功能磁共振成像熵連接工具箱的研制

石莉莉，劉梓君，穆文迪，焦青，曹衛芳，崔棟，郭永新

山東第一醫科大學（山東省醫學科學院）放射學院，山東泰安271016

前言

目前，基于血氧水平依賴的功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）技術在腦神經活動研究領域起到舉足輕重的作用。通過該技術可對大腦整合功能進行研究，分為功能連接和效應連接，前者是指相對距離較遠的腦區神經活動之間的關系，可體現不同腦區間的統計相關性，不具方向性。后者是指腦區神經元活動之間產生的有向性影響，具有方向性。常用的效應連接方法有動態因果模型（Dynamic Causal Modeling, DCM）［1］、Granger 因果分析（Granger Causality Analysis, GCA）［2］及熵連接［3］等。熵連接是一種基于信息論的方法，利用改進的傳遞熵來測量方向函數連通度的強度，該方向函數連通性定義為熵連接，可描述腦區信號間的因果關系。Zhang等［4］利用熵連接對單側感音神經性耳聾患者在靜息態下腦區間的效應連接情況進行觀察，發現與正常聽力個體相比，左側長期單側感音神經性耳聾患者左側初級聽覺皮層腦區表現增強的同步輸出熵連通性，左側感音神經性耳聾患者比右側感音神經性耳聾患者表現出更顯著的熵連接性變化。

本研究基于科研實際需要，在Windows 7.0 系統下，利用MATLAB 平臺中圖形用戶界面設計環境開發了一個熵連接計算工具箱（Entropy Connectivity Analyze Toolbox,ECAT），用于計算腦區間fMRI信號的熵連接。

1 熵連接算法

設有時間序列x和y，xt和yt分別是x和y在t時刻的值。從x上取N個樣本，在時刻t處x的增量為Δxt=xt+1‐xt，時刻t+1處y的增量為Δyt+1=yt+2‐yt+1，t= 1, 2,…,t‐2。設n和m分別表示Δxt和Δyt+1之間同步和異步變化的總步長，同步變化指時間序列x和時間序列y均增加（減少），異步變化指時間序列x和時間序列y增量變化方向相反（一個增加同時另一個減少）。若t時刻Δxt和Δyt+1同時大于零或同時小于零，則n加1，由表示同步變化的貝葉斯概率［5］。反之，當Δxt大于零，Δyt+1小于零或Δxt小于零，Δyt+1大于零時，則m加1，由m/(N‐2)表示異步變化的貝葉斯概率。rxy表示x和y之間的皮爾森相關系數，則x與y之間的同步熵連接TSx定義為：

x與y之間的異步熵連接TAx定義為：

由n1和m1分別表示Δyt和Δxt+1之間同步和異步變化的總步長，則Ps(y/x) =n1/(N‐2)為同步變化的貝葉斯概率，Pa(y/x) =m1/(N‐2)為異步變化的貝葉斯概率，則y和x之間同步熵連接TSy定義為：

y和x之間異步熵連接TAy定義為：

則由x指向y的方向同步熵連接TSx→y定義為：

由x指向y的方向異步熵連接TAx→y定義為：

TSx→y≥0 或TAx→y≥0 表示熵連接的方向是由x到y。相反，TSx→y＜0 或TAx→y＜0 表示熵連接的方向是由y到x。遠離某個區域的熵連接稱為該區域的輸出熵連接，指向某個區域的熵連接稱為該區域的輸入熵連接。

2 功能實現

本研究采用MATLAB 語言編寫熵連接計算函數，用于在GUI中進行調用。ECAT 工具箱主界面見圖1，有中文（圖1a）與英文（圖1b）兩種版本，由熵連接計算及統計分析兩部分組成。熵連接計算模塊對用戶輸入的感興趣區域（Region of Interest,ROI）的時間序列或Nii 圖像文件進行處理，從而得到腦區與腦區之間的熵連接強度與方向。統計分析部分可進行熵連接的單樣本t檢驗和雙樣本t檢驗。

2.1 熵連接計算

該模塊包括選擇輸入欄、選擇腦區欄與輸出欄，用戶可以通過兩種方式輸入數據。

若用戶已經生成了腦區ROI時間序列，可以直接點選“選擇ROI時間序列”（圖2），然后選擇已生成的ROI時間序列文件，該時間序列可以來自靜息態fMRI數據分析工具箱［6］及靜息態fMRI數據分析助手［7］等軟件。此時工具箱利用uigetfile函數創建標準的對話框，通過交互式操作獲得存放ROI時間序列的文件路徑，采用load 函數讀取ROI時間序列為mat文件，利用for循環和熵連接函數來設置回調函數，計算熵連接數值。同時為了作圖需要，用戶要在“選擇腦區”欄中，點選“自定義”，在文本框中輸入ROI編號與名稱，如1:ACC，2:PCC。

圖1 工具箱主界面Fig.1 Main interfaces of the toolbox

圖2 選擇ROI時間序列計算熵連接Fig.2 ROI time series selected for the calculation of entropy connectivity

若用戶沒有生成ROI時間序列，可以直接點擊“選擇nii 圖像文件”，然后點選“Brodmann 模板”或者“AAL 模板”提取ROI（圖3a），同時根據編號參考（圖3b）在編輯框內輸入腦區編號，例如［1,2,3,4,5,6］。工具箱中擁有含有腦區編號、名稱及坐標的TXT 文件，這樣在作圖時就可以顯示用戶所選擇的腦區名稱。在實現時，工具箱調用dir 函數讀取文件夾下被試者的Nifti文件，利用SPM12［8］工具箱中spm_vol函數讀取Nifti［9］文件內容，利用spm_read_vols 函數讀取三維圖像及腦區模板數據，以得到ROI時間序列［10］，最后利用for循環和熵連接函數，編寫回調函數以計算熵連接數值。

為了將生成的計算結果保存到指定的路徑下，首先利用Uigetdir 函數對彈出菜單控件設置，用于選定文件存放路徑，調用mkdir 函數在選定的文件存放路徑下創建多個文件夾，輸出文件夾名是結果文件前綴與原文件夾名的組合，調用Save 函數，將計算結果mat文檔（圖3c）并同時保存為Excel文檔。

2.2 統計分析

該工具箱統計分析功能模塊利用t檢驗對多個被試的全腦熵連接進行數據分析，可進行單樣本t檢驗和雙樣本t檢驗。將多個被試者全腦熵連接的mat文件存放在同一個文件夾下（圖4a），在進行單樣本t檢驗時，首先調用Dir 函數獲得指定文件夾下所有被試的熵連接結果mat 文件，存放在結構體數組中，然后進入for循環，利用Load函數依次讀取mat文件，采用ttest 或ttest2 函數進行單（雙）樣本t檢驗，將名為OneT（TwoT）的mat 文件和Excel 文件保存在指定的路徑下（圖4b）。

3 幫助文檔

幫助文檔提供關于工具箱的使用說明，在此可找到工具箱使用過程中涉及的所有功能，使用者只需點擊列表欄中的目錄，即可出現關于此功能的詳細解釋（圖5），該功能的實現是采用了switch 和case函數。

4 應用實例

本研究利用該工具箱，對2 型糖尿病（Type 2 Diabetes Mellitus,T2DM）［11］患者及正常被試的fMRI數據進行分析。患者來自山東省泰山療養院，共15例，其中男7例，女8例，平均年齡（56.60±7.37）歲。健康人被試來自泰安市社區志愿者，共16例，其中男6例，女10例，平均年齡（56.80±9.94）歲。該研究經過山東省泰山療養院倫理委員會批準，所有研究對象均對此次研究知情同意。采用GE 1.5T 磁共振成像儀進行靜息態血氧水平依賴（BOLD）數據的采集，采用DPABI軟件進行BOLD信號的預處理［12］。

圖3 選擇Nii圖像文件計算熵連接Fig.3 Choosing Nii file to calculate entropy connectivity

圖4 統計分析Fig.4 Statistical analysis

圖5 幫助文檔Fig.5 Help documents

為了顯示不同腦區之間的熵連接，工具箱可生成腦區熵連接的示意圖。對于每一個腦區，它與其他腦區之間都呈現出4種熵連接性，分別是同步輸出熵連接、異步輸出熵連接、同步輸入熵連接、異步輸入熵連接。當要對兩組人的上述4 種熵連接性進行比較分析時，程序首先利用get 函數讀取腦區選擇模塊中編輯框內容，獲得與腦區編號相對應的腦區名稱與坐標，然后進入for 循環，調用plot 函數，依據雙樣本t檢驗結果，顯示兩組被試間具有顯著性差異（P＜0.05）的熵連接性數值，得到腦區間熵連接示意圖（圖6），同時利用text 函數在示意圖中對腦區名稱進行說明。熵連接的方向用箭頭表示，熵連接強度利用Arrow 函數通過線段粗細加以表示。最后采用saveas函數，將腦區間熵連接示意圖保存到與熵連接計算結果相同的文件夾下。

圖6 腦區間同步輸入與同步輸出熵連接差異示意圖Fig.6 Entropy connectivity differences of synchronous inputs and outputs between brain regions

本研究中，選取8 個腦區為ROI，分別是內側前額葉（Medial Prefrontal Cortex,MPFC）（編號7）、后扣帶回（Posterior Cingulate Cortex, PCC）（編號35）、雙側海馬（Hippocampus）（編號37, 38）、雙側杏仁核（Amygdala）（編號41, 42）、雙側角回（Angular Cortex）（編號65,66），提取這8 個腦區的fMRI信號，計算腦區間的熵連接，經過兩組間比較，將兩組間具有顯著性差異的熵連接進行顯示（圖6），圖中箭頭粗細表示熵連接的強度，箭頭方向表示熵連接方向。由圖6可見，與正常健康人相比，T2DM 患者的腦區間同步以及異步熵連接具有顯著差異，比如從左側海馬的同步輸入到MPFC的熵連接升高，而杏仁核接收從MPFC傳來的同步熵連接降低（圖6a），這些表明腦區間神經同步腦波動協同性的升高或降低。左側角回傳到左側海馬和左側杏仁核的輸出熵連接增強，傳到MPFC 和右側角回的輸出熵連接降低（圖6b），表明腦區間神經活動的相互抑制性增強或者降低。

5 討論

本研究從科研實際需求出發，在MATLAB 環境下開發了一個可計算時間序列間的熵連接的工具箱，并可實現對輸出結果進行單樣本及雙樣本t檢驗，以及結果的圖形顯示。

本工具箱中的熵連接代碼，可用于計算fMRI信號腦區時間序列之間的效應連接。腦功能連接反映不同腦區間的統計依賴性（相關或者一致性）［13］，但無法說明一個腦區的神經活動如何影響另一個腦區。效應連接可說明不同腦區時間序列間的因果關系，如GCA［14］和DCM［15］都已經得到了廣泛的應用［16‐18］。本研究中的熵連接源自于傳輸熵［19］，不假設任何的特定模型，而是基于假設靜息態fMRI信號是隨機的，可近似認為是馬爾科夫過程。熵連接將兩個腦區之間的因果關系細化到4 個方面，即同步輸入、同步輸出、異步輸入及異步輸出。腦區間增強的同步熵連接表示腦區間協同關系增強，同步熵連接減弱表示腦區間協同關系降低。異步熵連接表示區域間信息流是異步的波動，增強的異步熵連接腦區間相互抑制增強。本研究中代碼運行結果與算法提出者的網絡公開代碼運行結果一致［20］。

工具箱界面友好，操作簡單。用戶無需了解過多的操作知識，只需掌握普通的電腦操作，便可實現程序運行操作。工具箱充分考慮到用戶需求，輸入多樣化，輸出結果便于用戶進一步處理。工具箱可接收用戶自己已經生成的ROI時間序列，也可以接收預處理后的圖像文件，通過現成模板為用戶生成ROI時間序列，從而計算熵連接數值。另外，計算結果可保存為Excel 格式文件，同時保存成MATLAB 下的mat 數據文件，便于用戶進行進一步處理。同時，可實時給出熵連接示意圖，顯示熵連接強度與方向，并標注腦區名稱。該結果示意圖可保存為MATLAB下的figure文件，便于用戶進行進一步編輯。

MATLAB 語言具有很好的開放性與易操作性，便于工具箱的后期完善與更新。在MATLAB 環境下只需拖拽需要的控件到界面的相應位置，即可完成GUI的界面布局。后期若需要擴展功能，只需添加新的計算模板，無需對界面做大規模調整。

綜上所述，本研究的工具箱可供科研人員計算fMRI數據但不局限于fMRI數據的效應連接，其輸入可以是任何的時間序列或者是一系列數據，因此具有廣闊的應用前景，同時該工具箱也可作為教學工具向學生展示fMRI數據處理過程，界面友好，操作方便，具有一定的實用價值。