飛行員靜息態腦功能度中心度特征研究

魏光興，王梓安，徐開俊，陳 曦，王泉川，楊 泳

（中國民用航空飛行技術學院，廣漢 618307）

0 引言

飛行安全始終是我國民航業的底線和生命線，而飛行安全不僅僅依靠于嚴格的飛行操控規章，更緊緊聯系于飛行員自身的核心勝任力。2020 年12 月以來，民航局公布了《中國民航PLM 建設實施路線圖》，飛行員技能全生命周期管理體系（professionalism lifecycle management system，PLM）［1］，目的是通過系列選拔、理論培訓、實證演練等方法，增強民航飛行員飛行訓練和管理的成效，從而提升飛行員的核心勝任力。在系列選拔的過程中，需要客觀的評價準則，因此，本文從影像學的角度為選拔提供理論支撐。

功能磁共振成像（functional MRI，fMRI）是一種新興的神經影像學方法，在國內外廣泛應用，其原理是利用磁共振成像來測量神經元活動引起的血氧含量變化［2］，這種變化能反映腦功能的相干活動性。功能磁共振腦影像可以從腦神經機制的角度去探索個體接受長時間的飛行理論學習和飛行實證訓練之后的腦功能的改變，是目前世界范圍內研究腦科學的主要方式之一。李建福［3］通過磁共振成像方法發現長期規律的音樂訓練會使得音樂家的感知和運動網絡功能連接增強，同時音樂家大腦的結構可塑性會發生變化；溫柔［4］通過靜息態功能磁共振方法發現長期舞蹈訓練可增強舞蹈專業學生視覺認知、動作表達等腦區的功能；Adamson等［5-6］發現通過長時間的飛行訓練，接受到常態化的刺激后，根據飛行的熟練程度，飛行員的腦功能和腦結構會發生不一樣的變化。根據實驗室前期研究，經過長期飛行訓練后，飛行員的腦內默認模式網絡（default mode network，DMN）出現正態的變化，DMN 的連通性得到了增強［7］，對比地面普通職業者可見，長時間飛行訓練使得飛行員的腦功能和腦結構都產生改變。Cheng 等［8］、劉潔等［9］分別使用分數低頻振幅和局域一致性研究時，發現當飛行員處于噪音環境或低氧環境，會對其工作記憶和認知能力產生不好的影響。Causse 等［10］發現飛行員在進行飛行任務決策時，高度不確定性會使得飛行員的某些腦區活躍性大幅度提升，使得飛行員的即時決策能力得到增強。由此可見，飛行訓練會導致大腦的結構和功能發生改變，因此，本研究采用基于體素水平的度中心度來研究飛行組和地面組的腦功能差異。

度中心度（DC）原理是通過分析單個體素與全腦所有體素之間的腦功能網絡的連接強度，從而計算出該體素作為這個腦功能網絡節點的皮爾遜相關系數數值，該數值體現了該節點的重要性，擁有重復性好、客觀性強的優點。最開始這種方法適用于社會網絡分析，Zuo 等［11］將這種方法引入靜息態腦網絡的研究，同時發現可以更好地探索出腦網絡連接的狀態。基于體素的度中心度分析方法，是把大腦中的每一個體素都看作一個腦網絡節點，從而計算每個節點與全腦其他節點的相關性［12］，而每個節點的相關性大小直接表明了大腦體素水平的功能連接特征。DC 方法通常被用來研究某些精神類疾病或生理性特征［13-14］。Zhang 等［15］使用度中心度分析法探究無先兆頭疼患者的感覺運動功能障礙機制，發現在患者的右側前運動皮層的DC值較正常人明顯降低，可能參與偏頭痛的功能障礙機制；Wong 等［16］使用度中心度分析法發現，口面部超功能的習慣會影響頜骨運動的腦神經機制，從而使得磨牙癥發生的可能提高。DC 分析方法目前還沒有用于探究有潛在價值的飛行員大腦功能機制，而本研究可能會豐富人們對飛行員腦功能機制的認識。

作為特殊職業人員，飛行員在面對復雜飛行環境的時候，自身的認知能力，信息分析能力以及運動感知能力等方面是至關重要的［17-18］。這些能力不僅與某一特定區域相關，更是與整個腦功能網絡息息相關。DC 是最直接和可量化的中心度測量方法，它可以將大腦局部區域的中心度描述為大腦功能網絡中的節點，反映大腦網絡的局部特征［19］，而DC 值的大小也決定了該節點在腦功能網絡中的重要程度［20-21］。本文使用的是基于體素的DC 分析方法，由于它不用先確定腦感興趣區域（Region of Interest，ROI），這樣會使得定位的差異腦功能區域具有良好的再檢驗可信度，同時能更客觀、全面地展示全腦各節點重要性等信息［22］。本研究屬于回顧性研究，我國民用航空運輸飛行員的招飛及訓練選拔過程，更多的是通過教員的經驗進行主觀判斷，缺乏一定的理論證據支撐。飛行安全不僅僅是與飛行器的完備性和質量相關，更相互匹配的應該是飛行員的整體素質，包括生理素質和專業素養。通過比較飛行員與地面普通專業人員的DC 值差異，定位有差異的腦功能網絡區域，并試圖探索飛行員特殊職業相關的腦功能機制。

1 方法

1.1 研究對象及納入標準

本次實驗的被試者分別由飛行員組成的飛行組和地面普通職業者組成的對照組。所有被試者入組時間為2018 年12 月至2019 年3 月，飛行組：包括飛行訓練教員、民航飛行員以及通航飛行員，總共26 人，均為男性，年齡分布在23～25歲之間，飛行時間長度分布在200～9800小時內。對照組：共計24 名地面普通職業者，與飛行組年齡、性別、學歷分別相匹配。參與實驗人員的基本信息見表1，飛行組的飛行時長分布見表2。

表1 研究對象基本信息統計

表2 飛行小時數時長分布情況

參與實驗人員的納入標準：①均為右利手；②均未做過金屬內嵌型手術；③實驗時身體健康，無不良身體反應；④被試者及被試親屬均無精神類病史；⑤均為本科學歷；⑥實驗參與者均為自愿參與本實驗項目研究，同時對實驗內容均知情并得到本人同意。本實驗經電子科技大學磁共振成像研究中心倫理與人體防護委員會批準，實驗所有過程均在電子科技大學磁共振成像中心完成，被試者了解實驗過程并在實驗前簽署實驗同意書，批準文號2018-042002。

1.2 影像學數據采集

使用GE 3.0T MR750 磁共振成像儀，配備8通道相控陣頭線圈。采用標準梯度回波脈沖序列進行fMRI 圖像采集，具體掃描參數設置如下：翻轉角（flip angle）=90°，層厚（thickness）=4mm（無間隔），掃描矩陣（Matrix）=64×64，視野（field of view）=24 cm×24 cm，重復時間（TR）/回波時間（TE）=2000 ms/30 ms。每名被試者在8分半內進行掃描，每次掃描全腦35 層，共采集255幀全腦。

在進入掃描室之前，進行了全身金屬檢查，以協助被試者佩戴耳塞。為防止被試者因不自覺的細微動作而過度移動頭部，使用泡沫墊加固頭部，并隨即關燈。被試者躺下閉目休息，保持清醒，盡量不在腦海中進行任何有特點的、具體的思維活動。

1.3 影像學數據處理

1.3.1 預處理

使用基于Matlab2013b 平臺的SPM12 和restplus軟件，對RS-fMRI 數據進行預處理。數據預處理的步驟為：①將DICOM 數據格式進行轉換；②去除前10 個時間點，保留剩余245 個時間點；③時間層校正；④頭動校正；⑤空間標準化，將個體腦影像配準到蒙特利爾神經研究所（Montreal Neurological Institute，MNI），標準化空間3 mm×3 mm×3 mm；⑥去除線性飄移。

1.3.2 DC計算

通過restplus軟件對預處理后的數據進行DC計算。DC 分析單個體素與全腦所有體素之間的腦功能網絡連接強度，從而計算出這個體素作為腦功能網絡節點的重要性。一般來說DC 有兩種計算方法：加權DC（weighted DC,wDC）和二元DC（binarized DC,bDC）。因為加權DC 會考慮邊的賦權情況，故通常以加權DC 的值繼續分析，取閾值r0≥0.25。使用restplus 計算出DC，取Z變換后的結果進一步處理。

1.4 統計分析

使用Matlab2013b 平臺進行數據分析，利用SPM12 工具包進行被試者DC 值的統計計算，而在統計分析時，將被試者的年齡作為協變量去除差異。為縮小關注腦區，首先對兩組圖像數據進行單樣本t檢驗，然后對兩個組的結果進行組間差異比較，最后在這個組間差異區間內使用雙樣本t檢驗統計定位飛行組和地面組的DC值存在的差異腦區。采用高斯隨機場（Gaussian random-feild，GRF，P＜0.001，且團塊數大于30）多重比較校正，對統計結果進行校正處理，校正后P＜0.001具有統計學意義，最后將結果疊加在Colin27 模板上進行展示。提取差異腦區的DC值與飛行小時數在SPSS26里做有統計學意義的皮爾遜相關性分析，P＜0.05 表示差異有統計學意義。

2 結果

2.1 單樣本t檢驗結果

在數據預處理的頭動校正階段，以頭動平移＞1.5 mm 或轉動角度＞1.5°的標準去除被試，地面組去除1個，飛行組去除2個。

利用BrainNet viewer 工具包，將兩組分別進行的單樣本t檢驗結果轉化為如圖1所示。

圖1 飛行組和地面組DC值的單樣本t檢驗結果圖（P＜0.05，GRF校正）

2.2 DC分析結果

在組間差異區間內對飛行組與對照組的RS-fMRI 基于體素的DC 值進行雙樣本t檢驗，發現有部分腦區DC 值存在顯著差異（GRF 校正，P＜0.001，且團塊中的體素個數大于30）。飛行組在左側輔助運動區（Peak 點坐標：x=-6,y=0,z=78）的DC 值明顯高于對照組，未發現DC值減小的腦區，見表3。利用BrainNet viewer 工具包對分析結果進行圖像化，見圖2。

圖2 飛行組和地面組DC特征值的差異腦區結果圖（P＜0.05，GRF校正）

表3 兩組DC值有差異的腦區

2.3 差異腦區DC值與飛行小時數的相關性

利用SPSS26 軟件從飛行組的左側輔助運動區處提取的DC 值與其飛行小時數進行皮爾遜相關性分析。結果表明，飛行員左側輔助運動區（MNI，x=-6,y=0,z=78）處DC 值與飛行組飛行時長呈正相關（雙尾檢驗，r=0.450,P=0.027）。

3 討論與結語

基于體素的DC 分析法可以計算靜息態腦功能網絡節點的重要性［23］。本文創新性地使用基于體素的DC 分析法研究飛行員靜息態腦功能變化，發現飛行員與地面普通職業者相比，其左側輔助運動區的DC 值出現明顯升高，同時發現該值與飛行小時數呈正相關。探討飛行員作為特殊職業的靜息態腦功能變化，可以為飛行訓練和選拔提供影像學方面的客觀依據。

3.1 DC的差異腦區及其意義

輔助運動區（the supplementary motor area，SMA）位于Brodmann6 皮質區的內側，該區域位于主要運動區的底部與扣帶溝上部之間［24-27］。在已知的研究發現中，輔助運動區和人的運動控制有關，包括運動準備階段中的任務排序、分析任務復雜性、運動起始等［26-29］。而輔助運動區又分為右側輔助運動區和左側輔助運動區，右側輔助運動區的激活主要和運動準備階段的感知任務相關，而左側輔助運動區的激活主要傾向于運動準備階段的信息篩選、運動起始等方面［30-31］。在以往的研究中，通常是以單一刺激和單一環境影響來探討飛行員的飛行績效［8,32］，而忽略了在整個飛行過程中飛行員在進行每一步操作前的整體協調配合。

根據調查發現，在整個運輸飛行過程中，飛行員在獲取信息時，95%的信息都是依靠視覺和聽覺在飛行環境或飛行控制器面板獲得的［33-34］，而在長時間的飛行過程中，飛行員處于“飛機—塔臺”這個復雜環境，飛行員對飛機的大部分操作都需要由塔臺呼叫告知，在每一次的呼叫時都會提供飛行員相應的下一步操作信息，在此階段，飛行員需要通過篩選出需要關注的視聽覺信息，然后對比較重要的信息進行下一步處理，包括失速告警、緊急情況下聽覺預警信息的識別等［33，35］。當塔臺呼叫飛機按指令進行空域轉變、盤旋、轉場等動作行為時，飛行員需要于這時刻在腦海中想象出這一步操作后飛機姿態的變化［36-37］，再與塔臺確認信息時，需要做好準備工作以及保持進行操作的正確姿勢，以便能收到塔臺確認后及時改變飛機飛行姿態［38-40］。并且在整個飛行過程中，飛行員會對獲得的視聽覺信息保持長時間的高度關注，同時根據自己長時間的飛行經歷來判斷所獲取的信息的準確性、真實性和完整性［40］。結合于團隊之前的研究成果，飛行員腦功能機制方面主要與舌回、中央后回以及楔葉相關，主要表現于飛行員的視聽覺信息處理、工作記憶以及語言表達等方面有一定程度的增強［41］；而DMN 高級神經功能網絡的變化同樣揭示了飛行員在進行飛行任務時，需要接受大量的空間信息，同時做出“回憶過去—規劃未來”的意識活動［7］，本文的發現也在一定程度上豐富了對于飛行員腦功能機制的研究。而從飛行小時數與飛行員差異腦區提出的DC 值的相關性了解到，該差異腦區DC 值的增長和飛行小時數呈顯著正相關，因此，長時間的飛行經歷以及長時間處于復雜信息環境的影響，可能使得飛行員左側輔助運動區的DC值顯著上升。

3.2 不足與展望

本研究結果僅基于小樣本數據，未來需要對大樣本數據進行相應的驗證和擴展，同時也會選出飛行小時數較長的并且有代表性的飛行員進行下一步研究，也會做一些有關飛行訓練的縱向研究，探索經過長時間飛行或飛行訓練后的腦區變化，可以為以后的飛行訓練和飛行員選拔提供腦影像學的依據。

綜上所述，本研究通過使用基于體素水平的DC 分析方法，分析比較在靜息態的狀態下飛行員和地面普通職業者于體素層面上腦網絡功能連接的差異，結果顯示飛行員在信息識別與篩選、動作起勢等方面的敏銳程度有顯著提高。通過差異腦區DC 值與飛行小時數呈現的正相關性發現，飛行時間越長飛行員在信息識別與篩選、動作起始等方面的敏銳性和迅捷性越高。由于現階段的飛行員考核制度更多的是主觀性的判斷，該結果有望為飛行員飛行技能培養提供理論參考，同時也可為飛行員腦機制的研究提供影像學的支撐。