基于DTI的人類與獼猴腦區連通性方法研究

李斌強，王千山，姚蓉，柴靜文，王玥，李海芳

作者單位：太原理工大學信息與計算機學院，太原030000

獼猴是研究人類的天然過渡模型，在中國具有得天獨厚的資源優勢,隨著體細胞克隆猴和轉基因獼猴模型的相繼突破[1]，獼猴作為焦點模式實驗動物的地位進一步強化，針對人類和獼猴跨物種研究也愈發重要。通過獼猴來探索人腦的工作機制和病理機制是人腦研究的一種重要手段[2]，因此人腦和猴腦的比較已成為當前研究的熱點和難點。近些年來，人類和獼猴腦影像數據的不斷積累和公開，為兩者的直接比較提供了支持[3]。跨物種比較神經影像學新技術和方法的研究也愈發重要，并逐漸成為國際前沿基礎研究的熱點問題。

跨物種研究與單物種個體或組間的比較不同，必須有先驗同源信息的約束和支撐[4]。目前，最主要的跨物種比較方法是使用已有同源腦區作為參照系，如：華盛頓大學醫學院van Essen 實驗室總結利用55 對大腦皮層同源腦區用于表面配準[5]，牛津大學納菲爾德腦功能磁共振成像中心預定義出23對同源腦區來比較人類和獼猴前額葉皮層位點的功能連接模式[6]。這種方法比較依賴于已有同源腦區的信息，在同源腦區信息缺失的情況下，會有一定的局限性[7]。2018年，Mars等[8]提出了一個基于白質纖維束比較靈長類動物大腦之間異同的方法，并將其用于跨物種研究。2020年，Warrington等[9]將人類與獼猴共有的一組白質纖維束繪制為白質纖維束圖譜，為后續的跨物種研究奠定了基礎。2020年，Bryant等[10]通過擴散加權掃描圖像構建了大猩猩的第一個白質纖維束圖譜,為識別人類和其他靈長類物種之間的神經解剖學差異和相似性提供了有用的工具。已有研究表明，在高等靈長類動物中，白質組織在不同的物種中呈現較高的共性[11]。目前已經在人類、黑猩猩和獼猴中識別到一些共同存在的白質纖維束[12]，他們的連接主干比較相似，且這些共性能夠用于跨物種比較研究。

因此，本文提出一種基于白質纖維束圖譜進行人類和獼猴腦區的連通性分析的方法。首先通過概率纖維束追蹤技術，在個體水平上分別追蹤到人類和獼猴的32 條白質纖維束。其次，分別構建人類的246 個腦區和獼猴的197 個腦區與32 條白質纖維束的連通性矩陣。最后，基于克倫巴赫α系數驗證物種內個體間的一致性，基于余弦相似度衡量已知同源腦區在物種間的連通一致性，并通過應用該方法篩選出同源腦區。結果表明，本文方法在物種內分析和跨物種分析時具有一定的可靠性，且能夠在人類與獼猴的跨物種研究中篩選出同源腦區。

1 材料與方法

1.1 數據集

人腦數據來自人類連接項目提供的最低限度預處理的數據。10 個人類被試的彌散張量成像(diffusion tensor imaging，DTI)數據和結構磁共振成像(structural magnetic resonance imaging，sMRI)數據來自于2016 年人腦連接組項目(Human Connectome Project，HCP)數據中心發布的WU-Minn受試者數據集[13]，這批數據集通過德國西門子Skyra掃描儀進行掃描得到的，該掃描儀使用標準32 通道西門子接收頭線圈和特殊梯度體傳輸線圈進行數據采集。整個實驗遵照赫爾辛基宣言。具體采集參數如下：T1W：TE=2.14 ms, TR=2400 ms，TI=1000 ms，翻轉角度=7°，體素分辨率為0.7×0.7×0.7 mm3；DTI:TE=89.5 ms，TR=5520 ms,彌散加權b 值分別為1000、2000、3000 s/mm2。

獼猴公共數據集來自最近建立的PRIME-DE數據集。10 個獼猴被試的DTI 據和sMRI 數據來自于加利福尼亞大學戴維斯分校的數據集[14]，這批獼猴數據是使用西門子Skyra 3.0 T 的4 通道翻轉線圈掃描收集得到的。整個實驗得到了當地倫理委員會的批準，并遵守歐盟關于保護用于科學目的的動物的指令(2010/63/EU)。具體采集參數如下。T1W：TE=3.65 ms，TR=2500 ms，TI=1100 ms，翻轉角度=7°，體素分辨率為0.3×0.3×0.3 mm3；DTI：TE=115 ms，TR=6400 ms，切片間隙為1.4 mm，彌散加權b 值分別為1600、800 s/mm2。

1.2 數據預處理

分別采用HCP 最小預處理管道方法和FMRIB 工具對人類和獼猴DTI數據預處理[15]，如圖1A所示。具體步驟包括：頭動渦流校正、梯度方向校正、獲取大腦的掩膜文件。但是在獲取大腦掩膜文件的過程中，獼猴的DTI 數據辨識度較低，導致使用FMRIB 無法得到很好的效果。因此，本文首先使用BET工具對獼猴的結構性數據進行腦組織提取，并手動進行掩膜文件校正；其次將獼猴結構像掩膜文件線性配準到DTI 數據上，獲得獼猴DTI 數據的掩膜文件；最后，對擴散加權圖像進行處理，擬合擴散張量并估計平均擴散系數和分數各向異性，并使用限于三個纖維方向的交叉纖維模型對擴散方向進行體素模型擬合。

1.3 圖像配準

白質纖維束的提取以及連通性矩陣的構建均需要選取感興趣區域，感興趣區域的選取涉及到個體的標準化，配準精度直接影響到了個體白質纖維束提取的精準度及連通性矩陣的可靠性。為了取得最佳的配準效果，本文采用兩步配準法進行圖像配準[16]，如圖1B 所示，具體步驟如下：(1)使用線性配準法將個體b0 像仿射配準至個體T1 結構像，保存配準過程中生成的變形文件和變形矩陣，并將變形矩陣進行轉置，得到個體T1 結構像到個體b0 像的變換矩陣；(2)使用線性配準法將個體T1 結構像配準到標準空間上，參照變形矩陣，使用非線性配準方法將個體T1 結構像配準到標準影像空間，得到變形場文件，同時逆轉變形場文件得到標準影像空間到個體T1結構像的變形場文件；(3)將從標準影像空間到個體T1 結構像的變形場文件與個體T1 結構像到個體b0 像的變換矩陣聯合起來，得到從個體標準空間到個體b0 像的變形場文件；(4)通過個體標準空間到個體b0 像的變形場文件，將腦圖譜配準到個體彌散空間上，得到基于個體彌散空間的腦圖譜。

1.4 參照系選擇

為了能夠更可靠地研究白質纖維束的個體差異性，通常使用概率纖維束追蹤預先定義好的基于個體水平上的感興趣區域，這些感興趣區域反映了先前的解剖學知識，且能夠用于指導和限制概追曲線的傳播，減少假陽性的機會。本實驗使用人類和獼猴共有的主要白質纖維束的感興趣區域,其中，人類的掩膜文件是在蒙特利爾神經病學研究所標準空間繪制的，獼猴的掩膜文件是在F99標準空間繪制的。

如圖1C 所示，本文首先將32 條白質纖維束的Seed Mask、Target Mask、Exclude Mask 等感興趣區域配準到個體上，然后進行概率纖維束追蹤[17]，獲得基于個體水平的白質纖維束，其中人類和獼猴的纖維流線分別設置為5000 次和50000 次。為確保這些連接的可靠性，使用P＞0.04%的經驗值來閾值化得到的追蹤結果[18]，以去除其中的假陽性連接，得到32 條白質纖維束的掩膜文件，以此作為兩個物種的公共參照系。

1.5 結構連通性矩陣

人類使用中國科學院自動化研究所的人類腦網絡組圖譜，獼猴使用D99圖譜[19]。具體步驟如圖1D所示。首先分別將人類的腦網絡組圖譜和獼猴的D99 圖譜線性配準到個體上，得到基于個體的腦區分布；其次，逐個計算每條纖維束同每個腦區之間的連通關系，具體操作步驟為：(1)從參照系到腦區進行概率纖維束追蹤，其中人類纖維流線設置為5000次，獼猴纖維流線設置為50000 次，使用matrix2 模式分別得到人類和獼猴的主要白質纖維束同腦區的體素級連通性矩陣；(2)對體素級連通性矩陣進行降維操作，即將體素級連通性矩陣按行與按列取平均，將得到的值作為纖維束到腦區的連通值；(3)將人和獼猴的纖維束到腦區的連通強度值拼接起來，得到人類和獼猴246×32和197×32的連通性矩陣。

圖1 技術路線。Fig.1 Technical route.

1.6 屬性分析

為了證明本文所提出的方法具有較高的可靠性，隨機選取了Broca44 區、S1 區、Hippoc 區三個腦區進行種內分析與種間分析，早期跨物種研究已經證明，這三個腦區在人類和獼猴之間具有同源關系。本文主要從物種內和物種間兩個角度來分析，通過驗證連通性矩陣的個體一致性，以及三個腦區在同物種的內部一致性，證明計算方法在物種內的可靠性；物種間主要是驗證三個腦區的同源性，證明計算方法進行跨物種分析時的有效性。

1.6.1 物種內分析

為了驗證全腦連通性矩陣在物種內的不同個體間是否具有一致性，將不同個體的連通性矩陣互相相減，統計相減之后連通強度差值在0.2 之內的采用克倫巴赫α 系數來進行驗證不同個體在同一腦區的連通關系是否具有一致性，具體計算公式如下所示：

其中，k表示待比較的個體的數量，σi表示第i個指紋圖中的內部方差，σx表示全部指紋圖的方差。克倫巴赫α系數范圍為0 到1 之間，越接近1 表示一致性越高。一般探索性研究，克倫巴赫α系數在0.6以上，基準研究在0.8以上，通常情況下克倫巴赫α系數在0.6以上，被認為可信度較高。

1.6.2 物種間分析

本文選取余弦相似度作為衡量指標。通過計算人類和獼猴的某個腦區同白質纖維束的連通關系，并計算它們的余弦相似度，比較兩個物種的某個腦區是否存在結構連通關系相似的情況，具體計算公式如下所示：

其中，p、q表示兩個待比較的指紋圖；n是指紋圖中目標區域的個數，pi、qi分別表示p、q兩個待比較的連通指紋圖中第i個目標區域的連接值。余弦相似度范圍為-1 到1。-1 意味著兩個向量指向的方向正好截然相反，1表示它們的指向是完全相同的，0通常表示它們之間是獨立的，而在這之間的值則表示中間的相似性或相異性。余弦相似度值越接近1，表明兩個腦區的連通性越相似，即兩個腦區同源的可能性越大；余弦相似度值越接近0，表明兩個腦區相獨立，同源的可能性較小；余弦相似度值接近-1，表明兩個腦區負相關。

1.7 統計分析

由于本文所使用的被試數量較少，并不能完全反映物種整體水平在腦區連接結構方面的一些差異。針對上述問題，本文采用Python以及Numpy 庫對數據進行統計分析。計算人類和獼猴的組平均指紋圖之間的余弦相似度值作為實際觀測值，組合兩組指紋圖然后隨機分成10 和10 兩組，并計算新的兩個組的組平均值指紋圖及它們之間的余弦相似度值，重復上述的分組及計算操作10 000次，使用得到的余弦相似度值構建置換檢驗分布，檢驗標準值定義為5%顯著水平。

2 結果

基于白質纖維束的人和獼猴的腦區連通性計算方法，得到每個個體的全腦腦區與32 條白質纖維束之間的連通性矩陣。將物種內的個體連通性矩陣互相相減，并統計連通強度差值在0.2 之內的比例，結果顯示，在人類的所有個體中，連通強度值在-0.2～0.2 之間的占比達到了95%左右；在獼猴的所有個體中，連通強度值在-0.2～0.2 之間的占比達到在85%左右。如圖2所示。

圖2 個體間連通性矩陣比較。2A：獼猴；2B：人類。Fig.2 Comparison of connectivity matrices between individuals.2A:Macaque;2B:Human.

獼猴與人類所有個體Broca44 區的連通指紋圖如圖3A 所示，獼猴與人類所有個體S1 區的連通指紋圖如圖3B 所示，獼猴與人類所有個體Hippoc 區的連通指紋圖如圖3C所示。其中，橫坐標為白質纖維束，縱坐標為連通強度。

圖3 種內個體間連通性比較。3A:Broca44區；3B:S1區；3C:Hippoc區。 圖4 跨物種腦區驗證結果。4A：Broca腦區；4B：S1腦區；4C：Hippoc腦區。Fig. 3 Comparison of connectivity between individuals within species. 3A: Broca44; 3B: S1; 3C: Hippoc. Fig. 4 Cross-species brain region verification results.4A:Broca;4B:S1;4C:Hippoc.

分別計算了Broca44 區、S1 區、Hippoc 區在兩個物種中的克倫巴赫α系數，結果如表1所示。

表1 種內一致性分析Tab.1 Intraspecies consistency analysis

圖4A 表示獼猴和人類在Broca44 區的連通指紋圖和連通趨勢圖，圖4B 表示獼猴和人類在S1 區的連通指紋圖和連通趨勢圖，圖4C 表示獼猴和人類在Hippoc 區的連通指紋圖和連通趨勢圖。其中，橫坐標為白質纖維束，縱坐標為連通強度。

人類和獼猴在Broca44 區、S1 區、Hippoc 區置換檢驗的置信區間如表2所示，置換檢驗的結果圖如圖5 所示。其中，置換檢驗結果藍色代表觀測值，紅色代表閾值，灰色代表測試的數據。

圖5 置換檢驗結果。 圖6 方法區分度驗證。Fig.5 Results of permutation test.Fig.6 Model discrimination verification.

表2 同源腦區置換檢驗的結果Tab.2 Results of Broca44 brain area replacement test

分別將獼猴的Broca44 區與人類的6 個腦區進行余弦相似度的計算，其中選取的人類6個腦區分別為A8vl、A6vl、A45c、A44v、clinG、A2、IPFtha。結果如圖6 所示。其中，橫坐標為腦區，縱坐標為余弦相似度值。

3 討論

通過分析彌散磁共振成像數據，本文提出了基于白質纖維束圖譜構建連通性關系的跨物種比較方法。發現通過這種方式構建的連通性關系，能夠反映在同物種內不同個體間的結構特征基本一致的特性；且能夠驗證在不同物種間已知同源腦區的結構連通關系具有較高相似度的特性，為跨物種研究方法提供了一個新的思路。

3.1 種內連通性分析

現有研究指出，同物種內大腦的大規模結構連接基本一致[20]，全腦連通性矩陣能夠反映大腦的大規模結構連接。本文對人類和獼猴全腦的連通性矩陣進行分析，結果顯示，同一物種內連通性矩陣比較相似。因此，從全腦的連通性關系分析，本文所提出的計算方法，可以驗證同物種內的個體間大規模結構連接基本一致的特性。除此之外，本文對單個腦區在物種內個體間的一致性進行分析。結果顯示，在同一物種內，三個腦區在獼猴和人類的個體間連通指紋圖相似，且三個腦區的內部一致性系數也較高，證明使用本文所提出的方法，能夠反映物種內個體間的連通關系具有較高一致性。

3.2 種間連通性分析

連通指紋圖可以有效地表示腦區的連通關系，被廣泛地應用于跨物種比較中[21]。在構建連通指紋圖中，傳統的跨物種比較方法需要選擇感興趣區域周邊的同源腦區作為先驗信息。Mars 等[22]發現人類和獼猴擁有一些共同存在的白質纖維束，且能夠作為跨物種比較的框架。參考早期跨物種研究，2021年夏瀟鸞等基于連通性藍圖方法發現Broca44區在結構連接方面具有較高的跨物種一致性[23-24]，2020 年徐婷等利用基于函數的跨物種對齊方法，發現S1 區、Hippoc 區等具有較高的跨物種同源性[25]。本文分析了這些腦區在人類和獼猴的結構連接模式，結果發現，三個已知同源腦區的連接指紋圖和連接趨勢圖具有較高相似性，余弦相似度值均較高(Broca44區表2中0.979、S1區：表2中0.994、Hippoc區：表2中0.995)，并在置換檢驗分布中，余弦相似度(觀測值)均落入置信區間內，說明三個腦區的同源性分析可信。表明本文所提出的方法在跨物種比較中，能夠反映同源腦區結構連接模式相似的特性。

本文在人腦中選取6個感興趣區域，搜索與獼猴Broca44 區具有相似結構連接模式的區域。6 個ROI在人腦中的分布較為分散，其中，A8vl、A6vl、A45c、A44v區位于額葉區域，clinG區位于中腹枕葉皮層區域，A2 區位于中央后回區域，IPFtha 區位于丘腦區域。結果發現，人類的A44v 區和獼猴的Broca44 區具有很高的相似性，而其他腦區與獼猴Broca44區的相似性較低，差異具有統計學意義，這與之前的研究結果一致。說明本文的計算方法對于同源腦區和非同源腦區具有較好的區分性，能夠對人類和獼猴的同源腦區起到篩選的作用。

3.3 研究意義

基于影像特征研究人腦與猴腦的跨物種比較方法，能為大腦組織方式提供有別于單物種研究的獨特解讀，能為未來人腦上發現和假設的驗證提供支持，是當今信息科學、神經科學、認知科學等學科的共同前沿。傳統的跨物種比較方法依賴于已有同源腦區等先驗信息，存在同源位點信息不足的情況，而白質纖維束在人類和獼猴中普遍存在且有較高的共性。據此，本文提出了以白質纖維束作為參照系的方法。實驗從種內分析和種間分析兩個角度對方法進行了驗證，又通過對Broca44 區對方法進行了應用。結果發現，在跨物種研究中，該方法具有較好的適用性，且能夠用于同源腦區的篩選。為跨物種研究方法提供了一個新的思路。

3.4 局限性和不足

本文所提出的方法僅能反映出人腦和獼猴大腦的結構連接關系，對功能方面的表征不強，體現不明確。且對同源腦區的篩選不夠精細，后續的研究可以結合功能連接進行研究，對結構連接初篩的同源腦區進行進一步分析。

綜上所述，本文所提出的基于白質纖維束圖譜進行人類和獼猴腦區連通性分析的方法，能夠應用于人類與獼猴的跨物種比較，且能夠用于同源腦區的篩選。

作者利益沖突聲明：全部作者均聲明無利益沖突。