文章导读 | 基于静息态 fMRI 功能网络的金字塔表征

成都信息工程大学的杨智鹏教授在 Psychoradiology 上发表了题为 “The pyramid representation of the functional network using resting-state fMRI” 的研究文章，提出了一种由 5 个不同尺度上重构个体功能网络的金字塔表征法。该研究假设，多尺度网络特征能够表征一个更加全面的脑功能网络，并能基于多种尺度对潜在的脑功能机制做出更好的解释。

静息态功能磁共振成像（RS-fMRI）是研究大脑机制的有效工具，可以用来探索大脑不同区域之间相互作用的独特模式。基于图论的方法将大脑抽象为一个复杂网络，是 RS-fMRI 的一个重要应用。用于构建网络的尺度决定了其灵敏性和解剖变异性之间的平衡关系，因此复杂网络容易受到其尺度的影响。大尺度网络会增加统计效能，但对局部特征不太敏感；相反，小尺度网络保留了大量的局部信息，但存在低信噪比和由于错误配准或局部解剖变异而导致节点定义不准确的问题。

引用格式：

Zhipeng Yang, Luying Li, Yaxi Peng, Yuanyuan Qin, Muwei Li (2022) The pyramid representation of the functional network using resting-state fMRI. Psychoradiology 2(3):68–76, https://doi.org/10.1093/psyrad/kkac011

多粒度图谱

多粒度图谱的详细工作可以参考 Djamanakova 等 2014 年的研究（Djamanakova et. al.， 2014）。在 MNI 空间中，人为定义了最大粒度（Level-5）的 286 个区域。根据这些区域在大脑中的关联，将这些区域进行分层重组，重新构造出 Level-4、Level-3、Level-2 和 Level-1 的图谱，分别由 134、54、11 和 6 个脑区组成。Level-5 图谱对应最小尺度（Scale-1），而 Level-1 图谱对应最大尺度（Scale-5）。为了统一描述，本文采用“尺度”作为解剖分辨率的单位。如图 1 所示，将一幅结构图像空间归一化到 MNI 空间，在 5 个尺度上分割成多个解剖结构。在本研究中，由于只使用灰质区域来构建功能网络，因此将图中节点的区域数量进一步缩减为 84、58、16、6 和 4。

图 1 五个尺度的分割结果。灰质从 Scale 1到 Scale 5依次划分为84、58、16、6 和 4 个区域，每个区域以特定颜色显示。

多尺度功能网络

首先从节点中提取每个测试者的平均 BOLD 时间序列，并计算每对节点（i 和 j）之间的 Pearson 相关系数，用来作为节点之间的功能连通性 Dij。由此获得每个受试者由84×84、58×58、16×16、6×6 和 4×4 对称矩阵表征的 5 个尺度的功能网络，其中矩阵元素（i, j）的值等于 Dij。最终的功能网络保留功能连接强度前 50% 的连接值，并将矩阵中的其余元素以及主对角元素（自相关）设置为 0。
基于图论的方法，计算出聚类系数、节点中心性和网络效率等指标。其中，节点 i 的聚类系数 Ci 是衡量 i 的一组相邻节点之间的互相关性。全局系数 C 是所有 Ci 值 的平均值。全局效率 E 是网络最短路径长度的均值。局部效率 Ei 是在节点 i 的领域内计算的 E，是对节点 i 交换信息效率的度量。节点中心性 Bi 是给定节点 i 所涉及的最短路径占网络中总的最短路径数量的比例。

基于功能网络的多尺度图

图 2 显示了 5 个尺度表征的脑网络金字塔。图 3a 显示了 阿尔茨海默病患者（AD）和 正常对照（NC）在金字塔各层的平均功能网络图。从图中可以发现，平均功能网络图表明两组之间的模式大体上是一致的。如图 3b 所示，在较小尺度的功能网络中，可以看到较大的组间差异。Scale-5 组间差异为 0.06（NC＞AD），然而对于 Scale-1，组间差异值增加到 0.23（NC＞AD）。图 3c 显示了每个群体内功能连接的标准差，在 Scale-5 中，AD 组的最大标准差为 0.34；NC 组的最大标准差为 0.30。然而，在 Scale-1 中，AD 组和 NC 组的最大标准差分别增加到 0.56 和 0.54。总体而言，AD 组在各个尺度上的功能连接的标准差均高于 NC 组。

图 2 多尺度功能网络的金字塔表示图

图 3 五个尺度上 AD 和 NC 的平均功能网络。a：平均功能网络图 AD（第1行），NC（第2行）。b：平均功能网络图的差异（NC-AD）。c：总体标准偏差 AD（第 1 行），NC（第 2 行）。

频域的多尺度度量

图 4 展示了 5 个尺度解剖节点内平均 ALFF 的频域局部变量。与 AD 患者相比，NC 个体的多个区域的 ALFF 显著升高，这些区域包括 Scale-5 的左侧端脑；Scale-4 的左侧脑皮层；Scale-3 的左侧额叶、左侧顶叶和左侧边缘区；Scale-2 的左侧额上/中回、中央前/后回、顶上回、边缘上回、角回、扣带回、杏仁核、壳核、苍白球；Scale-1 的左侧额中回、中央前/后回、顶上回、缘上回、角回、背侧前扣带回、后扣带回、杏仁核、壳核、苍白球和双侧额上回。在 FDR 校正后，Scale-2 的左侧额上/中回、中央前/后回、顶上回、边缘上回、苍白球等区域失去显著性，而 Scale-1 的左侧边缘上回和背侧前扣带回两个区域获得显著性。

图 4 ALFF 在多个尺度上的比较。*：表示 AD 和 NC 之间的显着差异（p<0.05，未校正）。†：表示FDR 校正后的显著性（p<0.05）。

结论

在本研究中，提出了一种由 5 个不同尺度上重构个体功能网络的金字塔表示法。从多尺度网络中提取特征，并评估其识别 AD 的鉴别能力。不同的特征值反映了在不同尺度上区分 AD 的最高灵敏性。此外，相比于单一尺度的特征值，组合特征值具有更高的准确性。研究认为，金字塔表征编码了单一尺度上最敏感的特征，并体现了特征敏感性和解剖变异性之间更好的平衡关系。

参考文献

[1] Djamanakova A, Tang X, Li X, et al.: Tools for multiple granularity analysis of brain MRI data for individualized image analysis. Neuroimage 2014; 101:168–176.

[2] Adelson E, Anderson C: Pyramid methods in image processing. RCA Eng 1984; 29:33–41.

 •  作者介绍

     本文通讯作者杨智鹏为成都信息工程大学电子工程学院副教授，博士毕业于四川大学。作为访问学者赴美国范德堡大学交流学习。长期在图像信号处理方法开展研究工作，聚焦于医学磁共振图像及相关病理分析；近年来通过开发新的图像分析方法研究白质结构和功能，创新性地提出多模态神经纤维分析算法；目前在相关领域国际著名期刊/会议上发表学术论文 15 余篇。科研项目方面，主持国家和省级项目多项。

扫描获取本文

相关阅读

小贴士

Psychoradiology（《精神影像学》期刊）由牛津大学出版社出版，是国际上第一本专注于精神影像学的英文学术期刊，已被 DOAJ 数据库收录。目前我们已经组建了国际化的编委团队，聘任国内外知名专家共 41 名。主编为四川大学华西医院龚启勇教授，电子科技大学Keith Maurice Kendrick教授，中国科学院院士、北京大学第六医院院长、山东第一医科大学校长陆林教授。编委成员具有多学科背景，其中包括中国科学院陈霖院士、苏国辉院士，英国皇家学会会士、英国医学科学院院士、英国医学科学院院士 Trevor Robbins 教授，英国社会科学学院院士 Tatia M C Lee 教授，以及美国医学与生物工程院会士 Bharat Biswal、 Gary Glover 教授等知名学者。

办刊宗旨：

1.出版国际精神影像学领域最新重要研究成果和进展；

2.为精神疾病的诊断、治疗和预防提供新的理论基础、方法及经验分享；

3. 为国内外临床医生、研究人员等提供学术交流平台，服务医学事业发展；

4. 填补学科领域期刊空白，保持我国在该领域的引领地位。

了解更多

点击上方名片关注我们联系我们

[e-mail]

投稿链接

https://mc.manuscriptcentral.com/psyrad

欢迎加入

精神影像学交流群

请扫码添加小编微信，拉你进群~👇（加群请备注“姓名+单位+Psyrad”）

期刊主页

编辑 | 沈傲月责编 | 蒋   苹审校 | Juliana

分享 收藏 点赞 在看