分享:
分享到微信朋友圈
X
基础研究
大学生手机依赖者大脑白质纤维结构的磁共振弥散张量成像研究
陈健湘 胡元明 吕涵青 隆晓菁 石婷玉 陈少媚

陈健湘,胡元明,吕涵青,等.大学生手机依赖者大脑白质纤维结构的磁共振弥散张量成像研究.磁共振成像, 2017, 8(6): 446-451. DOI:10.12015/issn.1674-8034.2017.06.009.


[摘要] 目的 运用弥散张量成像(diffusion tensor imagine,DTI)方法观察手机依赖组与正常被试组之间的大脑白质纤维束微结构完整性的差异,探讨手机依赖症大脑白质纤维束微结构改变的特征。材料与方法 25名手机依赖症者与23名健康对照者参加本研究,研究对象均为广州中医药大学深圳创新班的在校大学生。采用西门子3.0 T Trio MRI扫描仪进行DTI数据采集,组间各向异性分数(fractional anisotropy,FA)比较采用基于体素分析(voxel-based analysis,VBA)方法,采用双样本t检验分析两组差异,并进行AlphaSim校正,取个数大于26的体素集合,校正后P<0.005的像素被认为差异具有统计学意义;人口学统计比较采用SPSS 13.0软件中的两样本t检验。结果 与正常组相比,手机依赖症组多个脑区FA值降低,主要包括额上回、眶额回、岛叶、中脑腹侧被盖区、海马、丘脑、小脑等功能区(P<0.005);未发现FA值升高区域(P<0.005)。结论 手机依赖组在上述区域的白质纤维束微结构已发生变化,区域主要涉及奖赏环路、控制及执行能力等相关脑区。
[Abstract] Objective: To investigate the differences of brain white matter fibers between mobile phone dependent patients and control subjects by a diffusion tensor imagine (DTI) method, and explore the characteristics of changed brain white matter microstructure in mobile phone dependent patients.Materials and Methods: 25 mobile phone dependent patients and 23 control subjects were recruited, they are from Guangzhou University of Chinese Medicine Shenzhen innovation class. The Siemens 3.0 T trio MRI was used for DTI data acquisition, voxel-based analysis, (VBA) was used for fractional anisotropy (FA) comparison between addiction group and control group, using two sample t test to analyze the differences between the two groups, and performed Alphasim correction in order to take the number of voxels larger than 26, the difference was statistically significant P<0.005 pixels after adjusted. Using two sample t test in SPSS 13.0 software to process demographic data.Results: Compared with the control group, significant reduced FA values were found in several white matter regions including superior frontal gyrus, orbital frontal cortex, insula, ventral tegmental area, hippocampus, thalamus, cerebellum in addiction group (P<0.005) , There were no regions showed significant increase (P<0.005).Conclusion: Altered white matter microstructures were found in mobile phone addiction group, mainly locating in the area associated with reward circuits, control and ability to execute related brain areas.
[关键词] 手机成瘾;弥散张量成像;磁共振成像,功能性;大脑白质纤维;大学生
[Keywords] Mobile phone addiction;Diffusion tensor imagine;Magnetic resonance imaging, functional;White matter fiber;College student

陈健湘 深圳市中医院放射影像科,深圳 518033

胡元明* 深圳市中医院放射影像科,深圳 518033

吕涵青 深圳市中医院放射影像科,深圳 518033

隆晓菁 中国科学院深圳先进技术研究院,深圳 518055

石婷玉 深圳市中医院放射影像科,深圳 518033

陈少媚 深圳市中医院放射影像科,深圳 518033

通讯作者:胡元明,E-mail:tomhu163@163.com


基金项目: 深圳市科技计划项目 编号:JCYJ20150401163247205
收稿日期:2016-11-28
接受日期:2017-01-10
中图分类号:R445.2; R338.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2017.06.009
陈健湘,胡元明,吕涵青,等.大学生手机依赖者大脑白质纤维结构的磁共振弥散张量成像研究.磁共振成像, 2017, 8(6): 446-451. DOI:10.12015/issn.1674-8034.2017.06.009.

       随着科技的进步,手机已成为大部分人生活中不可或缺的一部分,尤其是近几年来智能手机的广泛普及,使人们对手机变得越来越依赖,并产成了一种新的心理疾病——手机依赖症(mobile phone addiction),又称手机综合征、手机成瘾,该概念由韩国的朴雄基首次提出[1,2]。根据中国互联网络信息中心2015年1月发布的第35次《中国互联网络发展状况统计报告》,截至2014年12月,我国网民规模达到6.49亿,其中手机网民占85.8%,人数达到5.57亿[3]

       大学生手机依赖者并不是对手机本身的依赖,而是沉迷于微信、游戏、网络小说、电影、拍照、购物等手机功能,对其心理、生理和社会功能带来不利影响,引起社会的广泛关注。目前国内外学者对手机依赖症的研究主要集中在人格、心理健康关系方面,但还未对手机依赖症脑功能及结构的磁共振成像进行过相关研究,本研究将有助于揭示手机依赖症的神经病理学机理,提高对手机依赖症的认识水平,从而为实现对手机依赖症的有效医疗干预打下基础。

1 材料与方法

1.1 一般资料

       本院(深圳市中医院)共招募48名来自广州中医药大学深圳市中医院创新班的大二、大三在校大学生为被试志愿者,被试者纳入标准:(1)年龄在21~ 24岁,男女比例1:1;(2)汉族;(3)无言语交流障碍,志愿参加配合研究者;(4)右利手,经中国左右利手检查项目和分型标准判断。两组被试者年龄、性别、社会背景和受教育程度基本匹配。所有被试者均排除:(1)伴有其他药物依赖史者;(2)伴脑器质性病变者;(3)既往史中有神经、精神方面病史,如脑肿瘤、癫痫、抑郁症等;(4)正在接受苯二氮卓类等抗精神病药治疗者。所有受试者均为本人自愿参加该研究并签署知情同意书。本研究经过深圳市中医院伦理委员会批准。

       所有被试者以熊婕等[4]的手机成瘾测评量表标准进行诊断,见表1。该样表共包含16项问题,4个因素:戒断症状、突显行为、社交抚慰和心境改变。总量表的Cronbach'sα系数为0.83,4个因素的α系数在0.55~ 0.80;总量表的重测信度为0.91,4个因素的重测信度在0.75~ 0.85;量表测试采用5级评分,得分越高,则手机依赖程度越高。其中第3~ 6、8~ 9、14~ 15题同时是手机依赖筛选题,若有5个及以上选“是”,且所得分数大于50,则被判定为手机依赖者。经测试后,得到手机依赖者25名,其中男13名,女12名,年龄为(21.96±1.02)岁;正常组23名,男12名,女11名,年龄为(21.70±0.88)岁。

表1  手机成瘾倾向量表
Tab. 1  Mobile phone addiction tendency scale

1.2 方法

1.2.1 数据采集

       扫描方法:采用西门子3.0 T Trio MRI扫描仪,32通道头线圈。被试者提前30 min左右到达磁共振室,课题组成员给被试者讲述实验流程,签知情同意书,被试者休息10 min后,开始磁共振序列扫描。取仰卧位,头部先进,颈部两旁酌情塞入护垫帮助患者保持头部制动状态,戴上耳机以减轻噪音污染,并避免任何有意义思维活动的状态,告知受试者闭上双眼,保持头部不动及清醒状态不要睡着。扫描序列及参数:横轴位常规T1WI、T2WI。T1WI参数:TR=3080 ms,TE=12 ms,层厚5 mm;T2WI参数:TR= 5000 ms,TE=117 ms,层厚5 mm。弥散张量成像(diffusion tensor imagine,DTI)参数:TR= 9200 ms,TE=85 ms,层厚3 mm,矩阵128 × 128,视野(FOV)220 mm × 100 mm,采集2次,扩散敏感因子b=1000 s/mm2,扩散敏感梯度方向数20个,采集时间为9 min 49 s。

1.2.2 数据处理及分析

       使用MRIcron软件将扫描得到的DTI dicom数据转化成NIfTI (hdr/img)格式,同时得到DTI扫描的梯度编码文件.bvec和.bval。将NIfTI图像和.bvec文件信息输入DTIstudio软件,进行头动、涡流校正,将DTI原始数据配准到b0非弥散加权图像上。设每个像素张量的特征向量为(λ1,λ2,λ3),则部分各向异性分数(fractional anisotropy,FA)定义为:

       其中λ=(λ1+λ2+λ3)/3。FA值介于0~ 1,0表示弥散各向同性,1表示弥散各向异性。

       得到FA图后,应用spm vbm软件对手机成瘾组和正常对照组进行形态学分析。先将每名被试个体的T1加权成像与DTI b0图像进行线性匹配,得到线性变换矩阵后应用于对应的FA图,从而使T1加权图像与FA图实现空间匹配。然后把T1加权成像配准到标准蒙特利尔神经研究所(Montreal Neurological Institute,MNI)空间,同时分割成灰质(gray matter,GM)、白质(white matter,WM)、脑脊液(cerebrospinal fluid,CSF),这其中配准模板选择MNI152_T1图像,配准算法为李代数微分同胚配准算法(diffeomorhpic analomical registration through exponentialed lie,DARTEL)。配准后得到的形变场应用于线性校准后的FA图像,即得到配准到标准化空间的FA图像。利用T1图像的分割结果,获得GM和WM部分的FA值,对预处理好的FA图像进行平滑(平滑高斯核半高宽为6 mm)。使用广义线性模型(generalized linear model ,GLM)建模,使得每个体素具有相同的设计矩阵但参数向量不同。经过参数估计和统计量计算,获得手机成瘾组和对照组的统计参数映射图。采用双样本t检验分析两组差异,并进行AlphaSim校正,本研究采用的掩膜模板大小为61×73×61,取边连接标准,因而校正后保留个数大于26的体素集合,校正后P<0.05的像素被认为具有统计学意义。

1.3 人口学统计

       利用SPSS 13.0软件对两组间的人口学资料进行两样本t检验,以P<0.05为差异有统计学意义。见表2

表2  两组间基本资料比较
Tab. 2  Comparison of the basic data between two groups

2 结果

       应用弥散张量磁共振成像技术,结合VBA方法研究手机依赖症与正常对照组的各向异性分数的差异。结果显示,两组个体脑部的额上回、眶额回、岛叶、中脑腹侧被盖区、海马、丘脑、小脑等功能区白质的FA值差异具有统计学意义,上述脑区依赖组较正常组FA降低(见表3图1)。

图1  手机依赖者个体与正常对照组相比,FA存在显著差异的大脑图像
Fig.1  White matter regions with lower FA in mobile phone dependency compared with normal controls.
表3  手机依赖者和正常对照组相比脑白质FA值下降的脑区
Tab. 3  White matter regions with lower FA in mobile phone dependency compared with normal controls

3 讨论

       DTI技术是近年来发展非常迅速的磁共振成像技术,通过分析水分子扩散各向异性来追踪神经纤维通路,并以此为基础来评估神经纤维的走向与完整性的方法,能够较精确地分析大脑白质纤维的各项特征,DTI技术凭借其无创性和高分辨率等特征,在各类科研实践中已得到广泛应用[5],尤其是在脑神经影像研究领域。FA值反映水分子弥散方向的各向异性,间接反映了白质纤维束的完整性[6,7]。而正常人脑结构和功能是密切相关的,白质结构发生改变将影响大脑的连通性和完整性[8]。本研究中多个脑区FA值的改变,提示相关脑区白质纤维束微结构的完整性降低。相比正常被试,手机依赖组多个区域FA值降低,这种白质纤维束微结构的变化可能是由于前期长时间的使用手机所导致。

       本研究中手机依赖者大脑结构中与决策、情绪加工、管理相关的额上回、眶额回、岛叶、中脑腹侧被盖区、海马、丘脑等脑区的FA值显著低于正常组。之前大量的物质成瘾研究已证明[9,10,11]采用基于体素形态学分析方法定量分析DTI数据发现海洛因成瘾者脑白质微结构已发生改变,主要集中在额叶、顶叶、岛叶、左侧楔前叶和胼胝体等多个脑区。Lin[12]和Dong[13]两个研究组分别证明了网络成瘾患者大脑白质存在广泛的连接异常,这些区域包括扣带区、内外囊区、胼胝体、丘脑区等,同时还发现这些部分的异常与网瘾的严重程度呈正相关。袁凯博士[14]通过分析18名网络成瘾的青少年与18名年龄等基本资料相匹配的正常人,利用DTI技术分析被试者的白质部分各向异性,结果显示网络成瘾组的旁海马回区域和左内囊下肢的FA值出现异常,而且后者的FA值变化与成瘾者病程成显著相关。

       本次研究中海马、中脑腹侧被盖区、丘脑白质微结构受损。海马和中脑在边缘多巴胺系统中起重要作用,其中中脑腹侧被盖核在奖赏系统中扮演重要的角色,且中脑和小脑、大脑之间存在广泛结构及功能的连接,所以中脑的结构受损很可能与奖赏系统功能异常有关。Dong等[15]认为,丘脑的白质纤维结构异常可能与网络游戏成瘾被试奖赏敏感性的增加有关,且丘脑白质纤维的各项异性值越大,网瘾程度越高。因此海马、中脑腹侧被盖区、丘脑等被认为是与奖赏环路密切相关的区域,极可能会导致手机依赖者大脑奖赏回路对正常的奖赏信号敏感性降低,对自然奖赏缺乏应有的兴趣,在日常生活中不容易获得愉悦感,个体需通过手机的虚拟世界才能获取愉悦感受,最终导致对手机的依赖,进而影响大学生的学习和生活。这也使得手机依赖者常表现出情绪比较低落,对其他事物兴趣明显下降,不愿意参加班级集体活动,喜欢独自沉迷于手机的虚幻世界中。

       额叶是大脑最复杂的皮层脑区之一,它负责接收处理来自其他脑区的信息传输,前额叶皮层与其他脑区存在广泛的连接,因此前额叶脑区白质纤维束微结构一旦发生变化可能会对手机依赖者大脑神经网络信息加工处理产生影响。在物质成瘾中,岛叶与对物质的渴求程度密切相关,尼古丁成瘾的研究发现,损毁脑岛,会大大提高个体戒烟的成功性。前额叶和岛叶被认为是与决策行为密切相关的脑区,这些脑区的变化与网络成瘾个体受损的决策能力相关[16,17]

       本研究中,额上回、眶额回、岛叶微结构受损,这可能是导致手机依赖者控制能力及执行能力下降的原因,大学生手机依赖者即使在意识到长时间使用手机对自己的身心健康、学习成绩等方面造成不利影响的情况下,仍然难以控制自己频繁使用手机的行为,甚至在课堂上都无法控制自己使用手机进行娱乐,严重影响学习;当某天突然忘记带手机或者手机没电时,会表现出焦躁、难受、很不舒服,甚至无法忍受等类似于物质成瘾的“戒断反应”,在暂时的满足和长期的负面结果之间难以作出正确的决策,依然选择沉迷于手机中,这反映了成瘾个体的社会决策能力受损[18]

       在本研究中,比较特殊的是双侧小脑半球微结构也发生变化,小脑以往被认为是维持运动和平衡功能的重要结构,但是近几年的解剖生理学研究发现小脑在情绪和认知加工过程中也非常重要[19]。小脑白质纤维微结构发生变化会导致大学生执行功能和学习记忆的能力降低,并且小脑与其他脑区都有专门的纤维连接,这也使得小脑的作用越来越受到重视。

       手机依赖症会使个体大脑白质纤维束微结构的完整性降低,发生这些变化的白质区域主要涉及奖赏环路、控制及执行能力等相关脑区,这可能是手机依赖症神经机制之一,希望本文的研究成果对以后进一步揭示手机依赖症的机理及其临床诊断和治疗提供新思路。由于结构改变并不能直接反映功能强弱,因此还需进一步研究手机依赖者大脑相关脑区的神经活动强弱情况。

[1]
Park WK. Mobile phone addictionl. Mob Commun, 2005, 31(3): 253, 272.
[2]
Park WK. The mobile phone addiction among Korean college students. Korean Soc J Commun, 2003, 47(2): 250-281.
[3]
China Internet Network Information Center(CNNIC). Thirty-fifth China internet development statistics report. (2015-02-03)[2016- 11-20]. http://www.cnnic.cn/gywm/xwzx/rdxw/2015/201502/t20150203_51631.htm.
中国互联网络信息中心(CNNIC). 第35次中国互联网络发展状况统计报告. (2015-02-03)[2016-11-20]. http://www.cnnic.cn/gywm/xwzx/rdxw/2015/201502/t20150203_51631.htm.
[4]
Xiong J, Zhou ZK, Chen W, et al. Development of the mobile phone addiction tendency scale for college students. Chinese Mental Health Journal, 2012, 26(3): 222-225.
熊婕, 周宗奎, 陈武, 等. 大学生手机成瘾倾向量表的编制. 中国心理卫生杂志, 2012, 26(3): 222-225.
[5]
Pfefferbaum A, Adalsteinsson E, Sullivan EV. Frontal circuitrydegradation marks healthy adult aging: evidence from diffusion tensor imaging. Neuroimage, 2005, 26(3): 891-899.
[6]
Nie TM, Jiang XY, Wang J. The value of diffusion tense MR imaginein differentiating atypical menigioma from glioma. Chin J Magn Reson Imaging, 2013, 4(5): 325-329.
聂泰明, 姜兴岳, 王静. 扩散张量成像在不典型脑膜瘤与星形细胞肿瘤鉴别诊断中的价值. 磁共振成像, 2013, 4(5): 325-329.
[7]
Zhang C, Mu XT, Wang H. The research progress of diffusion tensor imaging for early diagnosis of Alzheimer disease. Chin J Magn Reson Imaging, 2013, 4(5): 394-397.
张超, 穆学涛, 王宏. 阿尔茨海默病DTI早期诊断的研究进展. 磁共振成像, 2013, 4(5): 394-397.
[8]
Jin Y, Shi Y, Zhan L, et al. Automatic clustering of white matter fibers in brain diffusion MRI with an application to genetics. Neuro Image, 2014, 100(7): 75-90.
[9]
Bora E, Yücel M, Fornito A, et al. White matter microstructure in opiate addiction. Addict Biol, 2012, 17(1): 141-148.
[10]
Liu H, Li L, Hao Y, et al. Disrupted white matter integrity in heroin dependence: a controlled study utilizing diffusion tensor imaging. Am J Drug Alcohol Abuse, 2008, 34(5): 562-575.
[11]
Wang X, Zhou X, Liao Y, et al. Microstructural disruption of white matter in heroin addicts revealed by diffusion tensor imaging: a controlled study. J Central South Univ (Med Ed), 2011, 36(8): 728-732.
[12]
Lin F, Zhou Y, Du Y, et al. Abnormal white matter integrity in adolescents with internet addiction disorder: a tract-based spatial statistics study. PloS One, 2012, 7(1): e30253.
[13]
Dong G, DeVito E, Huang J, et al. Diffusion tensor imaging reveals thalamus and posterior cingulate cortex abnormalities in internet gaming addicts. J Psychiatr Res, 2012, 46(9): 1212-1216.
[14]
Yuan K, Qin W, Wang G, et al. Microstructure abnormalities in adolescents with internet addiction disorder: a database of the U S. National Library of Medicine, PloS One, 2011, 6(6): e20708.
[15]
Dong G, Devito E, Huang J, et al. Diffusion tensor imaging reveals thalamus and posterior cingulated cortex abnormalities in internet gaming addicts. J Psychiatr Res, 2012, 46(9): 1212-1216.
[16]
Dong G, Wang J, Yang X, et al. Risk personality traits of Internet addiction: a longitudinal study of intemet-addicted Chinese university students. Asia-Pacific Psychiatry, 2013, 5(4): 316-321.
[17]
Hoogendijk WJG, Veltman DJ. Cognitive inflexibility in obsessive compulsive disorder and major depression is associated with distinct neural correlates. PLoS One, 2013, 8(4): e59600.
[18]
Ko CH, Hsiao S, Liu GC, et al. The characteristics of decision making potential to take risks, and personality of college students with interact addiction. Psychiatry research, 2010, 175(1): 121-125.
[19]
Smet HJD, Paquier P, Verhoeven J, et al. The cerebellum: itsroleinlanguage and related cognitive and affective functions. Brain Lang, 2013, 127(3): 334-342.

上一篇 SAPHO综合征患者骶髂关节病变的MRI表现
下一篇 正常脑组织磁共振两b值及多b值扩散加权成像技术变异度对比分析
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2