Independent component analysis,ICA)方法和雙回歸分析方法,提取出靜息態(tài)腦網(wǎng)絡(luò)(Resting-state brain network,RSN)來(lái)研究精神障礙疾病的神經(jīng)生理機(jī)制[13?14].與基于腦區(qū)或腦區(qū)間功能連接的研究方法相比,采用RSN 可以從大尺度腦網(wǎng)絡(luò)級(jí)角度來(lái)探索精神障礙疾病的生理機(jī)制,具有較大優(yōu)勢(shì).這是因?yàn)?一個(gè)RSN 往往包含多個(gè)腦區(qū)且多個(gè)腦區(qū)之間存在有功能連接,腦區(qū)的異?；蚰X區(qū)間功能連接的異常最終都會(huì)導(dǎo)致所涉及的RSN 的異常.為探索一些感興趣的RSN 在ADHD 組中是否有異常,Mostert 等[11]采用組ICA 及雙回歸分析方法,從靜息態(tài)fMRI 數(shù)據(jù)提取了數(shù)十個(gè)并發(fā)的RSN,并選取了其中感興趣的6 個(gè)網(wǎng)絡(luò)(小腦網(wǎng)絡(luò)、兩個(gè)默認(rèn)網(wǎng)絡(luò)、執(zhí)行控制網(wǎng)絡(luò)、左、右額頂網(wǎng)絡(luò));針對(duì)每個(gè)感興趣的網(wǎng)絡(luò),采用基于體素的統(tǒng)計(jì)檢驗(yàn)方法推斷ADHD 組與正常人組之間是否有差異.實(shí)驗(yàn)結(jié)果表明,ADHD 患者的執(zhí)行控制網(wǎng)絡(luò)和小腦網(wǎng)絡(luò)存在異常.然而,從數(shù)十個(gè)腦網(wǎng)絡(luò)中確定少數(shù)的感興趣網(wǎng)絡(luò),需要一定的先驗(yàn)知識(shí).而且,在數(shù)萬(wàn)個(gè)體素(高維)幾十個(gè)樣本(少樣本)上采用體素級(jí)的統(tǒng)計(jì)檢驗(yàn)及體素簇推斷時(shí),會(huì)產(chǎn)生較高的假陽(yáng)性結(jié)果[15].此外,在采用ICA 方法的fMRI 研究中,假設(shè)fMRI信號(hào)時(shí)域或空域的源成分統(tǒng)計(jì)獨(dú)立,而這一假設(shè),目前還缺乏神經(jīng)和生理學(xué)基礎(chǔ)[16?17].

近20 年來(lái),稀疏表示成為信號(hào)分析領(lǐng)域一個(gè)引人關(guān)注的研究方向,在機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域有很多成功的應(yīng)用[18?20].稀疏表示的目的是在已設(shè)定或?qū)W習(xí)獲得的字典中,用盡可能少的源成分來(lái)最優(yōu)地表示觀測(cè)的信號(hào),從而更容易獲取信號(hào)中所蘊(yùn)含的信息.稀疏假設(shè)在神經(jīng)和腦科學(xué)上有相應(yīng)的解釋和意義[21?22],近年來(lái)稀疏表示在fMRI 個(gè)體腦網(wǎng)絡(luò)的提取中也獲得了成功的應(yīng)用[23?24].在我們前期工作中,提出了一種基于時(shí)空雙稀疏表示(Dual temporal and spatial sparse representation,DTSSR)的fMRI 數(shù)據(jù)分析方法[25]:個(gè)體的fMRI 信號(hào)經(jīng)過(guò)頭動(dòng)校正、空域?yàn)V波、去線性漂移、時(shí)域?yàn)V波預(yù)處理后,首先采用在線稀疏表示算法對(duì)個(gè)體時(shí)域的血氧水平依賴(Blood oxygenation level-dependent,BOLD)信號(hào)矩陣進(jìn)行稀疏分解,得到具有個(gè)體特性的腦功能網(wǎng)絡(luò)(Brain functional network,BFN)然后采用在線稀疏字典學(xué)習(xí)算法,對(duì)空間標(biāo)準(zhǔn)化后的個(gè)體特性BFN 矩陣進(jìn)行非負(fù)矩陣稀疏分解,自動(dòng)提取出具有組共性的群組RSN 及具有個(gè)體特性的耦合參數(shù).實(shí)驗(yàn)結(jié)果表明,采用DTSSR 所提取出的群組RSN 在不同的數(shù)據(jù)集中具有高可重現(xiàn)性;與其他方法相比,DTSSR 能同時(shí)獲得個(gè)體特性RSN 和具有組共性的群組RSN,這有利于fMRI 數(shù)據(jù)后續(xù)的組分析.此外,DTSSR 方法還可以獲得群組RSN在不同個(gè)體中“能量”特性的耦合參數(shù),由此,通過(guò)對(duì)耦合參數(shù)的分析,可以從群組RSN 角度來(lái)描述個(gè)體的腦功能特性,這有利于從大尺度腦網(wǎng)絡(luò)角度來(lái)探索精神障礙疾病的潛在神經(jīng)機(jī)制.

本文以成人ADHD 為研究對(duì)象(后續(xù)部分的ADHD,如非特別標(biāo)明都指成人ADHD),首先采用DTSSR 方法提取出個(gè)體功能腦網(wǎng)絡(luò)BFN、群組RSN 及耦合參數(shù);在此基礎(chǔ)上將群組RSN 在個(gè)體功能網(wǎng)絡(luò)中的耦合參數(shù)均值池化作為該腦網(wǎng)絡(luò)在個(gè)體上的活躍度指標(biāo);然后將獲得的活躍度指標(biāo)與ADHD 量表分進(jìn)行Spearman 相關(guān)性分析,最終檢測(cè)出與ADHD 相關(guān)的RSN(簡(jiǎn)稱(chēng)ADHD-RSN).該方法是一種基于數(shù)據(jù)驅(qū)動(dòng)的檢測(cè)方法,不需要先驗(yàn)知識(shí)(如感興趣腦網(wǎng)絡(luò)、靜息態(tài)腦網(wǎng)絡(luò)模板、種子點(diǎn)等);此外,這種從大尺度上腦網(wǎng)絡(luò)級(jí)對(duì)ADHD-RSN進(jìn)行的分析檢測(cè)方法,避免了由于在高維少樣本體素上進(jìn)行統(tǒng)計(jì)推斷而造成的假陽(yáng)性結(jié)果.

1 數(shù)據(jù)采集與預(yù)處理

1.1 數(shù)據(jù)采集

本文所采用的ADHD 靜息態(tài)fMRI 數(shù)據(jù)及相應(yīng)的量表評(píng)估分?jǐn)?shù)據(jù)下載于公開(kāi)數(shù)據(jù)庫(kù)1 000 functional connectomes project(http://fcon-1000.projects.nitrc.org/fcpClassic/FcpTable.html).數(shù)據(jù)庫(kù)中有25 名ADHD 患者數(shù)據(jù),其影像數(shù)據(jù)包括功能像和結(jié)構(gòu)像,由Siemens Allegra 3.0 Tesla 核磁共振掃描儀采集獲得.功能像采用EPI 序列成像,采集時(shí)間點(diǎn)數(shù)為192,主要成像參數(shù):TR=2 000 ms,TE=25 ms,Flip angle=90?,39 層,matrix=64×64,FOV=192 mm.T1 加權(quán)結(jié)構(gòu)像采用GE 序列成像,主要成像參數(shù)為:TR=2 500 ms,TE=4.35 ms,T1=900 ms,Flip angle=8?,176 層,FOV=256 mm.掃描期間,要求患者保持眼睛睜開(kāi),盡量放松.

所有患者經(jīng)定式訪談診斷,符合DSM-IV (Diagnostic and statistical manual of mental disorders)[1]的ADHD 診斷準(zhǔn)則.采用SCL-90-R(Symptom checklist-90-revised)對(duì)參與者進(jìn)行了篩選,篩選內(nèi)容包括:既往的精神障礙、雙相障礙及物質(zhì)濫用障礙病史;當(dāng)前的心情、精神障礙、焦慮及物質(zhì)濫用障礙狀況;既往的精神疾病治療史;神經(jīng)疾病和慢性疾病治療史.最后參與的ADHD 患者均無(wú)并發(fā)癥,且未服用其他精神類(lèi)藥物.所有患者為右利手、智力正常,在掃描前24 小時(shí)之內(nèi),未進(jìn)行藥物和刺激治療.所有患者簽署了由紐約大學(xué)倫理委員會(huì)提供的知情書(shū).每位患者的量表分采用ASRS (Adult ADHD self-report scal)[26]量表評(píng)估獲得.ASRS 量表由世界衛(wèi)生組織與來(lái)自于紐約大學(xué)醫(yī)學(xué)院和哈佛大學(xué)醫(yī)學(xué)院的成人ADHD 研究專(zhuān)家組成的研究小組共同研制,在多個(gè)研究中作為描述ADHD 癥狀的基準(zhǔn)分[6,27].

1.2 靜息態(tài)fMRI 數(shù)據(jù)預(yù)處理

采用核磁共振掃描儀獲得的腦體素腦血氧水平依賴(BOLD)信號(hào),記錄了體素因神經(jīng)活動(dòng)而引起的血氧飽和濃度的變化.在數(shù)十個(gè)體、數(shù)萬(wàn)個(gè)腦體素、上百個(gè)時(shí)間點(diǎn)上采集的BOLD 信號(hào)包含生理心理噪聲,同時(shí)采集過(guò)程中易受個(gè)體頭動(dòng)的影響,是一個(gè)高維高噪的信號(hào)集,因此數(shù)據(jù)分析前需進(jìn)行一些頭動(dòng)校正、時(shí)空域?yàn)V波等數(shù)據(jù)預(yù)處理,具體步驟為:頭動(dòng)校正(放棄頭動(dòng)過(guò)1.5?和1.5 mm 的患者數(shù)據(jù))、空域平滑(高斯核的FWHM 為6 mm)、去線性漂移、時(shí)域?yàn)V波(0.01～0.08 Hz 帶通濾波)、獲得個(gè)體特性RSN 后進(jìn)行空間標(biāo)準(zhǔn)化(體素大小設(shè)置為3 mm×3 mm×3 mm).分析軟件主要包括MATLAB、Spm、DPRASF、FSL 等.在數(shù)據(jù)預(yù)處理后,放棄了2 名因頭動(dòng)過(guò)大患者的數(shù)據(jù)和1 名無(wú)ADHD 量表分的患者的數(shù)據(jù),最終獲得的群組人口學(xué)特征統(tǒng)計(jì)如表1.

表1 ADHD 組人口統(tǒng)計(jì)學(xué)特性Table 1 Demographic of the ADHD group

2 基于DTSSR 的ADHD-RSN 檢測(cè)方法

2.1 方法框圖

所提方法包括基于DTSSR 的靜息態(tài)fMRI 數(shù)據(jù)分析、ADHD-RSN 檢測(cè)兩個(gè)大模塊(圖1).在第1 個(gè)模塊中,經(jīng)個(gè)體BOLD 信號(hào)的稀疏表示、BFN的稀疏表示之后,獲得了組RSN 及耦合參數(shù)矩陣;在第2 個(gè)模塊中,由耦合參數(shù)計(jì)算獲得了組RSN在個(gè)體上的活躍度指標(biāo)、再由腦網(wǎng)絡(luò)活躍度指標(biāo)與ADHD 量表分值的Spearman 相關(guān)分析、相關(guān)系數(shù)顯著性檢驗(yàn),最終獲得ADHD-RSN.下面將對(duì)各模塊流程進(jìn)行詳細(xì)闡述.

2.2 基于DTSSR 的靜息態(tài)fMRI 數(shù)據(jù)分析

2.2.1 個(gè)體BOLD 信號(hào)的稀疏表示

設(shè)sx為體素x上經(jīng)過(guò)預(yù)處理后的BOLD 信號(hào),由BOLD 信號(hào)為多個(gè)源成分線性和稀疏組合的假設(shè)[23?24,28?29],sx可以表示為

其中,D=[d1,d2,···,dk1]∈Rt×k1表示預(yù)設(shè)源成分?jǐn)?shù)為k1的字典矩陣;t為時(shí)間點(diǎn)數(shù);ax與ex分別代表源成分系數(shù)與噪聲.為獲得sx最優(yōu)的稀疏分解,sx的價(jià)值損失函數(shù)(sx,D)定義為

其中,λ1為懲罰參數(shù),用于調(diào)整回歸殘余項(xiàng)與稀疏項(xiàng)的比例.價(jià)值損失函數(shù)(sx,D)越小表示字典D在稀疏條件下越能較優(yōu)地表示體素的BOLD 信號(hào)sx.對(duì)于字典矩陣的列向量d1,d2,···,dk中可能出現(xiàn)的任意極大值,將采用式(3)進(jìn)行抑制.

圖1 基于DTSSR 的ADHD-RSN 的檢測(cè)方法整體框圖Fig.1 The framework for detecting adult ADHD-RSN using DTSSR

對(duì)于有n個(gè)體素的個(gè)體大腦,其BOLD 信號(hào)矩陣為S=[s1,s2,···,sx,···,sn]∈Rt×n.根據(jù)式(1),個(gè)體全腦體素BOLD 信號(hào)矩陣S的稀疏表示模型為

其中,A=[a1,a2,···,an]∈Rk1×n為字典中源成分的系數(shù)矩陣;E=[e1,e2,···,en]∈Rt×n是噪聲矩陣.為獲得S的最優(yōu)稀疏分解,定義S的經(jīng)驗(yàn)價(jià)值函數(shù)為n個(gè)體素價(jià)值損失函數(shù)的平均值,表達(dá)式為

對(duì)源成分字典D而言,經(jīng)驗(yàn)價(jià)值函數(shù)fn(D)的最優(yōu)化是非凸的,為此,需將S的最優(yōu)稀疏分解轉(zhuǎn)化式(6)中D和A兩個(gè)變量的聯(lián)合優(yōu)化問(wèn)題,即當(dāng)其中一個(gè)變量固定不變時(shí),對(duì)另一個(gè)變量尋求最優(yōu)

由于在線字典學(xué)習(xí)算法在處理大數(shù)據(jù)時(shí)具有優(yōu)越性能[11,24,28?29],本文采用該算法解決式(6)的優(yōu)化問(wèn)題.

總之,通過(guò)對(duì)個(gè)體全腦體素的BOLD 信號(hào)矩陣S的最優(yōu)稀疏表示,可獲得一個(gè)源成分字典矩陣D和一個(gè)系數(shù)矩陣A(如圖2 所示).這里字典矩陣D的每一列表示體素BOLD 信號(hào)的一個(gè)源成分,而系數(shù)矩陣的每一行表示同一源成分的系數(shù),按體素索引映射回個(gè)體腦空間后作為一個(gè)BFN[11,24,28?29].

2.2.2 腦功能網(wǎng)絡(luò)的稀疏表示

采用上一節(jié)方法,從靜息態(tài)fMRI 數(shù)據(jù)集中提取了數(shù)千個(gè)BFN,這些網(wǎng)絡(luò)具有較大的差異性.如果沒(méi)有任何時(shí)域或空域的先驗(yàn)知識(shí),很難從數(shù)千個(gè)個(gè)體BFN 中找出具有群組一致的BFN.根據(jù)最近的腦科學(xué)研究成果[30],一個(gè)BFN 可以被合理地假設(shè)為多個(gè)組RSN 與一個(gè)噪聲網(wǎng)絡(luò)的耦合,這種耦合機(jī)制可以簡(jiǎn)化為一個(gè)線性組合模型來(lái)描述[25]

其中,gy為第y個(gè)BFN,I=[i1,i2,···,ik2]∈Rp×k2是一個(gè)群組RSN 字典矩陣;k2為預(yù)設(shè)的群組RSN數(shù);by=[by1,by2,···,byk2]T∈Rk2是RSN 的耦合參數(shù),其絕對(duì)值大于或等于0 (0 表示相應(yīng)的RSN與gy無(wú)關(guān));εy為噪聲網(wǎng)絡(luò).所有個(gè)體的BFN 經(jīng)空間標(biāo)準(zhǔn)化后,按體素索引轉(zhuǎn)化為一組列向量,組成了一個(gè)群組腦網(wǎng)絡(luò)矩陣G=[g1,g2,···,gy,···,gq]∈Rp×q,其中p為空間標(biāo)準(zhǔn)化后的腦體素?cái)?shù),q=L ×k1為獲得的BFN 總數(shù),L為群組中的個(gè)體數(shù).根據(jù)式(7),BFN 矩陣G可表示為

其中,耦合參數(shù)矩陣B為[b1,b2,···,by···,bq]∈Rk2×q,噪聲腦網(wǎng)絡(luò)矩陣E為[ε1,ε2,···,εy···,εq]∈Rp×q.為了在耦合參數(shù)大于或等于0 情況下獲得gy的最優(yōu)稀疏分解I和B,將gy的價(jià)值損失函數(shù)(gy,I)、抑制條件集合及目標(biāo)函數(shù)分別定義為

采用在線字典學(xué)習(xí)算法的稀疏表示,可將BFN矩陣G分解為最優(yōu)的群組RSN 矩陣I及相應(yīng)的耦合參數(shù)矩陣B.將I的每一列按體素索引映射回標(biāo)準(zhǔn)腦空間,獲得組RSN (如圖3 所示).

2.2.3 稀疏表示參數(shù)設(shè)置

字典尺寸和稀疏抑制水平是稀疏表示的兩個(gè)重要參數(shù),采用稀疏表示分析個(gè)體fMRI 數(shù)據(jù)的BOLD 信號(hào)時(shí),根據(jù)文獻(xiàn)[24,29,31],稀疏抑制水平λ1和字典尺寸k1分別設(shè)置為0.15 和250;采用稀疏表示分析組BFN 時(shí),稀疏抑制水平λ2和字典尺寸k2的設(shè)定并沒(méi)有一個(gè)黃金準(zhǔn)則,根據(jù)文獻(xiàn)[25]的方法以及在實(shí)驗(yàn)數(shù)據(jù)上的測(cè)試結(jié)果(腦網(wǎng)絡(luò)空間分布是否有意義),將稀疏抑制水平λ2和字典尺寸k2的初始值設(shè)置為0.2 和20.最終從組fMRI 數(shù)據(jù)集中獲得的20 個(gè)組RSN,編號(hào)為RSN#1,RSN#2,···,RSN#20.

圖2 個(gè)體全腦BOLD 信號(hào)的稀疏表示Fig.2 Sparse representation for whole-brain BOLD signals

圖3 功能腦網(wǎng)絡(luò)的稀疏表示Fig.3 Sparse representation for brain functional networks

2.3 ADHD 相關(guān)靜息態(tài)腦網(wǎng)絡(luò)的檢測(cè)

采用DTSSR 對(duì)經(jīng)過(guò)預(yù)處理的fMRI 數(shù)據(jù)進(jìn)行分析后,獲得了個(gè)體BFN (標(biāo)號(hào)為1,2,···,k1)、組RSN (標(biāo)號(hào)為1,2,···,k2)及相應(yīng)的耦合參數(shù).對(duì)于同一個(gè)組RSN,在不同的個(gè)體BFN 中具有不同的耦合參數(shù),由耦合參數(shù)(稀疏表示系數(shù))在稀疏表示中的意義可知,耦合參數(shù)絕對(duì)值越大表示組RSN在相應(yīng)的個(gè)體BFN 中的“能量”越大,意味著該組RSN 在相應(yīng)的BFN 中比較活躍.由于個(gè)體的差異性,同一組RSN 可能隨機(jī)活躍在個(gè)體不同標(biāo)號(hào)、不同數(shù)量的BFN 中.為此,本文提出將組RSN 在個(gè)體BFN 上的耦合參數(shù)均值池化作為一個(gè)指標(biāo)來(lái)描述組RSN 在個(gè)體上的活躍特性.在Zubair 等[32]的研究中將音頻信號(hào)經(jīng)過(guò)稀疏表示后,也采用了將稀疏表示系數(shù)均值池化作為音頻信號(hào)的特征指標(biāo),隨后輸入支持向量機(jī)對(duì)音頻信號(hào)進(jìn)行分類(lèi),取得了較高的分類(lèi)結(jié)果.類(lèi)似的池化稀疏系數(shù)的方法在一些正交匹配追蹤、軟閾值編碼研究中也有應(yīng)用[33?34].基于上述原因,本文將耦合參數(shù)的絕對(duì)值均值池化作為衡量組RSN 在個(gè)體大腦中的活躍度指標(biāo),其中耦合參數(shù)均值池化計(jì)算如下:

其中,RSN-A為RSN 的活躍度指標(biāo),l表示個(gè)體標(biāo)號(hào),m表示組RSN 標(biāo)號(hào).通過(guò)采用網(wǎng)絡(luò)活躍度指標(biāo)RSNA檢測(cè)ADHD-RSN 方法示例如圖4:首先將組靜息態(tài)網(wǎng)絡(luò)RSN#1 的耦合參數(shù)(耦合參數(shù)矩陣的第1 行)按個(gè)體均值池化,獲得RSN#1 的活躍度指標(biāo)向量RSN-A1,-隨后計(jì)算RSN--A1與ADHD 量表分值的Spearman 等級(jí)相關(guān)系數(shù),并對(duì)相關(guān)系數(shù)作顯著性檢驗(yàn)(H0:相關(guān)系數(shù)為0),最終由計(jì)算的P-value檢測(cè)出ADHDRSN.

2.4 腦網(wǎng)絡(luò)空間相關(guān)性的量化比較

為評(píng)估不同腦網(wǎng)絡(luò)zu和zv在空間分布上是否相關(guān),本文采用空間相關(guān)系數(shù)[25]來(lái)作為兩個(gè)腦網(wǎng)絡(luò)的量化評(píng)估指標(biāo),空間相關(guān)系數(shù)ruv定義為

圖4 通過(guò)耦合參數(shù)識(shí)別ADHD-RSN 示例圖(RSN#1 為例)Fig.4 Illustration of identifying ADHD-RSN by use of coupling parameters (RSN#1 as the example)

3 結(jié)果與分析

3.1 群組RSN 提取結(jié)果與分析

圖5 為采用DTSSR 從ADHD 靜息態(tài)fMRI 數(shù)據(jù)中提取的20 個(gè)組RSN 的空間分布圖(“激活”體素的推斷由FSL 的工具包MELODIC 完成).可以明顯看出,正常人組中常見(jiàn)的RSN[36?37],在ADHD組結(jié)果中有相對(duì)應(yīng)的相似網(wǎng)絡(luò),這些網(wǎng)絡(luò)包括:三個(gè)視覺(jué)信息處理相關(guān)網(wǎng)絡(luò)(RSN#7,RSN#17 和RSN#19)、聽(tīng)覺(jué)信息處理網(wǎng)絡(luò)(RSN#5)、運(yùn)動(dòng)感知網(wǎng)絡(luò)(RSN#8)、背側(cè)注意網(wǎng)絡(luò)(RSN#6)、執(zhí)行控制網(wǎng)絡(luò)(RSN#11)、默認(rèn)網(wǎng)絡(luò)(RSN#4)、小腦網(wǎng)絡(luò)(RSN#18)及與高級(jí)認(rèn)知相關(guān)的左右額頂網(wǎng)絡(luò)(RSN#3 和RSN#12).將ADHD 數(shù)據(jù)上提取的RSN 與文獻(xiàn)[36?37]中正常人組的RSN 對(duì)比,可以發(fā)現(xiàn),這些常見(jiàn)RSN 在ADHD 中并沒(méi)有缺失.

圖5 采用DTSSR 從ADHD 組fMRI 數(shù)據(jù)集中提取組RSN (“激活”體素采用MELODIC 推斷獲得)Fig.5 The inferred group-wise RSNs with DTSSR from the ADHD dataset(The“activated”voxels were inferred by MELODIC)

采用第2.4 節(jié)腦網(wǎng)絡(luò)空間相關(guān)的量化分析方法,將文獻(xiàn)[37]中正常人組的RSN 與對(duì)應(yīng)的相似網(wǎng)絡(luò)(RSN#7,RSN#17,RSN#19,RSN#4,RSN#18,RSN#8,RSN#5,RSN#11,RSN#3 和RSN#12)進(jìn)行了腦網(wǎng)絡(luò)空間相關(guān)的量化分析,獲得的相關(guān)系數(shù)分別為0.85,0.74,0.66,0.79,0.58,0.60,0.71,0.59,0.64,0.68.這些從高維(數(shù)萬(wàn)個(gè)體素)的腦網(wǎng)絡(luò)上獲得的空間相關(guān)系數(shù),即使是最小值0.58 (小腦網(wǎng)絡(luò)RSN#18),網(wǎng)絡(luò)的“激活”體素在空間分布上也展現(xiàn)了較高的相似性(如圖6).而且,在文獻(xiàn)[37]中的相似腦網(wǎng)絡(luò)對(duì)(都來(lái)自于正常人組),空間相關(guān)系數(shù)最小值為0.25,相比而言,0.58 這個(gè)值也是令人滿意的.另外,對(duì)這些相關(guān)系數(shù)進(jìn)行顯著性檢驗(yàn)(H0:相關(guān)系數(shù)為0)和Bonferroni 校正后,所獲得的P-value均小于10?5.上述這些都表明,正常人組RSN 與ADHD 組對(duì)應(yīng)的RSN 具有較高相關(guān)性系數(shù)和顯著的相關(guān)性,“激活”體素的空間分布上也顯示了高度的相似性.

通過(guò)ADHD 數(shù)據(jù)上提取的RSN 與正常人組常見(jiàn)RSN 在空間分布上的視覺(jué)對(duì)比和量化評(píng)估后發(fā)現(xiàn):一些常見(jiàn)的RSN 在ADHD 組上都能找出相應(yīng)的RSN;這些對(duì)應(yīng)的RSN 之間具有較高的相關(guān)性系數(shù)和顯著相關(guān)性,“激活”體素的空間分布上展現(xiàn)出了高度的相似性.因此,難以從空間分布上檢測(cè)出ADHD-RSN.

3.2 ADHD 相關(guān)RSN 檢測(cè)結(jié)果與分析

表2 給出了ADHD 量表分以及采用本文方法得出的組RSN 在個(gè)體上的活躍度指標(biāo)值(k2=20,λ2=0.2)、指標(biāo)值與ADHD 量表分的Spearman 等級(jí)相關(guān)系數(shù)、P-value、FDR (False discovery rate)校正、ADHD 相關(guān)網(wǎng)絡(luò)的結(jié)果.從相關(guān)系數(shù)來(lái)看,RSN#6 (背側(cè)注意網(wǎng)絡(luò),空間分布如圖7(a)所示)及RSN#11 (執(zhí)行控制網(wǎng)絡(luò),空間分布如圖7(b)所示)的活躍度指標(biāo)與ADHD-RS 分值相關(guān)系數(shù)較高,分別為0.56 及0.57,這兩相關(guān)系數(shù)的顯著性檢驗(yàn)(H0:相關(guān)系數(shù)為0)的P-value均小于0.01.更進(jìn)一步,本文采用常用的FDR 方法對(duì)P-value進(jìn)行了校正,結(jié)果如表2 所示.從表中可以看出,與其他18 個(gè)RSN 相比,RSN#6 及RSN#11 校正后的Pvalue仍為最低(0.06),即拒絕原假設(shè)為真,出錯(cuò)的概率為6%.雖然該數(shù)值與統(tǒng)計(jì)上常設(shè)的顯著性水平0.05 (拒絕原假設(shè)為真,出錯(cuò)的概率為5%)相比,略顯偏大,但是,由于獲得的腦網(wǎng)絡(luò)之間相關(guān)等原因,不同腦網(wǎng)絡(luò)之間的活躍度指標(biāo)有較強(qiáng)的相關(guān)性(最高值為0.83),這可能導(dǎo)致FDR 校正值偏大[38].因此,本文認(rèn)為RSN#6、RSN#11 與ADHD 量表分值之間仍具有顯著相關(guān)性.

此外,采用本文方法檢測(cè)出的RSN#6 和RSN#11 的兩個(gè)網(wǎng)絡(luò)從腦科學(xué)角度能有合理的解釋,所涉及的腦區(qū),在很多前期的研究中都能找出相應(yīng)的支持依據(jù).檢測(cè)出的RSN#6 (背側(cè)注意網(wǎng)絡(luò))涉及到頂上回、枕中回、中央后回、顳中回、額中回、緣上回、顳中回、顳極等腦區(qū),主要提供自上而下的注意控制機(jī)制.在執(zhí)行持續(xù)的任務(wù)期間,背側(cè)注意網(wǎng)絡(luò)的持續(xù)活動(dòng)會(huì)使大腦處于一種高度專(zhuān)注的高效率狀態(tài),以保證任務(wù)的完成[39].部分學(xué)者在前期研究中也檢測(cè)出ADHD 背側(cè)注意網(wǎng)絡(luò)及相關(guān)腦區(qū)有異常,與本文結(jié)論一致.例如,Sokunbi 等[40]發(fā)現(xiàn)了ADHD 患者在顳中回,額中回,中央后回等腦區(qū)與ADHD 癥狀分值有顯著的負(fù)相關(guān);Schneider等[41]發(fā)現(xiàn)ADHD 患者的背側(cè)注意網(wǎng)絡(luò)的頂葉腦區(qū)有異常,而這部分腦區(qū)在背側(cè)注意網(wǎng)絡(luò)中有重要作用[42].

本文檢測(cè)出的RSN#11 網(wǎng)絡(luò)稱(chēng)為執(zhí)行控制網(wǎng)絡(luò)或中央控制網(wǎng)絡(luò),主要腦區(qū)包括:內(nèi)則和旁扣帶回、腦島、背外側(cè)額上回、緣上回、中央前回等,該網(wǎng)絡(luò)涉及到認(rèn)知、行為抑制、情緒等腦功能[37].執(zhí)行控制網(wǎng)絡(luò)多次出現(xiàn)在一些前期ADHD 研究的結(jié)果中[43?44],而執(zhí)行控制網(wǎng)絡(luò)的前扣帶回,也頻繁地出現(xiàn)在一些ADHD 研究的結(jié)果中,如Wang 等[6]報(bào)道了前扣帶回和小腦的連接在成人ADHD 中表現(xiàn)出增強(qiáng)的功能連接;Francx 等[45]在對(duì)兒童和青少年ADHD 研究中也發(fā)現(xiàn)前扣帶回連接強(qiáng)度與ADHD 癥狀相關(guān).

圖6 小腦網(wǎng)絡(luò)的空間分布圖(“激活”體素采用MELODIC 推斷獲得)((a)正常人組的小腦網(wǎng)絡(luò)[37];(b)采用DTSSR 提取出ADHD 組的小腦網(wǎng)絡(luò)(RSN#18))Fig.6 The spatial maps of cerebellum network (The“activated”voxels are inferred by MELODIC)((a)The cerebellum network of healthy group[37];(b)The obtained cerebellum network (RSN#18)with DTSSR)

表2 ADHD 組量表分、腦網(wǎng)絡(luò)活躍程度指標(biāo)、相關(guān)系數(shù)、P-value 及ADHD-RSN 檢測(cè)結(jié)果Table 2 The obtained ADHD-RSN,indexes for activity of brain networks,correlation coefficients, P-value and ADHD-RSN

另外,有研究指出[11],ADHD 可能具有廣泛神經(jīng)紊亂的特性,與傳統(tǒng)的基于腦區(qū)或腦區(qū)間功能連接的研究方法相比,本文方法從大尺度網(wǎng)絡(luò)對(duì)ADHD 進(jìn)行分析,更能描述ADHD 神經(jīng)紊亂特性.

3.3 不同字典尺寸下ADHD 相關(guān)RSN 檢測(cè)結(jié)果

圖7 ADHDRSN 空間分布圖(“激活”體素采用MELODIC 推斷)((a)背側(cè)注意網(wǎng)絡(luò)(RSN#6);(b)執(zhí)行控制網(wǎng)絡(luò)(RSN#11))Fig.7 The spatial maps of the ADHD-RSN (The“activated”voxels were inferred by MELODIC)((a)dorsal attention network (RSN#6);(b)executive control network (RSN#11))

已有的研究表明[24?25,29],相對(duì)于稀疏抑制水平,字典尺寸對(duì)腦網(wǎng)絡(luò)的提取結(jié)果影響更大.為探討不同字典尺寸k2對(duì)檢測(cè)結(jié)果的影響,首先將稀疏抑制水平λ2固定設(shè)置為0.2,字典尺寸k2從20 開(kāi)始以步長(zhǎng)為40 依次增大至180,檢測(cè)出了共5 個(gè)字典尺寸下相應(yīng)的ADHD RSN;隨后以k2為20 時(shí)獲得的組RSN 為模板網(wǎng)絡(luò)(20 個(gè)模板網(wǎng)絡(luò)),采用第2.4 節(jié)的方法,計(jì)算每一個(gè)字典尺寸下檢測(cè)出的ADHD RSN 與模板網(wǎng)絡(luò)的空間相關(guān)系數(shù),以確定檢測(cè)出的ADHD RSN 與模板網(wǎng)絡(luò)的關(guān)系.圖8(a)為模板網(wǎng)絡(luò)的背側(cè)注意網(wǎng)絡(luò)RSN#6,圖8(b)～8(e)為在字典尺寸60～180 時(shí),通過(guò)計(jì)算獲得的與RSN#6 空間相關(guān)的ADHD RSN.可以明顯看出,在不同字典尺寸下,獲得的這些ADHD-RSN 在空間分布上高度隸屬于RSN#6.

表3 給出了字典尺寸k2=60～300時(shí)與各模板網(wǎng)絡(luò)空間相關(guān)的ADHD-RSN的統(tǒng)計(jì)結(jié)果.從表中可以看出,本文方法在7 個(gè)不同的字典尺寸時(shí)檢測(cè)出的ADHD-RSN,都有與模板網(wǎng)絡(luò)背側(cè)注意網(wǎng)絡(luò)(RSN#6)和執(zhí)行控網(wǎng)絡(luò)(RSN#11)空間相關(guān)的子網(wǎng)絡(luò).這表明,采用本文方法和指標(biāo)獲得的結(jié)果,在不同字典尺寸下具有較高的穩(wěn)定性.

4 結(jié)束語(yǔ)

本文采用時(shí)空雙稀疏表示方法(DTSSR),從ADHD 的靜息態(tài)fMRI 數(shù)據(jù)中提取出群組靜息態(tài)網(wǎng)絡(luò),在此基礎(chǔ)上,提出了一種新穎的腦網(wǎng)絡(luò)活躍度指標(biāo)RSN-A;采用該指標(biāo),從大尺度腦網(wǎng)絡(luò)角度探討成人ADHD 潛在的神經(jīng)機(jī)制,主要結(jié)論和發(fā)現(xiàn)有:

1)一些正常人組上常見(jiàn)的RSN,在采用DTSSR 從ADHD 組靜息態(tài)fMRI 數(shù)據(jù)獲得的RSN 中,并不缺失,且兩者相對(duì)應(yīng)的RSN 之間具有顯著相關(guān)性,在空間分布上也具有高度相似性.

2)將腦網(wǎng)絡(luò)活躍度指標(biāo)與ADHD 量表分進(jìn)行Spearman 相關(guān)性分析,結(jié)果表明,背側(cè)注意網(wǎng)絡(luò)和執(zhí)行控制網(wǎng)絡(luò)與ADHD 顯著相關(guān).這個(gè)結(jié)果從腦科學(xué)角度有合理的解釋,在前期的研究中也能找到相應(yīng)的支持依據(jù).

3)采用本文所提方法和指標(biāo)獲得的背側(cè)注意網(wǎng)絡(luò)和執(zhí)行控制網(wǎng)絡(luò),在不同字典尺寸下具有較高的穩(wěn)定性.

表3 不同字典尺寸下與各模板網(wǎng)絡(luò)空間相關(guān)的ADHD-RSN 統(tǒng)計(jì)Table 3 The count of the ADHD RSN with each template in different dictionary sizes

4)本文所提方法屬于數(shù)據(jù)驅(qū)動(dòng)的分析方法,與傳統(tǒng)方法相比,本方法不需要先驗(yàn)知識(shí)(例如,感興趣腦網(wǎng)絡(luò)、空域靜息態(tài)腦網(wǎng)絡(luò)模板、種子點(diǎn)等).

需要指出的是,ADHD 是一種復(fù)雜的混合型精神障礙,其潛在神經(jīng)機(jī)制較為復(fù)雜,本文研究中沒(méi)有對(duì)ADHD 亞型患者進(jìn)行區(qū)分,這將是我們下一步的研究重點(diǎn).

圖8 不同字典尺寸下與背側(cè)注意網(wǎng)絡(luò)空間相關(guān)的ADHD-RSNFig.8 The detected ADHDRSNs is correlated to dorsal attention network in different dictionary sizes