分享:
分享到微信朋友圈
X
已于2023-10-26撤稿
综述
主观认知下降脑网络改变的多模态MRI研究进展
魏泽宜 李晓陵 曹丹娜 王丽芹 王杨 侯玉 韩盛旺 高胜兰 鲁新宇

WEI Z Y, LI X L, CAO D N, et al. Advances in multimodal MRI studies of brain network changes in subjective cognitive decline[J]. Chin J Magn Reson Imaging, 2023, 14(8): 129-134.引用本文:魏泽宜, 李晓陵, 曹丹娜, 等. 主观认知下降脑网络改变的多模态MRI研究进展[J]. 磁共振成像, 2023, 14(8): 129-134. DOI:10.12015/issn.1674-8034.2023.08.022.


[摘要] 主观认知下降(subjective cognitive decline, SCD)是阿尔茨海默病(Alzheimer's disease, AD)的早期阶段,主要症状是自我感觉记忆下降,发病率呈上升趋势。因此,预防或延缓SCD的进展至关重要。近年来,随着多模态MRI及脑网络分析技术的不断发展,学者们通过研究观测SCD患者脑内神经元和神经纤维束变化的状况,对脑网络的结构及密度是否完整进行评价。本文从结构MRI、扩散张量成像及功能MRI等方面展开综述,利用SCD疾病的结构性和功能性脑网络特征,从多个角度探索其脑网络变化及病理生理机制寻找生物标志物,分析存在的不足,为SCD的早期诊断和治疗提供帮助。
[Abstract] Subjective cognitive decline (SCD) is an early stage of Alzheimer's disease (AD), the main symptom is a decline in self-perceived memory, and the incidence is on the rise. Therefore, preventing or delaying the progression of SCD is critical. In recent years, with the continuous development of multimodal MRI and brain network analysis techniques, scholars have evaluated whether the structure and density of brain networks are complete by studying and observing the changes of neurons and nerve fiber bundles in the brains of patients with SCD. In this paper, structural MRI , diffusion tensor imaging and functional MRI are reviewed. Based on the structural and functional brain network characteristics of SCD disease, the brain network changes and pathophysiological mechanisms of SCD disease were explored from multiple perspectives to find biomarkers and analyze the existing deficiencies, so as to provide help for the early diagnosis and treatment of SCD.
[关键词] 主观认知下降;结构性脑网络;功能性脑网络;结构磁共振成像;扩散张量成像;功能磁共振成像;多模态;磁共振成像
[Keywords] subjective cognitive decline;structural brain network;functional brain network;structural magnetic resonance imaging;diffusion tensor imaging;functional magnetic resonance imaging;multimodal;magnetic resonance imaging

魏泽宜 1   李晓陵 2#   曹丹娜 2   王丽芹 3*   王杨 2   侯玉 4   韩盛旺 5   高胜兰 1   鲁新宇 1  

1 黑龙江中医药大学研究生院,哈尔滨 150040

2 黑龙江中医药大学附属第一医院CT磁共振科,哈尔滨 150040

3 黑龙江中医药大学附属第一医院护理教研室,哈尔滨 150040

4 哈尔滨市中医医院妇科,哈尔滨 150020

5 黑龙江中医药大学附属第二医院康复科,哈尔滨 150001

通信作者:王丽芹,E-mail:446597078@qq.com

作者贡献声明:王丽芹酝酿和设计试验,实施研究,采集数据;对文章的知识性内容作批评性审阅;魏泽宜酝酿和设计实验,实施研究,采集数据,分析/解释数据,起草文案,统计分析;李晓陵酝酿和设计实验,实施研究,采集数据,分析/解释数据,起草文案,对文章的知识性内容作批评性审阅,统计分析,获取研究经费,行政、技术或材料支持,指导;支持性贡献;曹丹娜、王杨酝酿和设计试验,实施研究;侯玉、高胜兰实施研究,起草文章;韩盛旺实施研究,采集数据,起草文章;鲁新宇酝酿和设计试验,起草文章。李晓陵获得了国家自然科学基金、黑龙江省自然科学基金联合引导项目资助;曹丹娜获得了黑龙江省自然科学基金联合引导项目资助;韩盛旺获得了黑龙江省中医药管理局科研项目资助;王丽芹获得了黑龙江中医药优秀创新人才支持计划项目资助。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: 国家自然科学基金面上项目 82074537 黑龙江省自然科学基金联合引导项目 LH2020H103,LH2021H101 黑龙江省中医药管理局科研项目 ZHY2022-194 黑龙江中医药优秀创新人才支持计划资助项目 2018RCD02
收稿日期:2023-06-01
接受日期:2023-08-04
中图分类号:R445.2  R749.1+6 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.08.022
引用本文:魏泽宜, 李晓陵, 曹丹娜, 等. 主观认知下降脑网络改变的多模态MRI研究进展[J]. 磁共振成像, 2023, 14(8): 129-134. DOI:10.12015/issn.1674-8034.2023.08.022.

0 前言

       主观认知下降(subjective cognitive decline, SCD)是指自我感觉记忆或认知能力与之前正常状态相比持续减退,但客观的神经心理测评显示认知功能正常[1]。SCD属于阿尔茨海默病(Alzheimer's disease, AD)临床的初级阶段,随着疾病的发展,患者将会出现轻度认知障碍(mild cognitive impairment, MCI),甚至发生AD[2]。一份为期10年的跟踪调查报告表明,SCD患者中26.6%发展成MCI,14.1%发展成AD,但老年健康对照组SCD的转化率每年仅为1%[3]。加大SCD阶段的关注度,尽早对患者开始干预,可以延缓本病的进展,预防AD。

       多模态MRI作为一种非侵入性影像学技术,在脑网络研究方面主要包括结构MRI(structural MRI, sMRI)、扩散张量成像(diffusion tensor imaging, DTI)和功能MRI(functional MRI, fMRI)等,可无损伤、无辐射地获取脑结构与功能连接信息,基于获取的信息建立结构性及功能性脑网络,并呈现出“小世界”属性、模块化结构属性等诸多重要的拓扑性特质[4],这些拓扑性质将有助于揭示SCD的发病机理。

       本文选取近些年国内外应用多模态MRI探讨SCD的文献,从sMRI、DTI、fMRI等视角对脑网络的改变开展分析论述,为提高SCD的临床检出率,减少或防御AD的发病提出新思路、新方法。

1 SCD简述

       1982年“主观认知损害”概念首次被REISBERG等[5]提出,直到2014年,国际“主观认知下降”协作组将其统一命名为SCD[6]。SCD的患病原因十分复杂,与情绪、主观记忆、低收入、是否患有慢性疾病等因素高度相关[7],并且每个国家或地区对于SCD诊断要求和使用的神经心理学测试量表均无统一标准[8],导致患病率存在很大差异[9]。当前学术界普遍认为,SCD的判定属于排除性诊断,不符合轻微的认知损伤标准,但却具有SCD叠加标准,如患者主诉记忆有减退和担忧记忆减退,可以将其视为SCD的高危人群[10]。VLACHOS等[9]研究,约有84.2%的SCD患者在认知领域存在主观缺陷,76.6%存在主观记忆力下降。以患者叙述记忆力减退为主的SCD,试验中发现AD容易受累的脑区,包括颞顶下区和颞中区,可见特征性脑皮质萎缩[11, 12],最终发展成AD。

2 SCD结构性脑网络研究

2.1 sMRI的SCD脑网络研究

       sMRI的空间分辨率较高,可以准确地观察脑解剖结构,显示病变部位。现阶段,sMRI在局部脑形态研究中得到广泛应用。利用基于体素形态学分析(voxel-based morphometry, VBM)和基于模糊聚类的图像分割算法对脑皮质厚度、灰质体积、白质密度、脑沟深度、脑表面积等具有形态特征的脑组织进行提取,在此基础上,经过统计学处理构建出结构性脑网络,为SCD发生认知损害、记忆损害等功能改变与脑网络关系的研究奠定基础[13]

       MORRISON等[8]通过一项回顾性研究对认知正常的老年人采用不同SCD的定义方法(SCD+,SCD-)分组研究,观察发现两组灰质萎缩和认知下降其结果有所不同,SCD+与AD患者临床量表评分的认知能力逐步下降相关联,说明SCD+组的老年人未来患AD风险更高。VBM可以反映人脑整体解剖学结构差异,已经广泛用于sMRI图像分析。有学者运用VBM方法研究发现,SCD患者执行能力降低与左额叶区、双侧海马区的灰质体积缩小有关。海马发生萎缩是诊断AD的主要指标[14]。ZHAO等[15]通过测定SCD、MCI、AD及正常人的海马亚区体积,发现海马CA1、海马伞部、下托、分子层的体积随病情发展呈现不断缩小趋势。葛继晖等[16]通过SCD人群与正常人群的sMRI全脑灰质体积比较,发现SCD左前扣带回、右枕叶、右丘脑、右前额叶、右后扣带回、双侧小脑、双侧舌回、双侧尾状核、双侧颞上回及双侧颞中回等灰质结构或脑皮层均表现体积减小,说明SCD阶段脑内已经出现病理生理变化。有学者用sMRI将全脑切分成多个区域,以各脑区作为连接节点构建脑网络结构,脑区之间走行的神经纤维束是脑网络边缘,以白质纤维的连接强度、数量等作为测量指标对脑区间结构连接的特性进行衡量[17]。PINI等[18]利用SCD临床样本加社会样本的sMRI回顾研究,发现SCD两份样本在脑萎缩模式方面存在共性和异质性。社区样本显示出较一致的萎缩模式,涉及海马、颞顶叶皮层;临床样本除颞顶叶皮层等同样出现早期易损外,另见更复杂的萎缩模式,可能是AD的前期病变。FU等[19]关于“SCD、遗忘型MCI(amnestic MCI, aMCI)和AD中灰质结构协方差网络分化性连通性变化”的研究,显示健康人-SCD-aMCI-AD顺序的结构协方差网络模式变化是动态、发散的,应该为SCD结构协方差网络发生断开的根据。结构协方差网络包括灰质网络和皮层厚度网络,由sMRI数据构建。FU等[20]另一项sMRI的试验结果显示,与正常人比较SCD患者结构网络的整合及分离特性降低,脑边缘系统连接发生中断;SCD随年龄增长脑网络拓扑结构被破坏,脑效率的退化加速。之后有文章[21, 22, 23, 24]报道,基于sMRI技术的脑网络也可评价人脑电生理网络发展、脑结构发育及衰老、退行性神经疾病脑结构的变化,将为后续研究提供新的手段。

       基于sMRI技术可以检测到SCD患者脑结构网络生物学特性的改变,如灰质体积缩小、认知能力下降、执行功能降低、脑网络拓扑结构被破坏等,为SCD的筛查和评估提出生物学佐证[25]

2.2 DTI的SCD脑网络研究

       DTI是一种定量分析的MRI技术,是弥散加权成像的扩展,通过水分子利用布朗运动在不同组织中的扩散差异成像,从微观结构反映神经元功能的改变。DTI参数主要包括平均扩散系数(mean diffusivity, MD)、各向异性模型(mode of anisotropy, MO)、径向扩散系数(radial diffusivity, RD)及部分各向异性(fractional anisotropy, FA)等[17, 26]

       赖梓焱等[27]观察,SCD患者大部分脑区存在FA降低及MD增高,以海马、扣带回、钩状束、上下纵束、胼胝体压部为主。WEI等[28]研究发现,蒙特利尔认知评分与右皮质脊髓束、左右两侧小脑下脚的MD值具有相关性,特定脑白质束微观结构退化是SCD患者认知下降的病理基础。OHLHAUSER等[29]研究显示SCD脑白质的完整度出现显著下降,并且DTI参数与SCD的记忆和执行功能之间具有明显的相关性,其中与FA呈正相关,与MD呈负相关。试验证明脑白质完整性下降可以作为SCD早期诊断的重要指标。另有研究发现,SCD患者的DTI数值介于正常人和aMCI患者之间,表明SCD的结构网络损伤模式与aMCI相似,但比aMCI更轻[30]。CHAO等[31]使用区域空间统计方法对DTI进行比较,可见SCD患者左额上回、右前扣带回和左舌回的脑白质完整性发生改变,证明SCD确诊之前能够检出已经发生病变的白质束,而认知缺陷临床症状滞后才会出现。基于DTI技术组建的脑结构网络显示脑各个区域之间的神经纤维连接,根据测评纤维连接的长度、强度等改变,达到直观反映不同患者结构网络的变化[17]

       以上研究表明,相对于sMRI获取的结构性脑网络,DTI可以更加直接展现脑白质的微观结构,反映神经纤维束是否完整,可以作为SCD的一项诊断指标。

3 SCD功能性脑网络研究

       fMRI最常用的技术为血氧水平依赖fMRI(blood oxygen level-dependent fMRI, BOLD-fMRI),通过测量神经元活动所引发的血液动力学变化,可以准确判断脑内神经元活动的状态。目前广泛用于SCD的脑功能和功能网络探索。根据是否执行任务可分为静息态fMRI(resting-state fMRI, rs-fMRI)和任务态fMRI(task state fMRI, ts-fMRI)[32]

3.1 rs-fMRI的SCD脑网络研究

       rs-fMRI是指安静状态下不执行任何指令,通过BOLD测量脑内自发性波动信号,反映神经元在基础状态下的活动情况。rs-fMRI常见的数据分析包括低频振幅(amplitude of low frequency fluctuation, ALFF)、局部一致性(regional homogeneity, ReHo)及功能连接(functional connectivity, FC)[33]

       2005年SALVADOR等[34]首次利用rs-fMRI构建功能性脑网络,并提出该网络具有“小世界”属性与高效能的拓扑稳定性。有研究[35, 36, 37]表明,SCD患者右额上回、小脑后叶、楔前叶等ALFF值下降,并且ALFF值与患者的认知测试评分呈明显正相关,说明上述脑区存在神经元活动减弱的现象。楔前叶是静息状态特别活跃的脑区,也是默认模式网络(default mode network, DMN)重要的节点,参与情景相关的短时记忆,对视觉信号进行重组加工[38]。脑区的DMN、突显网络(salience network, SN)和执行控制网络(executive control network, ECN)是目前静息态脑功能网络研究的热点。CHEN等[39]运用多模态成像数据,分别构建解剖、形态学和功能网络的三种模式,并与人工智能的“多核学习支持向量机”相结合,预测SCD。研究发现,由多模态网络识别的异常特征,主要位于DMN和SN,基于三种模式的整合,准确率高达88.73%,表示DMN和SN内异常的多模态连接,能作为鉴别SCD的生物标志物。葛继晖等[16]通过rs-fMRI全脑ALFF值分析,与正常人群相比,SCD左颞上回、右前额叶、右眶回、右颞中回、右颞极、双侧前扣带回的ALFF值下降;小脑蚓部、左小脑及左尾状核区的ALFF值上升,提示SCD患者的脑结构及脑功能已经发生改变。吴明豪[40]采用ReHo方法,对SCD患者进行局部脑功能观察,显示SCD右额上回、右后扣带回、右楔前叶、右颞叶等脑区功能活动均有不同程度的异常,可以用来判断认知功能是否受损。

       SCD程度越重的患者,DMN各区域之间脑FC下降的幅度越大,但SN与DMN之间脑FC却反向增加,表明SCD时期确实存在脑功能的代偿机制[41]。陈娅等[42]通过观察rs-fMRI方面的研究发现,SCD患者海马区的FC与记忆功能紧密相关,而前额叶皮质对记忆、学习及情绪调节起关键作用。WANG等[43]选择双侧前-后海马作为种子,在静息状态下研究SCD的静态FC和动态FC变化。SCD受试者,左尾侧海马与左楔前叶之间静态FC降低;双尾侧海马与楔前叶之间动态FC变异性减低;双头侧海马与尾状核之间动态FC变异性增多;左头侧海马与左嗅觉皮层之间动态FC变异性增多。此外,注意力得分与左后海马、左楔前叶之间的动态FC变异性为正相关;双侧前海马与尾状核之间动态FC变异性的抑郁得分为正相关,与整体认知得分为负相关。提示SCD患者前-后海马体均呈现异常的静态FC和动态FC,且动态FC比静态FC的异常改变更广泛。静态和动态FC组合方式是了解SCD脑病理生理机制的又一切入点。CHEN等[44]关于SCD的FC研究发现,SCD患者显示出和记忆相关β淀粉样蛋白水平的节点拓扑特性更高,包含节点的强度、整体效率和局部效率,这类区域主要位于DMN。另外,SCD患者主要在双侧海马旁回与其他相关脑区之间DMN的连通性出现明显增加。以上异常功能网络指标在SCD患者与正常人的鉴别诊断中准确率高达79.23%。SHARMA等[45]研究亦发现,SCD患者内侧颞叶与DMN相关脑区之间存在FC减低;双侧额、顶、颞、枕叶的连接强度、整体效率和局部效率均明显下降。说明在SCD时期已经发生β淀粉样蛋白沉积,导致脑网络连接降低,证实网络连接改变可以成为SCD早期诊断的生物标志物。

       运用rs-fMRI数据探索SCD的脑功能网络变化,发现SCD时期存在神经元活动减弱、认知功能受损和异常的功能网络连接,这些发现为进一步干预SCD的发生发展提供线索。

3.2 ts-fMRI的SCD脑网络研究

       ts-fMRI是指受试者执行某种任务时采集相关fMRI数据[46]。常见的刺激有计算、言语、记忆、听觉和视觉等。

       主观记忆力减退是SCD患者的主要症状,可从记忆任务的执行能力对SCD、MCI与健康老人比较,这三类受试者通过场景记忆测试后进行编码,执行力的准确度为:健康老人>SCD>MCI,呈现显著差异[47]。LAZAROU等[48]使用高密度脑电图的视觉短期记忆和注意力任务方法,探索SCD的网络特性。结果表明,SCD患者在进行视觉编码和检索过程中出现脑网络紊乱,测试值介于正常人和MCI之间。MIZUNO等[49]关于“教育对SCD记忆编码激活的影响”发现,教育可以激活ECN、SN和皮层下脑区,被激活区与SCD症状之间存在关联性。受教育程度越高的人SCD症状越重,激活越强;受教育程度较低则激活较弱。RODDA等[50]在ts-fMRI对SCD患者作分散注意力任务试验时发现,与健康人相比,SCD双侧丘脑、左内侧颞叶、尾状核和后扣带回的激活有所增加,通过观察证实这些激活增高模式考虑是代偿作用,可能SCD是MCI的前阶段,而MCI是AD的前期。表示SCD存在早期功能改变,有助于阐明SCD与AD的关系。CHEN等[51]ts-fMRI研究证明,位于空间导航网络内的脑FC,包括后扣带回与右前额叶皮质之间的FC、右后扣带回与右海马之间的FC,在作空间导航任务时连接性均降低。这些区域FC的降低,对健康人和SCD患者在鉴别诊断时的效率较高。LIU等[52]应用人工智能提出联合神经图像合成和表征学习框架的方式,用于不完整多模态MRI的SCD转换预测。结果可见,与其他先进方法相比,此项人工智能方法在SCD和MCI关于转换预测及跨数据库合成神经图像方面,具备较优越的性能。

       ts-fMRI研究提示,SCD患者在认知下降前,已出现脑激活模式的改变,在执行空间任务、记忆任务及学习任务时存在脑网络异常状态,为评估SCD增加辨识条件。

4 小结与展望

       综上所述,应用多模态MRI技术可清晰地反映SCD患者脑结构网络与脑功能网络的改变,包括脑灰质结构网络的整合及分离特性降低、脑白质网络微观结构完整性改变、SCD相关脑区功能网络受损等。应用sMRI、DTI、rs-fMRI及ts-fMRI等方法,可促进SCD的早期诊断、制订个体化治疗方案,为准确预后及明确病理机制提供依据。同时,多模态MRI研究证实SCD患者存在“SCD-MCI-AD”的动态变化规律,可为鉴别SCD的病变程度进行客观评价。

       基于多模态MRI的SCD研究仍面临以下问题:(1)患有SCD疾病的人群,脑功能随着年龄的增长而出现进展,在此过程中脑网络的动态变化规律尚不清楚。(2)目前DTI在SCD探索中的运用,未见较权威的神经纤维束示踪成像“金标准”,DTI扫描序列需要继续完善。(3)尽管国内外已有学者对SCD脑网络改变进行了一些探讨,但模式单一,缺少将多模态MRI各种方法相结合对脑网络作用机理的综合研究。

       未来,在多模态MRI的SCD识别诊断中,结合临床生物学标记扩大样本量,选择最佳的扫描方式;灵活运用不同模态图像各自独特的优势,深入挖掘获取更有价值的信息;多模态MRI联合人工智能帮助研究者快速分析脑区活动状态,成为今后研究的趋势。因此,继续探寻SCD患者的多模态MRI脑网络变化,对于提升临床诊断率及早期治疗等均有重要意义。

[1]
徐文莉, 钱川, 张吉丹, 等. 轻度认知障碍及主观认知下降患者血清胱抑素C与认知的相关性研究[J]. 联勤军事医学, 2023, 37(4): 349-353. DOI: 10.13730/j.issn.2097-2148.2023.04.016.
XU W L, QIAN C, ZHANG J D, et al. Correlation between serum cystatin C and cognition in patients with mild cognitive impairment and subjective cognitive decline[J]. Mil Med Jt Logist, 2023, 37(4): 349-353. DOI: 10.13730/j.issn.2097-2148.2023.04.016.
[2]
韦懿宸, 梁玲艳, 黎晓程, 等. 主观认知下降及轻度认知障碍患者默认网络的静息态fMRI研究[J]. 中国临床新医学, 2023, 16(4): 305-310. DOI: 10.3969/j.issn.1674-3806.2023.04.01.
WEI Y C, LIANG L Y, LI X C, et al. Study on a resting-state fMRI of default mode network in patients with subjective cognitive decline and mild cognitive impairment[J]. Chin J N Clin Med, 2023, 16(4): 305-310. DOI: 10.3969/j.issn.1674-3806.2023.04.01.
[3]
MITCHELL A J, BEAUMONT H, FERGUSON D, et al. Risk of dementia and mild cognitive impairment in older people with subjective memory complaints: meta-analysis[J]. Acta Psychiatr Scand, 2014, 130(6): 439-451. DOI: 10.1111/acps.12336.
[4]
赵若可, 赵智勇, 王金辉, 等. 人脑形态网络及其在脑发育研究中的应用[J]. 科学通报, 2023, 68(1): 72-86.
ZHAO R K, ZHAO Z Y, WANG J H, et al. Brain morphological network and its applications in human brain development[J]. Chin Sci Bull, 2023, 68(1): 72-86.
[5]
REISBERG B, FERRIS S H, DE LEON M J, et al. The Global Deterioration Scale for assessment of primary degenerative dementia[J]. Am J Psychiatry, 1982, 139(9): 1136-1139. DOI: 10.1176/ajp.139.9.1136.
[6]
JESSEN F, AMARIGLIO R E, VAN BOXTEL M, et al. A conceptual framework for research on subjective cognitive decline in preclinical Alzheimer's disease[J]. Alzheimers Dement, 2014, 10(6): 844-852. DOI: 10.1016/j.jalz.2014.01.001.
[7]
KOYANAGI A, SMITH L, SHIN J I, et al. Multimorbidity and subjective cognitive complaints: findings from 48 low- and middle-income countries of the world health survey 2002-2004[J]. J Alzheimers Dis, 2021, 81(4): 1737-1747. DOI: 10.3233/JAD-201592.
[8]
MORRISON C, DADAR M, SHAFIEE N, et al. Regional brain atrophy and cognitive decline depend on definition of subjective cognitive decline[J/OL]. Neuroimage Clin, 2022, 33: 102923 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/34959049/. DOI: 10.1016/j.nicl.2021.102923.
[9]
VLACHOS G S, COSENTINO S, KOSMIDIS M H, et al. Prevalence and determinants of subjective cognitive decline in a representative Greek elderly population[J]. Int J Geriatr Psychiatry, 2019, 34(6): 846-854. DOI: 10.1002/gps.5073.
[10]
刘庆, 孙萍. 主观认知下降临床研究进展[J]. 中国现代神经疾病杂志, 2023, 23(4): 275-281.
LIU Q, SUN P. Clinical research progress on subjective cognitive decline[J]. Chin J Contemp Neurol Neurosurg, 2023, 23(4): 275-281.
[11]
LIM E Y, SHIM Y S, HONG Y J, et al. Different cortical thinning patterns depending on their prognosis in individuals with subjective cognitive decline[J]. Dement Neurocogn Disord, 2019, 18(4): 113-121. DOI: 10.12779/dnd.2019.18.4.113.
[12]
DIAZ-GALVAN P, FERREIRA D, CEDRES N, et al. Comparing different approaches for operationalizing subjective cognitive decline: impact on syndromic and biomarker profiles[J/OL]. Sci Rep, 2021, 11(1): 4356 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/33623075/. DOI: 10.1038/s41598-021-83428-1.
[13]
梅明金, 聂坤, 熊冬生, 等. 帕金森病多模态磁共振成像和基于图论的复杂网络分析法研究进展[J]. 中国现代神经疾病杂志, 2017, 17(1): 14-17. DOI: 10.3969/j.issn.1672-6731.2017.01.004.
MEI M J, NIE K, XIONG D S, et al. Research progress of multimodal MRI and complex network analysis based on graph theory in Parkinson's disease[J]. Chin J Contemp Neurol Neurosurg, 2017, 17(1): 14-17. DOI: 10.3969/j.issn.1672-6731.2017.01.004.
[14]
PÉREZ-CORDÓN A, MONTÉ-RUBIO G, SANABRIA A, et al. Subtle executive deficits are associated with higher brain amyloid burden and lower cortical volume in subjective cognitive decline: the FACEHBI cohort[J/OL]. Sci Rep, 2020, 10(1): 17721 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/33082443/. DOI: 10.1038/s41598-020-74704-7.
[15]
ZHAO W N, WANG X T, YIN C H, et al. Trajectories of the hippocampal subfields atrophy in the Alzheimer's disease: a structural imaging study[J/OL]. Front Neuroinform, 2019, 13: 13 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/30983985/. DOI: 10.3389/fninf.2019.00013.
[16]
葛继晖, 李永丽, 李玮, 等. 联合多模态磁共振对主观认知下降人群的评估[J]. 临床放射学杂志, 2021, 40(12): 2266-2272. DOI: 10.13437/j.cnki.jcr.2021.12.009.
GE J H, LI Y L, LI W, et al. Combined multimodal magnetic resonance imaging in the evaluation of people with decreased subjective cognition[J]. J Clin Radiol, 2021, 40(12): 2266-2272. DOI: 10.13437/j.cnki.jcr.2021.12.009.
[17]
陈梦亚, 席芊. 多模态MRI在帕金森病的研究进展[J]. 国际医学放射学杂志, 2020, 43(4): 430-433. DOI: 10.19300/j.2020.Z17958.
CHEN M Y, XI Q. Research progress of multimodal MRI in evaluation of Parkinson's disease[J]. Int J Med Radiol, 2020, 43(4): 430-433. DOI: 10.19300/j.2020.Z17958.
[18]
PINI L, WENNBERG A M. Structural imaging outcomes in subjective cognitive decline: community vs. clinical-based samples[J/OL]. Exp Gerontol, 2021, 145: 111216 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/33340685/. DOI: 10.1016/j.exger.2020.111216.
[19]
FU Z R, ZHAO M Y, HE Y R, et al. Divergent connectivity changes in gray matter structural covariance networks in subjective cognitive decline, amnestic mild cognitive impairment, and Alzheimer's disease[J/OL]. Front Aging Neurosci, 2021, 13: 686598 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/34483878/. DOI: 10.3389/fnagi.2021.686598.
[20]
FU Z R, ZHAO M Y, HE Y R, et al. Aberrant topological organization and age-related differences in the human connectome in subjective cognitive decline by using regional morphology from magnetic resonance imaging[J]. Brain Struct Funct, 2022, 227(6): 2015-2033. DOI: 10.1007/s00429-022-02488-9.
[21]
BRILEY P M, LIDDLE E B, GROOM M J, et al. Development of human electrophysiological brain networks[J]. J Neurophysiol, 2018, 120(6): 3122-3130. DOI: 10.1152/jn.00293.2018.
[22]
刘建航, 刘昊, 陈道云, 等. 磁共振弥散张量成像技术在临床疾病诊治过程中更多的优势和价值[J]. 中国组织工程研究, 2019, 23(8): 1241-1247. DOI: 10.3969/j.issn.2095-4344.1086.
LIU J H, LIU H, CHEN D Y, et al. Advantages and values of magnetic resonance diffusion tensor imaging in clinical diagnosis and treatment[J]. Chin J Tissue Eng Res, 2019, 23(8): 1241-1247. DOI: 10.3969/j.issn.2095-4344.1086.
[23]
TOUROUTOGLOU A, DICKERSON B C. Cingulate-centered large-scale networks: normal functions, aging, and neurodegenerative disease[J/OL]. Handb Clin Neurol, 2019, 166: 113-127 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/31731908/. DOI: 10.1016/B978-0-444-64196-0.00008-X.
[24]
杨云竣, 黄飚. 阿尔茨海默病与帕金森病的影像组学研究进展[J]. 国际医学放射学杂志, 2020, 43(1): 41-44. DOI: 10.19300/j.2020.Z17568.
YANG Y J, HUANG B. Research progress of radiomics in Alzheimer's disease and Parkinson's disease[J]. Int J Med Radiol, 2020, 43(1): 41-44. DOI: 10.19300/j.2020.Z17568.
[25]
郑菲, 唐奇伶, 刘汝璇, 等. 全脑解剖学标志稀疏关联的阿尔茨海默症诊断[J]. 中国生物医学工程学报, 2022, 41(6): 708-716. DOI: 10.3969/j.issn.0258-8021.2022.06.008.
ZHENG F, TANG Q L, LIU R X, et al. Diagnosis of Alzheimer's disease with sparse association of whole brain anatomical markers[J]. Chin J Biomed Eng, 2022, 41(6): 708-716. DOI: 10.3969/j.issn.0258-8021.2022.06.008.
[26]
郝尚慈, 席芊. 主观认知下降的影像学研究进展[J]. 同济大学学报(医学版), 2020, 41(6): 811-816. DOI: 10.16118/j.1008-0392.2020.06.022.
HAO S C, XI Q. Research progresses on imaging of subjective cognitive decline in Alzheimer's disease[J]. J Tongji Univ Med Sci, 2020, 41(6): 811-816. DOI: 10.16118/j.1008-0392.2020.06.022.
[27]
赖梓焱, 张清萍, 赖茵圻, 等. 主观认知下降的MRI研究进展[J]. 磁共振成像, 2022, 13(3): 126-128, 142. DOI: 10.12015/issn.1674-8034.2022.03.031.
LAI Z Y, ZHANG Q P, LAI Y Q, et al. MRI research progress of subjective cognitive decline[J]. Chin J Magn Reson Imag, 2022, 13(3): 126-128, 142. DOI: 10.12015/issn.1674-8034.2022.03.031.
[28]
WEI Y C, HSU C H, HUANG W Y, et al. White matter integrity underlies the physical-cognitive correlations in subjective cognitive decline[J/OL]. Front Aging Neurosci, 2021, 13: 700764 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/34408645/. DOI: 10.3389/fnagi.2021.700764.
[29]
OHLHAUSER L, PARKER A F, SMART C M, et al. White matter and its relationship with cognition in subjective cognitive decline[J/OL]. Alzheimers Dement, 2019, 11: 28-35 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/30581973/. DOI: 10.1016/j.dadm.2018.10.008.
[30]
王丰, 李莎, 胡赛琴, 等. 基于弥散张量成像主观认知下降患者脑效应机制研究进展[J]. 陕西医学杂志, 2022, 51(1): 117-120. DOI: 10.3969/j.issn.1000-7377.2022.01.029.
WANG F, LI S, HU S Q, et al. Research progress of brain effect mechanism in patients with subjective cognitive decline based on diffusion tensor imaging[J]. Shaanxi Med J, 2022, 51(1): 117-120. DOI: 10.3969/j.issn.1000-7377.2022.01.029.
[31]
CHAO Y P, LIU P T B, WANG P N, et al. Reduced inter-voxel white matter integrity in subjective cognitive decline: diffusion tensor imaging with tract-based spatial statistics analysis[J/OL]. Front Aging Neurosci, 2022, 14: 810998 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/35309886/. DOI: 10.3389/fnagi.2022.810998.
[32]
陈娅, 韦懿宸, 段高雄, 等. 主观认知下降的临床及神经影像学进展[J]. 临床放射学杂志, 2020, 39(5): 1028-1031. DOI: 10.13437/j.cnki.jcr.2020.05.041.
CHEN Y, WEI Y C, DUAN G X, et al. Clinical and neuroimaging progress of subjective cognitive decline[J]. J Clin Radiol, 2020, 39(5): 1028-1031. DOI: 10.13437/j.cnki.jcr.2020.05.041.
[33]
李晓陵, 魏泽宜, 曹丹娜, 等. 基于BOLD-fMRI技术探讨针刺治疗失眠的研究展望[J]. 中医药学报, 2023, 51(3): 116-119. DOI: 10.19664/j.cnki.1002-2392.230069.
LI X L, WEI Z Y, CAO D N, et al. Research prospect of acupuncture therapy for insomnia based on BOLD-fMRI technology[J]. Acta Chin Med Pharmacol, 2023, 51(3): 116-119. DOI: 10.19664/j.cnki.1002-2392.230069.
[34]
SALVADOR R, SUCKLING J, COLEMAN M R, et al. Neurophysiological architecture of functional magnetic resonance images of human brain[J]. Cereb Cortex, 2005, 15(9): 1332-1342. DOI: 10.1093/cercor/bhi016.
[35]
SUN Y, DAI Z J, LI Y X, et al. Subjective cognitive decline: mapping functional and structural brain changes-a combined resting-state functional and structural MR imaging study[J]. Radiology, 2016, 281(1): 185-192. DOI: 10.1148/radiol.2016151771.
[36]
WANG S Y, RAO J, YUE Y Y, et al. Altered frequency-dependent brain activation and white matter integrity associated with cognition in characterizing preclinical Alzheimer's disease stages[J/OL]. Front Hum Neurosci, 2021, 15: 625232 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/33664660/. DOI: 10.3389/fnhum.2021.625232.
[37]
YANG L, YAN Y, WANG Y H, et al. Gradual disturbances of the amplitude of low-frequency fluctuations (ALFF) and fractional ALFF in Alzheimer's spectrum[J/OL]. Front Neurosci, 2018, 12: 975 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/30618593/. DOI: 10.3389/fnins.2018.00975.
[38]
唐银, 张玲, 丁洪园, 等. 基于前康复理念下的阿尔茨海默病临床前期患者的脑自发活动探索性研究[J]. 中国康复医学杂志, 2022, 37(4): 458-464. DOI: 10.3969/j.issn.1001-1242.2022.04.004.
TANG Y, ZHANG L, DING H Y, et al. Aberrant spontaneous brain activity of patients in preclinical stages of Alzheimer's disease based on pre-habilitation: a resting-state fMRI study[J]. Chin J Rehabil Med, 2022, 37(4): 458-464. DOI: 10.3969/j.issn.1001-1242.2022.04.004.
[39]
CHEN H F, LI W K, SHENG X N, et al. Machine learning based on the multimodal connectome can predict the preclinical stage of Alzheimer's disease: a preliminary study[J]. Eur Radiol, 2022, 32(1): 448-459. DOI: 10.1007/s00330-021-08080-9.
[40]
吴明豪. 主观认知下降的静息态功能磁共振局部一致性研究[D]. 蚌埠: 蚌埠医学院, 2019.
WU M H. Regional homogeneity in older adults with subjective cognitive decline: a resting-state fMRI study[D]. Bangbu: Bengbu Medical College, 2019.
[41]
VIVIANO R P, DAMOISEAUX J S. Longitudinal change in hippocampal and dorsal anterior insulae functional connectivity in subjective cognitive decline[J/OL]. Alzheimers Res Ther, 2021, 13(1): 108 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/34059109/. DOI: 10.1186/s13195-021-00847-y.
[42]
陈娅, 廖海, 韦懿宸, 等. 主观认知下降患者的脑fMRI研究进展[J]. 临床放射学杂志, 2020, 39(2): 419-421. DOI: 10.13437/j.cnki.jcr.2020.02.044.
CHEN Y, LIAO H, WEI Y C, et al. Research progress of brain fMRI in patients with subjective cognitive decline[J]. J Clin Radiol, 2020, 39(2): 419-421. DOI: 10.13437/j.cnki.jcr.2020.02.044.
[43]
WANG Q, CHEN B, ZHONG X M, et al. Static and dynamic functional connectivity variability of the anterior-posterior hippocampus with subjective cognitive decline[J/OL]. Alzheimers Res Ther, 2022, 14(1): 122 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/36057586/. DOI: 10.1186/s13195-022-01066-9.
[44]
CHEN H F, SHENG X N, LUO C M, et al. The compensatory phenomenon of the functional connectome related to pathological biomarkers in individuals with subjective cognitive decline[J/OL]. Transl Neurodegener, 2020, 9(1): 21 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/32460888/. DOI: 10.1186/s40035-020-00201-6.
[45]
SHARMA N, MURARI G, VANDERMORRIS S, et al. Functional connectivity between the posterior default mode network and parahippocampal gyrus is disrupted in older adults with subjective cognitive decline and correlates with subjective memory ability[J]. J Alzheimers Dis, 2021, 82(1): 435-445. DOI: 10.3233/JAD-201579.
[46]
曹丹娜, 李晓陵, 王丰, 等. 针刺轻度认知障碍患者太溪穴任务态功能磁共振成像研究[J]. 中医药信息, 2021, 38(5): 49-53. DOI: 10.19656/j.cnki.1002-2406.210510.
CAO D N, LI X L, WANG F, et al. Task portion fMRI study of needling KI3 in treatment of MCI[J]. Inf Tradit Chin Med, 2021, 38(5): 49-53. DOI: 10.19656/j.cnki.1002-2406.210510.
[47]
张馨月. 主观认知障碍患者的情景记忆与工作记忆研究[D]. 重庆: 西南大学, 2019.
ZHANG X Y. Study on episodic memory and working memory of subjective cognitive impairment[D]. Chongqing: Southwest University, 2019.
[48]
LAZAROU I, GEORGIADIS K, NIKOLOPOULOS S, et al. Exploring network properties across preclinical stages of Alzheimer's disease using a visual short-term memory and attention task with high-density electroencephalography: a brain-connectome neurophysiological study[J]. J Alzheimers Dis, 2022, 87(2): 643-664. DOI: 10.3233/JAD-215421.
[49]
MIZUNO A, KARIM H T, LY M J, et al. An effect of education on memory-encoding activation in subjective cognitive decline[J]. J Alzheimers Dis, 2021, 81(3): 1065-1078. DOI: 10.3233/JAD-201087.
[50]
RODDA J, DANNHAUSER T, CUTINHA D J, et al. Subjective cognitive impairment: functional MRI during a divided attention task[J]. Eur Psychiatry, 2011, 26(7): 457-462. DOI: 10.1016/j.eurpsy.2010.07.003.
[51]
CHEN Q, QING Z, JIN J X, et al. Ego- and allo-network disconnection underlying spatial disorientation in subjective cognitive decline[J/OL]. Cortex, 2021, 137: 35-48 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/33588131/. DOI: 10.1016/j.cortex.2020.12.022.
[52]
LIU Y B, YUE L, XIAO S F, et al. Assessing clinical progression from subjective cognitive decline to mild cognitive impairment with incomplete multi-modal neuroimages[J/OL]. Med Image Anal, 2022, 75: 102266 [2023-05-30]. https://pubmed.ncbi.nlm.nih.gov/34700245/. DOI: 10.1016/j.media.2021.102266.

上一篇 磁共振三维T1加权成像及扩散张量成像在震颤型帕金森病中的研究进展
下一篇 卒中后抑郁的脑结构、脑功能及脑网络多模态MRI研究进展
  
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