帕金森病(Parkinson’s disease，PD)是全球第二高发的神经退行性疾病，仅次于阿尔茨海默症^［1］。其主要病理改变是位于中脑黑质内的多巴胺神经元变性死亡，进而导致身体出现一系列运动障碍，主要包括静止性震颤、肌强直、运动迟缓和姿势步态障碍等^［2］。基于功能磁共振成像(functional magnetic resonance imaging，fMRI)技术，可以记录到大脑神经的活动信号^［3］，基于独立成分分析(independent component analysis，ICA)可将多个源信号产生的线性混合信号分离成互不相关、非高斯的独立信号^{［4, 5］}，进一步把内部关联程度较高的脑区归为一个脑网络功能区，多个功能区就组合成了复杂的脑网络系统。相比于以往的功能连接(functional connectivity，FC)方法，功能网络连通性(functional network connectivity，FNC)分析方法探讨了大尺度网络连接，可计算各独立脑网络之间连接强度的差异^{［6, 7］}。Rubbert等^［8］在一项基于静息状态网络间功能连通性的机器学习识别帕金森病患者的研究中得出结论，rs-fMRI全脑连通性、数据驱动、基于模型的方法用于区分PD患者和健康对照者具有很高的准确度和较高的敏感度。先前的研究表明，帕金森病患者的脑网络中可能存在功能重组，并与其临床相关症状相关^{［9, 10］}。Kim等^［11］也提出帕金森病患者的视觉运动障碍可能与视觉和感觉运动区域的动态功能连接改变有关。

       近年来，FNC作为一种新技术被用于多种神经性疾病的脑功能研究，本研究基于ICA和FNC，探索帕金森病患者静息状态下大脑感觉运动网络与其他网络间的的功能连通性差异，并且进一步划分，探索感觉运动网络内部各亚区间的连通性差异，分析存在差异区域的连接强度与临床评分的相关性，从而发现病变状态下感觉运动网络的功能连接异常与临床发生运动障碍之间的关系，将有助于理解PD患者运动障碍产生的神经机制，从而加深对帕金森病的认识。

1 材料与方法

1.1 研究对象

       本研究为回顾性研究，纳入2019年1～12月于扬州大学附属医院神经内科就诊的符合英国脑库临床诊断标准^［12］的原发性PD患者30例(PD组)，以及年龄、性别与之匹配的健康对照组30名(HC组)。入组标准：(1)年龄45～80岁；(2) H-Y分级≤3级；(3)右利手。排除标准：(1)既往病史及常规MRI检查证实颅内明显器质性病变；(2)帕金森氏病以外的精神或神经疾病；(3)其他重大内科疾病；(4)MRI检查配合不佳致图像质量较差者及磁共振检查禁忌证者。扫描前所有PD患者由两位资深的神经内科医师采用统一帕金森病评分量表(unified Parkinson's disease rating scale，UPDRS)^［13］对患者的运动功能部分进行评分。HC组排除脑肿瘤、外伤等明显器质性病变及神经精神性疾病病史。本研究经扬州大学附属医院伦理委员会批准，所有被试在MRI检查前均签署知情同意书。

1.2 图像采集

       设备为美国GE公司Discovery MR750W 3.0 T MRI扫描仪(Milwaukee，USA)，16通道头颈联合线圈，采用海绵垫固定被试头部以减少产生运动伪影，戴眼罩和耳塞以减少光和声的影响。所有被试均行3D T1 FSPGR及BOLD序列。各序列参数如下：3D T1 FSPGR：重复时间7.2 ms，回波时间3.1 ms，矩阵256×256，视野256 mm×256 mm，翻转角12°，层厚1 mm，层间距1 mm，共采集覆盖全脑的188层图像。BOLD序列：重复时间2000 ms，回波时间30 ms，矩阵64×64，视野224 mm×224 mm，翻转角90°，层厚4 mm，层间距1 mm，共采集覆盖全脑的28层图像。所有受试者在扫描全过程中需保持闭眼清醒状态，思维保持平静。

1.3 数据预处理

       使用MATLAB R2013b版本和Restplus工具包(www.restfmri.net)进行静息态功能MRI数据预处理。每个被试去除前5个时间点以消除磁场不均匀的影响，剩余235个时间点。经过时间层校正和头动校正后进行空间标准化处理，采用Dartel两步配准法将其空间转换为蒙特利尔神经研究所模板，并在在6 mm半高全宽高斯空间上进行平滑。

1.4 建立网络间连接

       使用功能磁共振工具箱(GIFT v4.0a；http：//icatb.sourceforge.net)的分组独立分量分析组件将预处理后的数据分解成功能网络。选择相对较高的模型阶数独立分量分析，采用Infomax算法，通过在GIFT中实现的ICASSO与20个迭代估计进行比较，评估信息最大化ICA算法估计的可靠性，选择平均聚类内相似度大于0.8的独立成分进行分析，通过最大化空间独立性来估计独立分量，使用两个阶段的主成分分析压缩rs-fMRI数据^［14］，最后保留了100个成分，通过评估组件频谱中的高频到低频功率以及灰质是否发生峰值激活，确定了53个成分为静息状态网络的组件，根据它们的解剖学和假定的功能特性，参考斯坦福大学神经精神疾病的功能成像实验室提供的模板(http：//findlab.stanford.edu/index.html)，利用独立成分和模板之间的空间相关值，将所选的53个独立成分(independent component，IC)分为7个功能网络^{［11，15, 16］}(图1)：感觉运动网络(sensorimotor network，SMN)；默认模式网络(default mode network，DMN)，包括背侧默认模式网络(dorsal default mode network，dDMN)和腹侧默认模式网络(ventral default mode network，vDMN)；执行控制网络(executive control network，ECN)；听觉网络(auditory network，AUN)；视觉网络(visual network，VIN)，包括初级视觉网络(primary visual network，pVIS)和高级视觉网络(high-level visual network，hVIS)；注意网络(attention network，AN)，包括背侧注意网络(dorsal attention network，dAN)和腹侧注意网络(ventral attention network，vAN)；突显网络(salience network，SAN)。其他47个成分被认为与运动伪影或空间地图(包括白质、脑室系统或脑脊液)有关，排除在外^［17］。

       使用GIFT中的Mancovan工具箱创建设计矩阵以确定ICA获得的成分之间的连通性^［17］。选择FNC相关性特征，对上述7个网络的成分进行降噪，先对时间序列进行去线性趋势化，再用高频截止为0.15 Hz的五阶巴特沃斯低通滤波器进行滤波，最后对独立成分降噪处理之后的时间序列计算Pearson相关系数，使用Fisher-z变换转换为z值，以形成连接模式矩阵图和FNC矩阵图。对PD组及HC组选取的各脑网络成分的连接强度进行双样本t检验，P值显著性阈值设置为0.001。

点击查看大图

图1  所选的53个独立成分分为7个功能网络：感觉运动网络；默认模式网络，包括背侧默认模式网络和腹侧默认模式网络；执行控制网络；听觉网络；视觉网络，包括初级视觉网络和高级视觉网络；注意网络，包括背侧注意网络和腹侧注意网络；突显网络
Fig. 1  The 53 independent components selected were classified into seven functional networks: Sensorimotor network (SMN); Default mode network (DMN), including dorsal default mode network (dDMN) and ventral default mode network (vDMN); Executive control network (ECN); Auditory network (AUN); Visual network (VIN), including primary visual network (pVIS) and high-level visual network (hVIS); Attention network (AN), including dorsal attention network (DAN) and ventral attention network (VAN); Salience network (SAN).

1.5 建立感觉运动网络内功能连接

       使用GIFT工具箱的分组独立分量分析部分，采用Infomax算法，通过在GIFT中实现的ICASSO评估信息最大化ICA算法估计的可靠性，加上标准脑感觉运动网络模板，将预处理后的数据的感觉运动网络分解成30个独立成分，确定了18个成分为感觉运动区的组件，根据解剖学及Puche等^［18］的研究，将感觉运动区分为左侧中央前回、右侧中央前回、左侧中央后回、右侧中央后回、中央旁小叶和辅助运动区等6个亚区。

       使用GIFT中的Mancovan工具箱创建设计矩阵。选择FNC相关性特征，分别对6个亚区的成分进行降噪，先对时间序列进行去线性趋势化、滤波及降噪处理之后的时间序列计算Pearson相关系数，使用Fisher-z变换转换为z值，以形成连接模式矩阵图和FNC矩阵图。对PD组及HC组选取的感觉运动网络个亚区成分的连接强度进行双样本t检验，并对所得结果进行FDR多重比较校正(P＜0.05)。

1.6 相关性分析

       使用统计软件SPSS 19.0，将PD组各功能网络间及感觉运动网络内各亚区间的连接强度分别与UPDRS-Ⅲ评分进行Pearson相关分析，观察各区域功能连接与疾病的临床症状是否存在相关性，P＜0.05表示差异具有统计学意义。

2 结果

2.1 人口统计学和临床特征

       本研究共纳入帕金森病组(PD组)30例，健康对照组(HC组)30例，两组在性别、年龄、受教育年限等方面的差异无统计学意义(表1)。用x¯±s表达近似服从正态分布的定量资料，M (QR)表达呈偏态分布的定量资料。

点击查看表格

表1  受试者基本情况
Tab. 1  Basic statistics of subjects

2.2 全脑网络间功能连通性

       使用ICA分析出的所有53个独立成分所属7个网络的空间图如图1所示。整个扫描过程中计算的独立成分之间的组平均静态功能连接网络如图2所示。进行双样本t检验后，成分间有连通性差异的部分如图3所示。发现感觉运动网络(IC5)与高级视觉网络(IC9，IC46)间的连通性减低(t=-4.294，P＜0.001；t=-3.839，P＜0.001)，感觉运动网络(IC6)与背侧注意网络(IC28)间的连通性减低(t=-3.481，P＜0.001)，感觉运动网络(IC26)与腹侧注意网络(IC70)间的连通性减低(t=-3.869，P＜0.001)。

点击查看大图

图2  使用整个静息状态数据计算独立组件对之间的组平均静态功能连通性。相关矩阵中的值表示费舍尔z变换的皮尔逊相关系数。53个独立成分中的每一个都根据7个功能网络按网络组进行了重新排列。独立成分的索引号写在矩阵的左侧和底部，还有一个颜色编码的图例
Fig. 2  Group averaged static functional connectivity between independent component pairs was computed using the entire resting state data. The value in the correlation matrix represents the Fisher’s z-transformed Pearson correlation coefficient. Each of the 53 independent components was rearranged by network group based on the seven functional networks. Index numbers of independent components are written on the left and bottom side of the matrix, along with a color-coded legend.

点击查看大图

图3  分析全脑功能网络间的连接强度，采用双样本t检验，得到PD组与HC组各成分间功能连通性差异(P＜0.001)。黄色表示PD组较HC组连接增强，蓝色表示PD组较HC组连接减弱
Fig.3  Analyzing the functional network connectivity intensity of whole-brain, we could calculate the difference between PD group and HC group (P＜0.001, two-sample t-test). Yellow lines represent better functional connectivity than HC, and blue lines represent weaker functional connectivity than HC.

2.3 感觉运动网络内功能连通性

       使用ICA分析出的18个独立成分。双样本t检验后成分间有连通性差异的部分(经FDR多重比较校正，P＜0.05)如图4所示。发现右侧中央前回(IC4)与左侧中央前回(IC22，IC24)间的连通性减低(t=-3.475，P＜0.05；t=-3.473，P＜0.05)，右侧中央前回(IC12)与左侧中央后回(IC18)间的连通性减低(t=-3.346，P＜0.05)，左侧中央前回(IC22，IC24)与中央旁小叶(IC15)间的连通性减低(t=-3.057，P＜0.05；t=-3.652，P＜0.05)，左侧中央后回(IC18，IC20)与中央旁小叶(IC15，IC25)间的连通性减低(t=-3.437，P＜0.05；t=-3.549，P＜0.05)，只有左侧中央前回(IC29)与左侧中央后回(IC18)的连通性增加(t=3.221，P＜0.05)。

点击查看大图

图4  分析感觉运动网络内的连接强度，采用双样本t检验，可得到PD组与HC组各成分间功能连通性差异(P＜0.05，FDR 校正)。黄色表示PD组较HC组连接增强，蓝色表示PD组较HC组连接减弱
Fig.4  Analyzing the functional network connectivity intensity of sensorimotor network, we could calculate the difference between PD group and HC group (P＜0.05, two-sample t-test, FDR corrected). Yellow lines represent better functional connectivity than HC, and blue lines represent weaker functional connectivity than HC.

2.4 相关性分析

       提取有差异脑区间的功能连接强度，分别与UPDRS-Ⅲ评分进行Pearson相关分析，发现中央旁小叶与左侧中央前回间的连接强度与UPDRS-Ⅲ评分呈负相关(r=-0.44，P=0.015)，中央旁小叶与左侧中央后回间的连接强度与UPDRS-Ⅲ评分呈负相关(r=-0.41，P=0.024)。

3 讨论

       既往针对PD脑功能的研究常基于感兴趣区做种子点间的FC^［19］，存在一定的人工误差及局限性，而ICA是一种数据驱动的盲源分离方法，能够直接根据信号源数据将大脑划分若干独立成分，结果更为稳定。另外，FNC还是更高水平的FC，可在脑网络水平上探讨不同脑区之间功能连接的时间特性^［20］。

       本研究基于ICA和FNC探索了帕金森病组的各功能脑网络之间及感觉运动内部功能亚区的连接强度与健康对照组的差异。结果显示，与健康对照组相比，帕金森病组感觉运动网络与高级视觉网络、注意网络间的连通性减少。在感觉运动网络内部，帕金森病患者的左侧中央前/后回与右侧中央前/后回及中央旁小叶间的连通性均减低，但左侧中央前回与左侧中央后回的连通性增加。相关性分析显示中央旁小叶与左侧中央前/后回间的连接强度均与UPDRS-Ⅲ评分存在显著负相关(P＜0.05)。

3.1 全脑网络间功能连通性

       传统上，帕金森病被认为是一种运动障碍，而感觉运动网络在感觉输入的检测和处理以及运动功能的准备和执行中起着核心作用^［21］。有几项研究已经确认了SMN的FC异常，这表明帕金森病患者存在感觉-运动整合受损^{［22, 23］}。事实上，视觉网络也是另一个受帕金森病影响的主要复杂感觉领域，帕金森病可能导致视觉幻觉、知觉、执行和睡眠功能障碍^{［24, 25, 26］}。de Schipper等^［27］采用特征向量中心度映射法检测患者群体之间的局部差异，发现组间差异在内侧和外侧视觉网络和感觉运动系统网络中最为显著。Hacker等^［28］的研究发现帕金森病患者感觉-运动和视觉区域以及边缘上回的功能连接性较对照组降低。视觉-感觉运动相互作用对于运动控制和运动学习很重要^［29］，而帕金森病患者视觉-感觉运动的交互作用减少可能是导致其运动迟缓、姿势不稳的原因之一。

       感觉运动网络功能连接减弱可能使之与注意网络之间的功能连接异常。一项关于帕金森病的时频脑电图研究发现，伴步态冻结的帕金森病患者对刺激的辨别能力仍然存在，但不能在运动准备之前触发事件相关的去同步化，表明注意力和运动准备之间的耦合性受损^［30］，这个结果也支持本研究发现即感觉运动网络与注意网络间的连通性是减低的。

3.2 感觉运动网络内功能连通性

       不同于以往研究的是，本研究还细分了感觉运动网络，发现帕金森病患者的左侧中央前/后回与右侧中央前/回及中央旁小叶间的连通性较健康对照组均减低，同时相关性分析显示中央旁小叶与左侧中央前/后回间的连接强度均与UPDRS-Ⅲ评分存在显著负相关。在王帅文等^［31］的研究中发现PD患者的感觉运动脑区中的左侧中央前/后回及中央旁小叶的功能减低，且左侧中央后回与UPDRS-Ⅲ评分存在显著负相关。存在非对称性分布差异的原因可能是收集的被试者都是右利手，以左侧为优势大脑半球，而PD患者感觉运动网络优势半球功能更具有神经退化倾向，随着疾病的加重，左侧脑网络的连接强度也随之下降^［32］。Sarmiento等^［18］发现新发PD患者双侧中央前/后回和双侧中央旁小叶的主动信息存储值与健康人相比异常降低，说明该区域内产生的信息减少，也进一步说明了感觉运动网络与PD患者产生运动障碍等临床症状密切相关。尽管连通性降低可能直接导致神经功能丧失，但连接性增强也有病理意义^［33］。Wu等^［25］的研究发现PD患者的辅助运动区和右侧初级运动皮质之间的FC增加，一项针对帕金森病药物初治患者的fMRI研究观察到服用左旋多巴后初级运动皮质激活增加^［34］。本研究发现的感觉运动网络内左侧中央前回与左侧中央后回的连通性增加，有可能反映了长时间多巴胺治疗后的代偿性功能重组^［33］。

       本研究的局限性一方面在于被试数量较少，部分网络间的差异未能得以显现；另一方面在于帕金森病患者的运动表现仅使用UPDRS的运动部分进行评估。在今后的研究中还需扩大样本量，并结合其他神经心理学测试来评估量化。

       综上所述，本研究通过分析PD患者与健康组的各脑功能网络间的连通性，发现感觉运动网络与其他脑功能网络间连通性的异常改变，感觉运动网络内的非对称性分布的差异，以及感觉运动网络内连接强度减弱与PD患者临床症状密切相关，提示脑功能连接异常可能是导致帕金森病患者运动功能障碍如静止性震颤、肌强直、运动迟缓等症状产生的原因之一，进一步为帕金森病的病理生理机制提供了新的认识，同时也期待静息态功能MRI将来可以作为一种有价值的、非侵入性的神经成像生物标志物，用于神经退行性疾病的筛查中。