分享:
分享到微信朋友圈
X
临床研究
纤维自动量化在阿尔茨海默病患者面部情绪识别研究中的应用
贾巴见明 罗琳 原小军 陈强

Cite this article as: JIABA J M, LUO L, YUAN X J, et al. Application of automated fiber quantification in research of facial emotion recognition in patients with Alzheimer's disease[J]. Chin J Magn Reson Imaging, 2023, 14(5): 66-71.本文引用格式:贾巴见明, 罗琳, 原小军, 等. 纤维自动量化在阿尔茨海默病患者面部情绪识别研究中的应用[J]. 磁共振成像, 2023, 14(5): 66-71. DOI:10.12015/issn.1674-8034.2023.05.013.


[摘要] 目的 探讨基于扩散张量成像的纤维自动量化(automated fiber quantification, AFQ)在阿尔茨海默病(Alzheimer's disease, AD)患者面部情绪识别(facial emotion recognition, FER)神经基础研究中的应用。材料与方法 对17例AD患者(AD组)和2l例正常对照(normal control, NC)者(NC组)进行FER测验和3.0 T MR扫描。采用AFQ将下额枕束、钩状束、下纵束等纤维束分成100个节段并提取主要纤维束各向异性分数(fractional anisotropy, FA)和平均扩散系数(mean diffusivity, MD)。采用独立样本t检验比较两组上述纤维束FA和MD值差异。以性别、年龄、简易精神状态量表评分作为协变量,将进行受损纤维FA、MD值与FER评分的偏相关性分析。结果 AFQ分析显示,AD组左侧下额枕束中段(节段44~46)和左侧钩状束下段(节段89~99)FA值均低于NC组(t值分别为-6.319和-7.825,P均<0.05),且均与FER消极评分呈显著正相关(r值分别为0.386和0.384,P均<0.05);AD组左侧下纵束中段(节段45~64)MD值高于NC组(t=3.059,P<0.05),与消极FER评分呈显著负相关(r=-0.485,P=0.003)。结论 采用AFQ能更精确地发现纤维束受损节段,左侧下纵束、下额枕束中段和左侧钩状束下段受损可能是AD患者消极FER障碍的潜在神经基础。
[Abstract] Objective To explore the application of automated fiber quantification (AFQ) based on diffusion tensor imaging (DTI) in the neurological basic research of facial emotion recognition (FER) disorder in patients with Alzheimer's disease (AD).Materials and Methods FER test and 3.0T MR Scan were performed in 17 AD patients (AD group) and 2l normal control patients (NC group). Fibers like inferior fronto-occipital fasciculus (IFOF), uncinate fasciculus (UF) and inferior longitudinal fasciculus (ILF) were divided into 100 nodes using AFQ, and then extracted the fractional anisotropy (FA) and mean diffusivity (MD) values of main fibers. The differences in FA and MD values between the two groups of fibers mentioned above were compared using two-tailed t-tests. Age, gender and mini-mental state examination were regarded as covariates, partial correlation analysis was conducted between DTI parameters of damaged fibers and FER scores.Results AFQ analysis showed that the FA values of the middle part (nodes 44-46) of left IFOF and the inferior segment (nodes 89-99) of left UF in AD group were significantly lower than that in NC group (t values were -6.319 and -7.825, both P<0.05), and were positively correlated with the negative FER scores (r values were 0.386 and 0.384, both P<0.05). The MD value of the middle part (nodes 45-64) of left inferior ILF in AD group was significantly higher than that in NC group (t=3.059, P<0.05), and was negatively correlated with the negative FER scores (r=-0.485, P=0.003).Conclusions AFQ can be used to detect the damaged segment of white matter fiber accurately. The impaired of the middle segment of left ILF, left IFOF, and the inferior part of left UF may be the potential neural basis of negative FER disorder in AD patients.
[关键词] 阿尔茨海默病;面部情绪识别;扩散张量成像;纤维自动量化;磁共振成像
[Keywords] Alzheimer's disease;facial emotion recognition;diffusion tensor imaging;automated fiber quantification;magnetic resonance imaging

贾巴见明 1, 2   罗琳 2   原小军 2   陈强 2*  

1 内蒙古科技大学包头医学院,包头 014040

2 内蒙古科技大学包头医学院第一附属医院医学影像科,包头 014010

通信作者:陈强,E-mail:xy198033@sina.com

作者贡献声明:陈强设计本研究的方案,对稿件重要的内容进行了修改;贾巴见明起草和撰写稿件,获取、分析或解释本研究的数据;罗琳、原小军获取、分析或解释本研究的数据,对稿件重要的内容进行了修改;罗琳获得了内蒙古自治区高等学校科学研究基金项目资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 内蒙古自治区高等学校科学研究项目 NJZY23021
收稿日期:2022-11-14
接受日期:2023-04-23
中图分类号:R445.2  R745.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.05.013
本文引用格式:贾巴见明, 罗琳, 原小军, 等. 纤维自动量化在阿尔茨海默病患者面部情绪识别研究中的应用[J]. 磁共振成像, 2023, 14(5): 66-71. DOI:10.12015/issn.1674-8034.2023.05.013.

0 前言

       阿尔茨海默病(Alzheimer's disease, AD)是老年人常见神经退行性疾病,也是全球痴呆病的主要病因[1]。我国AD患者人数持续增加,已成为严重危害我国人群健康的重大社会问题[2, 3]。面部情绪识别(facial emotion recognition, FER)是社会认知的重要组成部分,被认为是良好人际关系的重要前提[4]。然而,AD患者FER能力普遍受损,尤其是消极情绪[5, 6]。在AD患者FER相关研究中,MRI是最常用的影像技术,尤以扩散张量成像(diffusion tensor imaging, DTI)备受关注[7]。DTI可以无创检测水分子运动,常用于定量测量白质纤维束的完整性[8],能够有效探索纤维束的损伤模式[9]。有研究指出,连接视觉和情绪相关结构的纤维束如下纵束、下额枕束在识别面部情绪表达和记忆特定面孔中发挥着重要作用[10, 11, 12],钩状束在情绪处理中也起着重要作用[13]。纤维自动量化(automated fiber quantification, AFQ)是一种基于DTI序列的可以自动提取全脑白质纤维束,同时对纤维束进行精细划分的图像后处理技术,主要用于评估白质纤维束通路的扩散率变化[14, 15]。通过在Pubmed、中国知网和万方等主流数据库检索可知,目前尚未发现将AFQ技术用于AD患者FER障碍神经机制的研究。因此,本研究利用基于DTI的AFQ技术,探讨FER与神经纤维束扩散指标之间的相关性,以及AD患者相关纤维束的具体受损部位,以期为AD患者的临床诊断和治疗提供更多影像信息。

1 材料与方法

1.1 研究对象

       前瞻性纳入2021年3月至2022年9月期间就诊于内蒙古科技大学包头医学院第一附属医院的17例AD患者为试验组(AD组),年龄55~85岁,同期招募21名年龄、性别及受教育年限与试验组相匹配的健康志愿者为正常对照(normal control, NC)组。AD组纳入标准:(1)右利手;(2)AD组根据2011年美国国家衰老研究所和阿尔茨海默病学会发布的标准被诊断为很可能患AD[16]。NC组纳入标准:无主诉记忆障碍且简易精神状态量表(mini-mental state examination, MMSE)评分为27~30分。

       本试验AD组和NC组排除标准一致,具体为:(1)颅内占位性病变、其他痴呆相关的神经系统疾病及精神疾病;(2)并发糖尿病、成瘾或干扰认知功能的治疗;(3)视觉或听觉障碍,不能完成FER评估;(4)存在磁共振禁忌证或不能配合磁共振扫描;(5)图像存在明显伪影或数据缺失。本研究遵守《赫尔辛基宣言》,且通过内蒙古科技大学包头医学院第一附属医院医学伦理委员会批准(批准文号:20220027),所有受试者自愿参加本研究并在进行试验之前签署了知情同意书。

1.2 FER和神经心理学评价

       本研究采用HAGIYA等[17]基于Ekman 60改编的面部情绪选择测验(facial emotion selection task, FEST)进行FER评价。该测验由21张专业演员的面部情绪图片组成,每种情绪包含3张图片,每张图片描绘了六种基本情绪(高兴、悲伤、愤怒、厌恶、惊讶和恐惧)中的一种或中性情绪。在观察完每张图片后,受试者被要求按照提示选出相应的图片。每正确识别一张图片得一分,将所有情绪识别得分相加作为FER总评分(范围:0~21分)。参照目前国际通用的方法[18],将高兴和惊讶两种情绪识别得分相加作为积极FER评分(范围:0~6分);将恐惧、厌恶、愤怒和悲伤四种情绪识别得分相加作为消极FER评分(范围:0~12分)。采用MMSE量表进行受试者神经心理学评价。分别由两名10年以上工作年限的副主任医师进行FER和神经心理学评估。

1.3 MRI数据采集

       全部受试者均在3.0 T MR扫描仪(Discovery MR750W;General Electric;Milwaukee, WI, USA)上并采用8通道头线圈进行图像采集。先行常规头颅MRI检查以排除脑部疾病,再采集三维T1加权(three dimensional T1 weighted imaging, 3D-T1WI)和DTI影像。3D-T1WI采用快速自旋回波序列,重复时间 8.2 ms,回波时间3.2 ms,反转时间450 ms,翻转角12°,矩阵256×256,扫描视野256 mm×256 mm,层厚1 mm,层间距0,激励次数1,扫描时间3 min 10 s。DTI采用自旋回波平面成像序列,64个扩散方向,b=1000 s/mm2,重复时间1.2 s,回波时间95 ms,矩阵128×128,扫描视野256 mm×256 mm,层厚3 mm,层间距0,扫描时间14 min 30 s。AD组和NC组所有受试者在试验前均未接受治疗,扫描前未服用任何药物。

1.4 影像后处理

1.4.1 数据预处理

       主要包括以下步骤:(1)利用MRICRON软件(https://www.nitrc.org/projects/mricron/)对MRI影像数据进行质量检查,主要查看分辨率、梯度方向数目和b值等,不符合要求的影像予以排除;(2)利用FSL 6.0.4软件(https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/)将DICOM格式的影像数据转换成NIFTI格式;(3)进行头动涡流校正和梯度方向校正;(4)获取大脑mask图像;⑸利用FSL 6.0.4软件计算各向异性分数(fractional anisotropy, FA)、平均扩散系数(mean diffusivity, MD)等张量指标。

1.4.2 AFQ分析

       主要包括以下步骤:(1)在FSL终端打开matlab2012b(http://w1.zgzzlzkjapp.com/matlab/),标定前、后联合坐标;(2)将FSL计算得到的数据转换到AFQ格式;(3)生成AFQ的结构体并将FA的终止阈值设置成0.2,角度终止阈值设置成30;(4)进行全脑纤维追踪并分出各主要纤维束;(5)删除追踪异常的纤维;(6)纤维束分段并提取DTI指标。本试验分别提取FA、MD的平均值和100个节段指标。该分析过程用到AFQ软件包AFQ1.2(https://github.com/yeatmanlab/AFQ),且需提前在matlab里安装。

1.5 统计学分析

       使用IBM SPSS 25.0软件进行统计分析。试验过程中获得的连续性变量先进行Shapiro-Wilk正态性检验,符合正态分布的数据以(x¯±s)的形式表示,并采用独立样本t检验进行数据的比较。试验过程中获得的二分类变量以百分率(%)的形式表示,并以卡方检验进行统计分析。以年龄、性别及MMSE评分作为协变量,将AD组中受损纤维的DTI指标与FER评分进行偏相关分析。所有的比较都是双尾的,当P<0.05时认为差异有统计学意义。

2 结果

2.1 两组基本资料的比较

       AD组男8(47.1%)例,年龄(73.50±8.06)岁,受教育年限(7.41±3.84)年;NC组男11(52.4%)例,年龄(72.20±6.63)岁,受教育年限(8.57±4.06)年。两组之间年龄、性别和受教育年限差异均无统计学意义(P>0.05,表1),而AD组的MMSE评分低于NC组,差异有统计学意义(P<0.05,表1)。

表1  AD组和NC组基本资料和FER评分比较(x¯±s
Tab. 1  Comparison of basic data and FER scores between AD and NC groups (x¯±s)

2.2 两组FER评分的比较

       AD组FER总评分、消极FER评分和中性FER评分均显著低于NC组(P<0.05),但两组的积极FER评分差异无统计学意义(P>0.05,表1)。在消极FER评分中,AD组的愤怒、恐惧、悲伤及厌恶情绪评分均显著低于NC组(P<0.05,图1A),且AD组恐惧FER评分最低,其次分别为愤怒、厌恶和悲伤情绪。在积极FER评分中,两组对高兴和惊讶两种情绪识别能力评分的差异均无统计学意义(P>0.05,图1B)。

图1  AD组和NC组FER评分比较。图1A:AD组和NC组消极FER评分的比较;图1B:AD组和NC组积极情绪和中性情绪FER评分比较。AD:阿尔茨海默病组;NC:正常对照组;FER:面部情绪识别;ns:差异无统计学意义;*代表P<0.05;**代表P<0.01;***代表P<0.001。
Fig. 1  Comparison of FER scores between AD and NC groups. 1A: Comparison of negative FER scores between AD and NC groups; 1B: Comparison of positive and neutral FER scores between the two groups. AD: Alzheimer's disease; NC: normal control; FER: facial emotion recognition; ns: not significant; *represents P<0.05; **represents P<0.01; ***represents P<0.001.

2.3 两组DTI指标分析结果

2.3.1 各纤维束平均FA和MD值的比较

       本研究成功追踪并提取双侧下额枕束、下纵束、上纵束和钩状束DTI指标。AD组右侧下额枕束平均FA值显著低于NC组(P<0.05),其余纤维平均FA值组间差异均无统计学意义(P>0.05,表2)。AD组双侧下额枕束和双侧上纵束平均MD值均显著高于NC组(P<0.05),而两组双侧钩状束和下纵束平均MD值差异均无统计学意义(P>0.05,表2)。

表2  AD组和NC组各纤维束平均FA及MD值比较(x¯±s
Tab. 2  Comparison of mean FA and MD values of each fiber between AD and NC groups (x¯±s)

2.3.2 各纤维100个节段FA和MD值比较

       AD组左侧下额枕束中后段(具体节段见图2)、右侧下额枕束、左侧下纵束后段及左侧钩状束下段FA值均显著低于NC组(P<0.05,表3)。其中右侧下额枕束组间差异有统计学意义的节段数最多(节段数为5)。图2及表3所列均为各纤维组间差异有统计学意义的节段,其余组间差异无统计学意义的节段均未列出。

       AD组双侧下额枕束中后段(具体节点见表4)、左侧下纵束中段、右侧下纵束中段、右侧上纵束中后段和双侧钩状束下段MD值均显著高于NC组(P<0.05,表4)。其中双侧下额枕束组间有显著差异的节段数最多(节段数均为4),而双侧下纵束和双侧钩状束组间有显著差异的节段数最少(节段数均为1)。

图2  阿尔茨海默病(AD)组和正常对照(NC)组各纤维100个节段各向异性分数(FA)值比较。图2A~2D分别为双侧下额枕束左侧下纵束和左侧钩状束的FA值比较。橙色和蓝色分别代表AD组和NC组,绿色横线代表组间差异有统计学意义的节段。图2E~2G分别为下额枕束、钩状束和下纵束示意图,彩色“管子”表示FA值分布。IFOF_R:右侧下额枕束;IFOF_L:左侧下额枕束;ILF_L:左侧下纵束;UF_L:左侧钩状束。
Fig. 2  Comparison of fractional anisotropy (FA) values of 100 nodes of each fiber between Alzheimer's disease (AD) and normal control (NC) groups. 2A-2D show the comparison of FA value of bilateral inferior fronto-occipital fasciculus (IFOF), left inferior longitudinal fasciculus (ILF) and left uncinate fasciculus (UF) respectively. Orange and blue represent AD and NC groups respectively. The green horizontal line represents the nodes that statistically significant difference between groups. 2E-2G show the schematic diagram of IFOF, UF and ILF, and colored "tubes" represents FA value distribution.
表3  AD组和NC组各纤维100个节段FA值比较(x¯±s
Tab. 3  Comparison of FA values of 100 nodes of each fiber between AD and NC groups (x¯±s)
表4  AD组和NC组各纤维100个节段MD值比较(x¯±s
Tab. 4  Comparison of MD values of 100 nodes of each fiber between AD and NC groups (x¯±s)

2.4 DTI指标与FER评分相关性分析结果

       受损纤维DTI指标与FER评分相关性分析中(图3),AD组的左侧上纵束平均MD值与FER总评分呈显著负相关(r=-0.344,P=0.043)。左侧下额枕束中段(节点44~46)FA值与FER总评分呈显著正相关(r=0.386,P=0.022);左侧钩状束下段(节点89~99)FA值与FER总评分、消极评分均呈显著正相关(r分别为0.381和0.384,P均<0.05)。左侧下额枕束中段(节点37~54)MD值与FER总评分、消极评分均呈显著负相关(r分别为-0.445和-0.419,P均<0.05);左侧下纵束中段(节点45~64)MD值与消极FER评分呈显著负相关(r=-0.485,P=0.003)。其中左侧下纵束中段MD值与消极FER评分相关系数最大(绝对值为0.485),其余纤维DTI指标与FER评分间相关性较低。

图3  情绪识别评分与各纤维扩散指标之间的相关性。3A、3D、3E中纤维束MD值与情绪识别评分呈负相关;3B、3C、3F中纤维束的FA值与情绪识别评分呈正相关。IFOF_L:左侧下额枕束;UF_L:左侧钩状束;ILF_L:左侧下纵束;FEST:面部情绪选择测验;FA:各向异性分数;MD:平均扩散系数。
Fig. 3  Correlation between emotional recognition scores and the diffusion indicators of each fiber. The MD values of fiber in figures 3A, 3D, and 3E were negatively correlated with emotional recognition scores; the FA values of fiber in figures 3B, 3C, and 3F were positively correlated with emotional recognition scores. IFOF_L: left of inferior fronto-occipital fasciculus; UF_L: left of uncinate fasciculus; ILF_L: left of inferior longitudinal fasciculus; FEST: facial emotion selection task; FA: fractional anisotropy; MD: mean diffusivity.

3 讨论

       本研究主要探讨AD患者与正常对照组对6种基本面部情绪以及中性情绪识别能力的差异。此外,使用AFQ技术分析FER与主要白质纤维扩散指标之间的相关性。研究结果显示,AD患者消极FER能力较正常对照组普遍存在缺陷,且消极FER主要与钩状束、下额枕束及下纵束受损有关。这些受损部位可以作为临床特定干预治疗的对象,以期改善患者的生活质量。该研究的主要临床意义在于进一步证实了AD患者消极FER的缺陷,其次是为AD患者FER障碍神经基础研究提供影像证据。

3.1 情绪识别评价组间差异

       与TAKAHASHI等[5]的研究结果一致,本研究中AD组FER总评分和消极FER评分均显著低于NC组,消极情绪中包括愤怒、恐惧、悲伤和厌恶四种情绪评分均低于NC组且差异有统计学意义,进一步证实了AD患者消极FER能力普遍受损这一结论。与本研究结果有所差异的是,PARK等[19]的研究指出与健康对照者相比,AD患者悲伤情绪评分更低。AD患者对厌恶和恐惧两种情绪识别存在缺陷[20, 21],而愤怒、悲伤以及高兴三种情绪识别则不受影响[20]。SINGLETO等[22]研究结果显示AD患者主要对愤怒、厌恶和惊讶三种情绪识别存在缺陷。有研究指出,AD患者可能同时存在对消极和积极FER障碍[23],然而,本研究中两组间积极情绪识别差异无统计学意义。虽然大多文献都指出AD患者消极FER存在缺陷,但具体到每一种消极情绪时研究结果存在差异,这可能是不同研究中所选AD病情严重程度不一所致。因此,需要在未来的研究中去证实病情的严重程度对消极FER的影响。此外,FER评价系统的不同可能也是造成这种差异的原因之一。

3.2 纤维束扩散指标组间差异

       下额枕束起始于枕叶腹侧,终止于额叶的腹外侧[24],其纤维束完整性的降低与FER障碍有关[25]。FA和MD值是评价白质纤维完整性最常用的指标[26],在本研究中,左侧下额枕束中段FA值与FER总评分呈显著正相关,左侧下额枕束、下纵束中段MD值则与消极FER评分呈显著负相关。颞前区灰质体积与消极FER评分呈显著正相关[18],而下纵束连接枕叶、颞前区皮质和杏仁核[27],并将视觉刺激方面的处理和记忆与情感的处理联系起来[8]。因此,通过下纵束和下额枕束中段的网络功能障碍可能影响消极面部情绪的识别。

       钩状束是额叶眶部和部分额叶中下回连接颞前叶和颞极之间的联络纤维束,在颞叶内侧绕岛叶后部弯曲呈钩状结构[11],其与视觉和情绪处理相关的皮质区域相互连接并基于情绪感觉作出决定[12,28]。当AD、帕金森病和额颞叶痴呆等疾病导致钩状束下段受损时,可能会引起患者对消极FER能力降低。有研究指出,在自我面孔识别时,右侧额顶下皮质多个区域被激活,而这些区域可能通过上纵束下段连接[29]。本研究结果显示左侧钩状束下段FA值与FER总评分和消极FER评分均呈显著正相关,而且左侧上纵束平均MD值与FER总评分呈显著负相关。因此,左侧上纵束受损可能也是AD患者FER障碍的潜在神经基础。值得注意的是,本研究中所有与FER相关的纤维束均在左侧大脑半球,这可能与本试验所有病例均为右利手有关。

3.3 AFQ的优势

       在以往关于AD患者情绪识别与DTI指标相关性研究中,大多研究直接手动测量整条纤维束的平均扩散指标。这种测量方法主要存在两个缺陷。其一,ROI的放置容易受到测量者经验的影响;其次,ROI大小不同则测量的结果可能不一样。本研究使用纤维束的自动量化测量方法将纤维束分成100个节段,自动提取扩散指标,可避免以上存在的缺陷。节段的意义主要在于其能表征纤维束的不同部位,可通过分析节段的差异来推导纤维束受损的具体部位。在本研究中,当使用整条纤维束的平均FA值进行组间分析时,发现差异有统计学意义且与FER评分显著相关的纤维束较少(仅右侧下额枕束),而当使用AFQ技术将各纤维分成100个节段时,发现多条纤维不同节段(节段数≥1)的DTI指标与FER评分间存在显著相关。这种结果不除外平均值掩盖了纤维束的局部细微差异。因此,有理由认为将纤维束进行细分段比直接测量平均值更能精确地检测出各纤维束受损的具体部位。

3.4 研究意义和局限性

       AD患者FER受损可能导致护理人员压力增大甚至抑郁[30],尤其是在没有意识到患者存在这种社会认知缺陷的前提下[31]。通过特定的康复治疗可以提高AD患者识别面部情绪的能力,并且在之后的随访中发现这些康复治疗可以有效改善AD患者的生活质量和社会互动[32]。因此,尽早识别AD患者FER缺陷并进行有效干预有重要的临床意义。本研究存在几个局限性:(1)首先,因为病例较少且剔除了部分影像质量不达标的病例,本研究只纳入了17例AD患者,样本量相对较少;(2)其次,本研究中虽然用AFQ追踪全脑纤维束,但最后完整追踪到的纤维束不满20条,故只提取并分析了以往研究中提到的8条可能与FER相关的纤维束,无法排除其他纤维束是否也与FER有关。在未来的研究中,将继续增大样本量致力解决这些问题。

4 结论

       综上所述,AD患者FER普遍存在缺陷,其中以消极FER更显著,而积极情绪的识别基本不受影响。左侧钩状束下段、左侧下额枕束和左侧下纵束中段受损可能是AD患者消极FER能力降低的潜在神经基础,左侧上纵束在FER中起到重要作用。此外,使用AFQ技术将白质纤维进行细分段,能更精确地发现纤维的受损部位。

[1]
SCHELTENS P, BLENNOW K, BRETELER M M, et al. Alzheimer's disease[J]. Lancet, 2016, 388(10043): 505-517. DOI: 10.1016/s0140-6736(15)01124-1">10.1016/s0140-6736(15)01124-1">10.1016/s0140-6736(15)01124-1.
[2]
ZHOU M G, WANG H D, ZENG X Y, et al. Mortality, morbidity, and risk factors in China and its provinces, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017[J]. Lancet, 2019, 394(10204): 1145-1158. DOI: 10.1016/S0140-6736(19)30427-1">10.1016/S0140-6736(19)30427-1">10.1016/S0140-6736(19)30427-1.
[3]
ZHANG Y Q, WANG C F, XU G, et al. Mortality of alzheimer's disease patients: a 10-year follow-up pilot study in Shanghai[J]. Can J Neurol Sci, 2020, 47(2): 226-230. DOI: 10.1017/cjn.2019.333">10.1017/cjn.2019.333">10.1017/cjn.2019.333.
[4]
SURCINELLI P, CODISPOTI M, MONTEBAROCCI O, et al. Facial emotion recognition in trait anxiety[J]. J Anxiety Disord, 2006, 20(1): 110-117. DOI: 10.1016/j.janxdis.2004.11.010">10.1016/j.janxdis.2004.11.010">10.1016/j.janxdis.2004.11.010.
[5]
TAKAHASHI M, KITAMURA S, MATSUOKA K, et al. Uncinate fasciculus disruption relates to poor recognition of negative facial emotions in Alzheimer's disease: a cross-sectional diffusion tensor imaging study[J]. Psychogeriatrics, 2020, 20(3): 296-303. DOI: 10.1111/psyg.12498">10.1111/psyg.12498">10.1111/psyg.12498.
[6]
CERESETTI R, ROUCH I, LAURENT B, et al. Processing of facial expressions of emotions and pain in alzheimer's disease[J]. J Alzheimers Dis, 2022, 89(1): 389-398. DOI: 10.3233/JAD-220236">10.3233/JAD-220236">10.3233/JAD-220236.
[7]
贾巴见明, 蒋明宽, 袁文欢, 等. 阿尔茨海默患者面部情绪识别MRI研究进展[J]. 中国医学影像技术, 2022, 38(10)1582-1585. DOI: 10.13929/j.issn.1003-3289.2022.10.031">10.13929/j.issn.1003-3289.2022.10.031">10.13929/j.issn.1003-3289.2022.10.031
JIABA J M, JIANG M K, YUAN W H, et al. Research progresses of MRI in facial emotion recognition of patients with Alzheimer's disease[J]. Chin J Med Imaging Technol, 2022, 38(10)1582-1585. DOI: 10.13929/j.issn.1003-3289.2022.10.031">10.13929/j.issn.1003-3289.2022.10.031">10.13929/j.issn.1003-3289.2022.10.031
[8]
LOPE-PIEDRAFITA S. Diffusion tensor imaging (DTI)[J]. Methods Mol Biol, 2018, 1718: 103-116. DOI: 10.1007/978-1-4939-7531-0_7">10.1007/978-1-4939-7531-0_7">10.1007/978-1-4939-7531-0_7.
[9]
王好玉, 王鹏, 向述天. 基于弥散张量成像的脑白质微结构分析方法在视路损伤中的应用进展[J]. 磁共振成像, 2022, 13(1): 147-150. DOI: 10.12015/issn.1674-8034.2022.01.034">10.12015/issn.1674-8034.2022.01.034">10.12015/issn.1674-8034.2022.01.034.
WANG H Y, WANG P, XIANG S T. Research progress of white matter microstructure analysis methods based on diffusion tensor imaging in visual pathway injury[J]. Chin J Magn Reson Imaging, 2022, 13(1): 147-150. DOI: 10.12015/issn.1674-8034.2022.01.034">10.12015/issn.1674-8034.2022.01.034">10.12015/issn.1674-8034.2022.01.034.
[10]
UNGER A, ALM K H, COLLINS J A, et al. Variation in white matter connectivity predicts the ability to remember faces and discriminate their emotions[J]. J Int Neuropsychol Soc, 2016, 22(2): 180-190. DOI: 10.1017/S1355617715001009">10.1017/S1355617715001009">10.1017/S1355617715001009.
[11]
BAGGIO H C, SEGURA B, IBARRETXE-BILBAO N, et al. Structural correlates of facial emotion recognition deficits in Parkinson's disease patients[J]. Neuropsychologia, 2012, 50(8): 2121-2128. DOI: 10.1016/j.neuropsychologia.2012.05.020">10.1016/j.neuropsychologia.2012.05.020">10.1016/j.neuropsychologia.2012.05.020.
[12]
HAGHSHOMAR M, DOLATSHAHI M, GHAZI SHERBAF F, et al. Disruption of inferior longitudinal Fasciculus microstructure in parkinson's disease: a systematic review of diffusion tensor imaging studies[J/OL]. Front Neurol, 2018, 9: 598 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6070770/pdf/fneur-09-00598.pdf. DOI: 10.3389/fneur.2018.00598">10.3389/fneur.2018.00598">10.3389/fneur.2018.00598.
[13]
COAD B M, POSTANS M, HODGETTS C J, et al. Structural connections support emotional connections: Uncinate Fasciculus microstructure is related to the ability to decode facial emotion expressions[J/OL]. Neuropsychologia, 2020, 145: 106562 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7534036/pdf/main.pdf. DOI: 10.1016/j.neuropsychologia.2017.11.006">10.1016/j.neuropsychologia.2017.11.006">10.1016/j.neuropsychologia.2017.11.006.
[14]
YEATMAN J D, DOUGHERTY R F, MYALL N J, et al. Tract profiles of white matter properties: automating fiber-tract quantification[J/OL]. PLoS One, 2012, 7(11): e49790 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3498174/pdf/pone.0049790.pdf. DOI: 10.1371/journal.pone.0049790.
[15]
KREILKAMP B A K, LISANTI L, GLENN G R, et al. Comparison of manual and automated fiber quantification tractography in patients with temporal lobe epilepsy[J/OL]. Neuroimage Clin, 2019, 24: 102024 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6831895/pdf/main.pdf. DOI: 10.1016/j.nicl.2019.102024">10.1016/j.nicl.2019.102024">10.1016/j.nicl.2019.102024.
[16]
MCKHANN G M, KNOPMAN D S, CHERTKOW H, et al. The diagnosis of dementia due to Alzheimer's disease: recommendations from the National Institute on Aging-Alzheimer's Association workgroups on diagnostic guidelines for Alzheimer's disease[J]. Alzheimers Dement, 2011, 7(3): 263-269. DOI: 10.1016/j.jalz.2011.03.005">10.1016/j.jalz.2011.03.005">10.1016/j.jalz.2011.03.005.
[17]
HAGIYA K, SUMIYOSHI T, KANIE A, et al. Facial expression perception correlates with verbal working memory function in schizophrenia[J]. Psychiatry Clin Neurosci, 2015, 69(12): 773-781. DOI: 10.1111/pcn.12329">10.1111/pcn.12329">10.1111/pcn.12329.
[18]
TORRES MENDONÇA DE MELO FÁDEL B, SANTOS DE CARVALHO R L, BELFORT ALMEIDA DOS SANTOS T T, et al. Facial expression recognition in Alzheimer's disease: a systematic review[J]. J Clin Exp Neuropsychol, 2019, 41(2): 192-203. DOI: 10.1080/13803395.2018.1501001">10.1080/13803395.2018.1501001">10.1080/13803395.2018.1501001.
[19]
PARK S, KIM T, SHIN S A, et al. Behavioral and neuroimaging evidence for facial emotion recognition in elderly Korean adults with mild cognitive impairment, alzheimer's disease, and frontotemporal dementia[J/OL]. Front Aging Neurosci, 2017, 9: 389 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5714934/pdf/fnagi-09-00389.pdf. DOI: 10.3389/fnagi.2017.00389">10.3389/fnagi.2017.00389">10.3389/fnagi.2017.00389.
[20]
WIECHETEK OSTOS M, SCHENK F, BAENZIGER T, et al. An exploratory study on facial emotion recognition capacity in beginning Alzheimer's disease[J]. Eur Neurol, 2011, 65(6): 361-367. DOI: 10.1159/000327979">10.1159/000327979">10.1159/000327979.
[21]
COMON M, ROUCH I, EDJOLO A, et al. Impaired facial emotion recognition and gaze direction detection in mild alzheimer's disease: results from the PACO study[J]. J Alzheimers Dis, 2022, 89(4): 1427-1437. DOI: 10.3233/JAD-220401">10.3233/JAD-220401">10.3233/JAD-220401.
[22]
SINGLETON E H, FIELDHOUSE J L P, VAN 'T HOOFT J J, et al. Social cognition deficits and biometric signatures in the behavioural variant of Alzheimer's disease[J]. Brain, 2023, 146(5): 2163-2174. DOI: 10.1093/brain/awac382">10.1093/brain/awac382">10.1093/brain/awac382.
[23]
DE LA TORRE-LUQUE A, VIERA-CAMPOS A, BILDERBECK A C, et al. Relationships between social withdrawal and facial emotion recognition in neuropsychiatric disorders[J/OL]. Prog Neuropsychopharmacol Biol Psychiatry, 2022, 113: 110463 [2022-10-20]. https://www.sciencedirect.com/science/article/abs/pii/S0278584621002220?via%3Dihub. DOI: 10.1016/j.pnpbp.2021.110463">10.1016/j.pnpbp.2021.110463">10.1016/j.pnpbp.2021.110463.
[24]
ROUX A, LEMAITRE A L, DEVERDUN J, et al. Combining electrostimulation with fiber tracking to stratify the inferior Fronto-occipital Fasciculus[J/OL]. Front Neurosci, 2021, 15: 683348 [2022-10-20]. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8172990/pdf/fnins-15-683348.pdf. DOI: 10.3389/fnins.2021.683348">10.3389/fnins.2021.683348">10.3389/fnins.2021.683348.
[25]
THOMAS C, MOY A, AVIDAN G, et al. Reduction in white matter connectivity, revealed by diffusion tensor imaging, may account for age-related changes in face perception[J]. J Cogn Neurosci, 2008, 20(2): 268-284. DOI: 10.1162/jocn.2008.20025">10.1162/jocn.2008.20025">10.1162/jocn.2008.20025.
[26]
ANDICA C, KAMAGATA K, HATANO T, et al. MR biomarkers of degenerative brain disorders derived from diffusion imaging[J]. J Magn Reson Imaging, 2020, 52(6): 1620-1636. DOI: 10.1002/jmri.27019">10.1002/jmri.27019">10.1002/jmri.27019.
[27]
ZEMMOURA I, BURKHARDT E, HERBET G. The inferior longitudinal fasciculus: anatomy, function and surgical considerations[J]. J Neurosurg Sci, 2021, 65(6): 590-604. DOI: 10.23736/S0390-5616.21.05391-1">10.23736/S0390-5616.21.05391-1">10.23736/S0390-5616.21.05391-1.
[28]
VON DER HEIDE R J, SKIPPER L M, KLOBUSICKY E, et al. Dissecting the uncinate fasciculus: disorders, controversies and a hypothesis[J]. Brain, 2013, 136(Pt 6): 1692-1707. DOI: 10.1093/brain/awt094">10.1093/brain/awt094">10.1093/brain/awt094.
[29]
MORITA T, SAITO D N, BAN M, et al. Self-face recognition shares brain regions active during proprioceptive illusion in the right inferior fronto-parietal superior longitudinal fasciculus III network[J]. Neuroscience, 2017, 348: 288-301. DOI: 10.1016/j.neuroscience.2017.02.031">10.1016/j.neuroscience.2017.02.031">10.1016/j.neuroscience.2017.02.031.
[30]
MARTINEZ M, MULTANI N, ANOR C J, et al. Emotion detection deficits and decreased empathy in patients with alzheimer's disease and parkinson's disease affect caregiver mood and burden[J/OL]. Front Aging Neurosci, 2018, 10: 120 [2022-10-18]. https://pubmed.ncbi.nlm.nih.gov/29740312/. DOI: 10.3389/fnagi.2018.00120">10.3389/fnagi.2018.00120">10.3389/fnagi.2018.00120.
[31]
SPITZER N, SHAFIR T, LERMAN Y, et al. The relationship between caregiver burden and emotion recognition deficits in persons with MCI and early AD: the mediating role of caregivers' subjective evaluations[J]. Alzheimer Dis Assoc Disord, 2019, 33(3): 266-271. DOI: 10.1097/WAD.0000000000000323">10.1097/WAD.0000000000000323">10.1097/WAD.0000000000000323.
[32]
GARCÍA-CASAL J A, GOÑI-IMIZCOZ M, PEREA-BARTOLOMÉ M V, et al. The efficacy of emotion recognition rehabilitation for people with alzheimer's disease[J]. J Alzheimers Dis, 2017, 57(3): 937-951. DOI: 10.3233/JAD-160940">10.3233/JAD-160940">10.3233/JAD-160940.

上一篇 脊髓小脑共济失调3型的脑灰质结构异常对运动及非运动功能影响的相关研究
下一篇 高原藏族2型糖尿病患者静息态磁共振成像研究:基于低频振幅和比率低频振幅
  
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