分享:
分享到微信朋友圈
X
特别关注
基于灰质骨架的统计分析方法评估新生儿大脑皮层微结构属性发育变化
葛瑶 李贤军 白鹏轩 贾真 刘聪聪 王苗苗 孙亲利 金超 杨健

Cite this article as: GE Y, LI X J, BAI P X, et al. Application of grey matter-based spatial statistical analysis methods in neonatal cerebral cortical development[J]. Chin J Magn Reson Imaging, 2024, 15(9): 11-17.本文引用格式:葛瑶, 李贤军, 白鹏轩, 等. 基于灰质骨架的统计分析方法评估新生儿大脑皮层微结构属性发育变化[J]. 磁共振成像, 2024, 15(9): 11-17. DOI:10.12015/issn.1674-8034.2024.09.003.


[摘要] 目的 应用基于灰质骨架的统计分析(gray matter-based spatial statistics, GBSS)方法探讨新生儿期大脑皮层微结构属性发育变化。材料与方法 回顾性连续纳入自2011年1月至2013年6月于我院行头颅MRI检查的73例新生儿。利用GBSS方法提取皮层骨架并将扩散张量成像(diffusion tensor imaging, DTI)参量分数各向异性(fractional anisotropy, FA)、平均扩散率(mean diffusivity, MD)投射至皮层骨架。根据新生儿T1WI脑区图谱选取双侧对称性皮层感兴趣区(region of interest, ROI)并计算额、颞、顶、枕叶皮层DTI参量平均值及每个ROI内相应参量的平均值,进一步将新生儿大脑额、颞、顶、枕叶皮层及每个ROI内DTI参量值与胎龄、校正后的出生体质量、身长、头围进行相关性分析;运用一般线性模型分别对全脑皮层DTI参量FA、MD与新生儿胎龄及出生指标的相关性进行统计分析。结果 基于皮层ROI分析发现,新生儿皮层FA的变化以胎龄38周为折点,折点以前,新生儿大脑皮层FA与胎龄均无显著相关性,折点之后,顶叶皮层FA(r=0.424,P=0.009)随胎龄的增加而增加。基于48个皮层ROIs及体素水平分析中均发现,右侧颞上回(superior temporal gyrus, STG)、岛叶皮层(insular cortex, Ins)、额中回(middle frontal gyrus, MFG)、扣带回(cingular gyrus, CingG)、外侧眶额回(lateral fronto-orbital gyrus, LFOG)、额下回(inferior frontal gyrus, IFG)、中央后回(postcentral gyrus, PoCG)、中央前回(precentral gyrus, PrCG)、顶上小叶(superior parietal lobule, SPL)的FA值与胎龄呈正相关,而MD值与胎龄呈负相关(P<0.05)。右侧中央后回的FA值与胎龄相关性最高(r=0.628,P=0.032),左侧中央后回的MD值与胎龄相关性最高(r=-0.598,P=0.041)。基于体素及ROI的结果均表明出生体质量、头围、身长与新生儿皮层FA、MD参量均无显著相关性。结论 新生儿大脑皮层呈现区域异质性的发育特征,初级感觉和运动皮层的发育成熟早于联合皮层。相较出生体质量、身长、头围,胎龄是影响新生儿大脑皮层发育的主要指标。
[Abstract] Objective To explore developmental changes in microstructural properties of the cerebral cortex during the neonatal period using gray matter-based spatial statistics (GBSS).Materials and Methods From January 2011 to June 2013, 73 neonates who underwent MRI examinations from our hospital were retrospectively recruited. The cortical skeleton was extracted and the diffusion tensor imaging (DTI) covariates fractional anisotropy (FA), and mean diffusivity (MD) were projected onto the cortical skeleton using grey matter-based spatial statistics. Bilaterally symmetrical cortical regions of interest (ROIs) were selected based on neonatal T1WI atlas of brain regions and the mean values of DTI covariates in the frontal, temporal, parietal and occipital cortex as well as the mean values of the corresponding covariates within each ROI were calculated, and the values of DTI covariates in the frontal, temporal, parietal and occipital cortex as well as within each ROI were further correlated with gestational age, corrected birth weight, crown-heel length and head circumference. The correlations between gestational age and birth indicators and cortical FA and MD parameters were statistically analyzed using a general linear model.Results Cortical ROI-based analysis revealed that changes in neonatal cortical FA were based on a turning point of 38 weeks of gestational age. Before the turning point, there was no significant correlation between neonatal frontal, temporal, parietal, and occipital cortical FA and gestational age, and after the turning point, only the parietal cortical FA (r=0.424, P=0.009) increased with increasing gestational age. Based on all 48 cortical ROIs and voxel level analyses, FA values of right superior temporal gyrus, insular cortex, middle frontal gyrus, cingular gyrus, bilateral lateral fronto-orbital gyrus, inferior frontal gyrus, postcentral gyrus, precentral gyrus, and left superior parietal lobule were found to be positively correlated with gestational age, whereas MD values were negatively correlated with gestational age (P<0.05). The highest correlation between FA values and gestational age was found in the right postcentral gyrus (PoCG) (r=0.628, P=0.032), and the highest correlation between MD values and gestational age was found in the left PoCG (r=-0.598, P=0.041). Both voxel and ROI based analyses showed that no significant correlation was found between birthweight, head circumference, crown-heel length and neonatal cortical FA and MD values.Conclusions The neonatal cerebral cortex is characterized by regional heterogeneity, with primary sensory and motor cortex maturing earlier than the association cortex. Compared with birth weight, crown-heel length and head circumference, gestational age is the main index affecting the development of neonatal cerebral cortex.
[关键词] 新生儿;胎龄;大脑皮层;扩散张量成像;基于灰质骨架的统计分析
[Keywords] neonate;gestational age;cerebral cortex;diffusion tensor imaging;gray matter-based spatial statistics

葛瑶 1   李贤军 1*   白鹏轩 1   贾真 1, 2   刘聪聪 1   王苗苗 1   孙亲利 1   金超 1   杨健 1  

1 西安交通大学第一附属医院医学影像科,西安 710061

2 西安交通大学未来技术学院,西安 710049

通信作者:李贤军,E-mail: xianj.li@mail.xjtu.edu.cn

作者贡献声明::杨健设计本研究方案,对稿件重要内容进行了修改,并获得了国家自然科学基金项目资助;葛瑶起草和撰写稿件,获取、分析及解释本研究数据;李贤军设计本研究方案,解释数据,对稿件重要内容进行了修改,并获得了国家自然科学基金项目的资助;白鹏轩、贾真、刘聪聪、王苗苗、孙亲利、金超获取、分析或解释本研究的数据,对稿件重要内容进行修改,其中王苗苗获得了国家自然科学基金项目的资助,孙亲利获得了陕西省重点研发计划项目的资助;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: 国家自然科学基金项目 82272618,82101815,81971581 陕西省重点研发计划项目 2021SF-092
收稿日期:2024-03-08
接受日期:2024-08-07
中图分类号:R445.2  R179 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.09.003
本文引用格式:葛瑶, 李贤军, 白鹏轩, 等. 基于灰质骨架的统计分析方法评估新生儿大脑皮层微结构属性发育变化[J]. 磁共振成像, 2024, 15(9): 11-17. DOI:10.12015/issn.1674-8034.2024.09.003.

0 引言

       哺乳动物大脑进化的一个重要特征是新皮层扩张,人类高级认知功能的进化与大脑新皮层扩张有关[1, 2]。从妊娠中期开始,大脑皮层中发生了复杂但规则化的细胞和分子过程,包括树突的分化、轴突生长、突触形成、神经胶质细胞的增殖和神经元凋亡[3, 4]。放射状胶质细胞形成的支架,成为一种神经元迁移的途径[5, 6, 7, 8]。树突的分化破坏了放射状胶质细胞支架,并导致皮层板(cortical plate, CP)的微观结构发生巨大变化[9, 10, 11, 12, 13, 14]。同时,细胞死亡或凋亡[15]导致CP中的神经元密度降低。这些细胞和分子过程塑造了人类大脑的结构和功能架构,并奠定了从初级感觉运动到高级认知的功能系统成熟的基础。新生儿期是大脑发育的关键阶段,了解这一时期大脑皮层微结构的发育变化对神经科学研究和临床应用具有重要意义。

       MRI扩散张量成像(diffusion tensor imaging, DTI)是一种测量人体组织中水分子扩散特性的无创性MRI技术,分数各向异性(fractional anisotropy, FA)、平均扩散率(mean diffusivity, MD)是DTI张量模型的相关参量,可以反映整个大脑皮层的微观结构的发展[16]。由于新生儿前额叶和颞叶皮层/白质界面的结构相对较薄且对比度较差,仅有少数研究直接探讨新生儿大脑皮层的早期微结构改变[17, 18]。基于灰质骨架的统计分析(gray matter-based spatial statistics, GBSS)方法的出现,为大脑皮层中的扩散指标体素水平分析提供了一种先进手段[13, 19]。这种方法通过提取和分析大脑皮层内的微观结构信息,提高了数据分析的空间定位能力,能够更精准地捕捉到大脑皮层区域内的细微变化。此外,GBSS还能够在同一灰质骨架上进行多重比较,提供了一种统一的分析框架,这为理解新生儿期大脑皮层早期微结构变化提供了重要工具。

       既往基于GBSS的研究发现,在校正胎龄(post-menstrual age, PMA)31.5~41.7周的早产儿中,皮层FA值随PMA的增加而逐渐减低,但在PMA 36.4~41.7周出现平台期[13]。这一现象与大脑皮层放射状胶质细胞支架的逐渐消失和皮层树突的不断修剪有关。此外,研究还表明早产儿皮层MD值随PMA的增加而持续性下降,呈现出与皮层FA值不同的变化趋势[13]。这些发现为理解早产儿大脑皮层的发育机制提供了重要线索。然而,目前的研究主要集中于早产儿,尚缺乏对足月新生儿大脑皮层微观结构发育的系统研究。由于早产和足月新生儿在大脑发育的时间点和过程上存在显著差异[20],探究新生儿期不同胎龄个体的大脑皮层发育显得尤为必要。因此,本研究旨在应用GBSS方法探讨早产和足月新生儿整个大脑皮层微观结构发育变化,对理解大脑早期发育过程中皮层微结构特征具有重要意义。

1 材料与方法

1.1 研究对象

       回顾性连续纳入2011年1月至2013年6月在西安交通大学第一附属医院行3.0 T头颅MRI检查的新生儿214例,纳入标准:(1)新生儿(检查日龄≤28天);(2)颅脑MRI序列完整,包括三维(three-dimensional, 3D)T1WI、T2WI、DTI;(3)出生测量指标资料完整,包括胎龄、出生体质量、头围、身长。排除标准:(1)MRI图像伪影明显,影响分析;(2)先天性心脏病;(3)颅脑MRI表现异常:脑内感染、代谢性疾病、脑白质高信号、局灶性脑白质损伤、缺氧缺血性脑病、脑室周围白质软化症、脑梗死、脑出血以及其他常规MRI异常表现。本研究遵守《赫尔辛基宣言》,并经西安交通大学第一附属医院伦理委员会批准,免除受试者知情同意,批准文号:2011-003。

1.2 扫描设备及方法

       应用美国GE Signa HDxt(General Electric Medical System, Milwaukee, WI, USA)3.0 T MRI扫描仪和8通道新生儿专用头部线圈进行扫描。由于磁共振检查噪音的影响,对不能配合磁共振检查的新生儿由主管护士按照新生儿科主管医师医嘱于磁共振检查前约30 min给予0.5 mL/kg 10%水合氯醛灌肠剂(新疆特丰制药,1.34 g)灌肠,待新生儿入睡后,由监护人和主管医师护送至检查室,并在扫描前使用密歇根大学镇静量表评分评估婴儿镇静深度[21]。新生儿用襁褓包裹,将襁褓放置于头线圈。新生儿外耳道放置专用耳塞用来减少磁共振检查噪声对新生儿听觉功能的影响,新生儿头部两侧用弹性海绵垫固定,防止在检查过程中对新生儿心率和呼吸等生理指标进行监测。磁共振检查完成后新生儿如有任何不适及时告知医师并进行处理。

       MRI序列及参数:(1)快速扰相位梯度回波(fast spoiled gradient-recall echo,FSPGR)3D-T1WI序列,TR 10.28 ms,TE 4.62 ms,层厚1 mm,层间距0 mm,FOV 240 mm×240 mm,扫描矩阵128×128;(2)快速自旋回波(fast spin echo, FSE)T2WI序列,TR 4200 ms,TE 118.91 ms,层厚4 mm,层间距0 mm,FOV 180 mm×180 mm,扫描矩阵256×256;(3)单次激发平面回波DTI序列,b值分别为0、600 s/mm2,TR 11 000 ms,TE 69.5 ms,层厚2.5 mm,层间隔0 mm,FOV 180 mm×180 mm,非零b值扩散方向数为30,扫描矩阵128×128。

1.3 图像处理及分析

1.3.1 DTI参量计算

       采用头动及涡流校正的方法对所有个体的DTI数据去除因运动伪影所致的变形,应用FSL软件中的Diffusion Toolbox模块进行DTI参量(FA、MD)计算。

1.3.2 3D-T1WI数据预处理

       (1)应用联影智能科研平台(uAI Research Portal, Shanghai, China)[22, 23, 24]进行脑组织分割,具体流程包括:对新生儿3D-T1WI图像进行偏差场校正,并重采样到算法空间(空间分辨率1 mm×1 mm×1 mm),灰度值标准化到[-1, 1];

       (2)输入预处理后的图像,基于算法模型获取去颅骨的掩膜,根据掩膜得到去颅骨之后的3D-T1WI图像;

       (3)基于去颅骨的图像输入经过预训练的9脑区分割模型,对每个个体3D-T1WI图像进行分割得到9脑区的掩膜,根据9脑区的掩膜获得仅包含皮层灰质和白质的3D-T1WI图像。

1.3.3 基于T1WI模板的GBSS

       基于T1WI模板的GBSS流程如下(图1)。(1)对预处理后的个体T1WI图像使用Advanced Normalization Tools(ANTs)[25]进行分割生成皮层灰质的概率图;利用所有个体T1WI图像创建本研究群体的模板。(2)使用ANTs对所有个体的FA、MD图像与个体的去颅骨的T1WI图像进行线性配准;线性配准后的FA、MD图像随后通过T1WI图像与模板配准生成的变形场非线性地变形到人群模板。(3)所有个体的灰质概率图线性、非线性地配准到本研究群体的模板,相加并平均化获得平均灰质概率图,并使用FSL中的tbss_skeleton 工具进行骨架化。即提取皮层概率>0.65的体素,保留最可能为皮层的核心体素,生成平均灰质概率图骨架。阈值的设定既兼顾了体素为皮层的概率,又保证了皮层骨架的完整性。最后,将与模板配准后的FA、MD图像投射到平均灰质骨架上。

图1  基于T1WI模板的GBSS处理流程图。GBSS:基于灰质骨架的统计分析;DTI:扩散张量成像;FA:分数各向异性;MD:平均扩散率;GM:灰质。
Fig. 1  GBSS processing workflow based on T1WI template. GBSS: gray matter-based spatial statistics; DTI: diffusion tensor imaging; FA: fractional anisotropy; MD: mean diffusivity; GM: grey matter.

1.3.4 基于皮层灰质的感兴趣区分析

       使用ANTs将约翰霍普金斯大学T1WI模板及其图谱[26]向本研究新生儿脑模板反向配准得到适宜于本研究新生儿的T1WI脑区图谱,选取皮层的48个感兴趣区(region of interest,ROI),提取每个ROI内皮层灰质骨架所有体素的FA、MD值,并计算全脑额、颞、顶、枕叶各个参量平均值及每个ROI内相应参量的平均值。ROI包括双侧额上回(superior frontal gyrus, SFG)、额中回(middle frontal gyrus, MFG)、额下回(inferior frontal gyrus, IFG)、内侧眶额回(medial fronto-orbital gyrus, MFOG)、外侧眶额回(lateral fronto-orbital gyrus, LFOG)、直回(rectus gyrus, RG)、中央前回(precentral gyrus, PrCG)、中央后回(postcentral gyrus, PoCG)、顶上小叶(superior parietal lobule, SPL)、楔前叶(precuneus, PrCu)、扣带回(cingular gyrus, CingG)、缘上回(supramarginal gyrus, SMG)、角回(angular gyrus, AG)、颞上回(superior temporal gyrus, STG)、颞中回(middle temporal gyrus, MTG)、颞下回(inferior temporal gyrus, ITG)、梭状回(fusiform gyrus, Fu)、内嗅皮层(entorhinal cortex, ENT)、枕上回(superior occipital gyrus, SOG)、枕中回(middle occipital gyrus, MOG)、枕下回(inferior occipital gyrus, IOG)、楔叶(cuneus, Cu)、舌回(lyngual gyrus, LG)、岛叶皮层(insular cortex, Ins)。

1.3.5 相关性分析

       采用一般线性模型分别对全部新生儿的胎龄及出生指标与皮层DTI参量的相关性进行统计分析。统计结果经过族错误率校正与无阈值簇增强,并使用FSL Viewer工具叠加到本研究群体T1WI模板上,显示胎龄及出生指标与皮层DTI参量相关性有统计学意义的皮层区域。

1.4 统计学分析

       应用SPSS(Version 26.0, IBM, Corp., Armonk, NY)统计软件进行统计学分析。使用Kolmogorov-Smirnov法分析计量资料的分布特征,如符合正态分布用(x¯±s)表示,不符合正态分布用中位数及四分位数表示[M (P25, P75)]表示。将检查日龄、出生体质量、身长、头围和性别作为协变量进行校正后,应用Matlab 2016a(Math Works, Natick, MA, USA)软件分析新生儿不同脑叶皮层及每个ROI内DTI参量与胎龄及出生指标的相关性。P<0.05时认为差异具有统计学意义。

2 结果

2.1 人口学信息分析

       根据纳入标准共纳入201例新生儿,根据排除标准排除128例,包括MRI图像伪影明显11例、先天性心脏病5例、脑内感染2例、代谢性疾病4例、脑白质高信号12例、局灶性白质损伤62例、缺氧缺血性脑病3例、脑室周围白质软化症2例、脑梗死2例、脑出血15例、其他头颅常规磁共振异常10例。最终符合纳入排除标准的新生儿73例,男48例、女25例,胎龄(37.88±2.70)孕周;检查日龄中位数9(5,11)天;出生体质量(2 811.85±786.58)g;出生头围中位数33.25(32.00,34.50)cm;出生身长中位数47.73(45.50,51.00)cm;5-min Apgar评分中位数9(9,10)分;10-min Apgar评分中位数10(10,10)分。

2.2 新生儿大脑皮层DTI参量与胎龄、出生指标的相关性分析

       将检查日龄、性别、校正后的出生体质量、头围、身长作为协变量,以胎龄为主要研究因素,基于皮层ROI分析新生儿皮层FA、MD值与胎龄的相关性。其中新生儿皮层FA的变化存在两个阶段,以胎龄38周为折点,折点以前,新生儿额、颞、顶、枕叶皮层FA与胎龄均无显著相关性(P>0.05)。折点之后,仅顶叶皮层FA与胎龄存在正性相关性(r=0.424,P=0.009)(图2)。基于ROI分析新生儿皮层MD值与胎龄的相关性结果表明,额叶(r=-0.495,P<0.001)、顶叶(r=-0.452,P<0.001)皮层MD与胎龄存在负性相关性(图2)。

       基于48个皮层ROI的FA值与胎龄的相关性分析结果表明,右侧中央后回的FA值与胎龄相关性最高(r=0.628,P=0.032)。双侧PoCG的FA值与胎龄呈中度正相关(0.500<r<0.800,P<0.05)。双侧SMG、左侧SPL、双侧MTG、左侧LG、双侧LFOG、右侧STG、右侧MFG、双侧IOG、双侧SOG、右侧CingG、右侧MOG、双侧Cu、双侧IFG、双侧AG、右侧Ins、右侧MFOG的FA值与胎龄呈低度正相关(0.300<r<0.500,P<0.05)(图3)。MD值与胎龄的相关性分析结果表明,左侧中央后回的MD值与胎龄相关性最高(r=-0.598,P=0.041)。双侧PoCG的MD值与胎龄呈中度负相关(0.500<|r|<0.600,P<0.05),右侧MFG、双侧Ins、右侧Cu、右侧STG、双侧LFOG、双侧MFG、右侧LG、双侧PrCG、左侧SPL、右侧MOG、右侧SOG、右侧Fu、左侧PrCu、右侧SFG的MD值与胎龄呈低度负相关(0.300<|r|<0.500,P<0.05)(图3)。基于皮层ROI的分析中,出生体质量、头围、身长与皮层DTI参量均无显著相关性(P>0.05)。

       将检查日龄、性别、经胎龄校正后的头围、身长、出生体质量作为协变量,基于全脑皮层体素水平分析新生儿皮层FA、MD参量与胎龄的相关性,结果表明在新生儿(胎龄32~41周)中,双侧STG、Ins、LFOG、LG、Cu、MFG、RG、IFG、CingG、AG、CGC、PoCG、PrCG、SPL的FA参量与胎龄存在正性相关性(P<0.05);而双侧STG、Ins、LFOG、LG、Cu、MFG、RG、IFG、CingG、AG、CGC、PoCG、PrCG、SPL的MD参量与胎龄呈负性相关性(P<0.05)(图45)。另外,将检查日龄、性别作为协变量,基于全脑皮层体素水平分析新生儿皮层FA、MD参量与校正后的出生体质量、头围、身长的相关性,结果表明,出生体质量、头围、身长这三个出生指标与新生儿皮层FA、MD参量均无显著相关性(P>0.05)。

图2  顶叶皮层灰质FA值(2A)、额叶皮层灰质MD值(2B)以及顶叶皮层灰质MD值(2C)与胎龄的相关性分析。FA:分数各向异性;MD:平均扩散率;GA:胎龄。
Fig. 2  Correlation analysis of FA (2A) in parietal cortex, MD in frontal cortex (2B), and MD in parietal cortex (2C) with gestational age. FA: fractional anisotropy; MD: mean diffusivity; GA: gestational age.
图3  基于皮层ROI的FA值(3A)、MD值(3B)与胎龄的相关性分析。*表示P<0.05。ROI:感兴趣区;FA:分数各向异性;MD:平均扩散率;L:左;R:右;PoCG:中央后回;PrCG:中央前回;SMG:缘上回;SPL:顶上小叶;MTG:颞中回;LG:舌回;LFOG:外侧眶额回;STG:颞上回;MFG:额中回;IOG:枕下回;SOG:枕上回;CingG:扣带回;MOG:枕中回;Cu:楔叶;IFG:额下回;AG:角回;Ins:岛叶皮层;MFOG:内侧眶额回;SFG:额上回;Fu:梭状回;ENT:内嗅皮层;ITG:颞下回;PrCu:楔前叶;RG:直回。
Fig. 3  Correlation analysis of FA (3A) and MD (3B) values with gestational age based on cortical ROIs. * represents P<0.05. ROI: region of interest; FA: fractional anisotropy; MD: mean diffusivity; L: left; R: right; PoCG: postcentral gyrus; PrCG: precentral gyrus; SMG: supramarginal gyrus; SPL: superior parietal lobule; MTG: middle temporal gyrus; LG: lyngual gyrus; LFOG: lateral fronto-orbital gyrus; STG: superior temporal gyrus; MFG: middle frontal gyrus; IOG: inferior occipital gyrus; SOG: superior occipital gyrus; CingG: cingular gyrus; MOG: middle occipital gyrus; Cu: cuneus; IFG: inferior frontal gyrus; AG: angular gyrus; Ins: insular cortex; MFOG: medial fronto-orbital gyrus; SFG: superior frontal gyrus; Fu: fusiform gyrus; ENT: entorhinal cortex; ITG: inferior temporal gyrus; PrCu: precuneus; RG: rectus gyrus.
图4  皮层FA参量与胎龄的Spearman相关性分析。绿色为大脑皮层灰质骨架。红-黄色表示正相关性。P<0.05为差异具有统计学意义。FA:分数各向异性。
Fig. 4  Spearman correlation analysis of cortical FA parameter with gestational age. Green represents the grey matter skeleton of the cerebral cortex. Red-yellow colour indicates positive correlation. P<0.05 indicates that the difference is statistically significant. FA: fractional anisotropy.
图5  皮层MD参量与胎龄的Spearman相关性分析。绿色为大脑皮层灰质骨架。蓝色-亮蓝色表示为负相关性。P<0.05为差异具有统计学意义。MD:平均扩散率。
Fig. 5  Spearman correlation analysis of cortical MD parameter with gestational age. Green represents the grey matter skeleton of the cerebral cortex. Blue-bright blue indicates negative correlation. P<0.05 indicates that the difference is statistically significant. MD: mean diffusivity.

3 讨论

       本研究通过分析新生儿皮层DTI参量与胎龄、出生体质量、身长、头围的相关性发现,皮层FA值的变化以胎龄38周为折点,折点以前,新生儿大脑皮层FA与胎龄均无显著相关性,折点之后,仅顶叶皮层FA随胎龄的增加而增加。基于48个皮层ROIs及体素水平的分析中均发现,右侧STG、Ins、MFG、CingG、双侧LFOG、IFG、PoCG、PrCG、左侧SPL的FA值与胎龄呈正相关,而MD值与胎龄呈负相关。右侧PoCG的FA值与胎龄正相关性最强,左侧PoCG的MD值与胎龄负相关性最强。综合体素及ROI水平分析结果表明,新生儿出生体质量、头围、身长与皮层FA、MD参量均无显著相关性。因此,胎龄是影响新生儿大脑皮层发育的主要指标。

3.1 皮层灰质FA、MD值与胎龄的相关性分析

       本研究主要集中于晚期早产儿及足月儿,在全脑皮层体素水平,双侧STG、Ins、LFOG、LG、Cu、MFG、RG、IFG、CingG、AG、CGC、PoCG、PrCG、SPL的FA值随胎龄的增加而增加,双侧STG、Ins、LFOG、LG、Cu、MFG、RG、IFG、CingG、AG、CGC、PoCG、PrCG、SPL的MD值随胎龄的增加而降低。这一时期,大脑皮层仍然未发育成熟,仍存在带有大量间质神经元的底板残体,树突和轴突的生长、修剪、突触的发生、神经元的凋亡、神经化学物质的成熟以及髓鞘的形成仍在持续。FA的变化与这一时期树突的快速生长、突触形成有关,皮层浅层的神经元分化成熟,形成了皮层间的短连接,皮层间短连接的增加使皮层结构更具组织化,皮层FA值随胎龄的增加而增加。皮层 MD 值的持续下降可能与大脑皮层含水量的下降和皮层细胞密度的增加有关,细胞密度的增加继发于这一时期神经突数量和突触形成的增加。

       出生胎龄已被证明与新生儿脑成熟度密切相关[27, 28, 29, 30]。既往对于婴儿GBSS的研究主要基于PMA代替出生胎龄分析其与皮层DTI参量的关联,表明了新生儿大脑皮层成熟的双相模式。OUYANG等[13]发现PMA 31.5~41.7周的早产儿的FA在全脑皮层是异质发展的,对于PMA 32周的早产儿FA在双侧颞叶皮层区域相对较高额上回以及初级感觉运动皮层FA较低,且FA的变化更符合双相分段线性模型,第一阶段表现为31.7~36.4周大脑皮层的FA下降,以及36.4~41.7周FA处于一段平台期,其中枕叶以及颞叶皮层FA下降迅速。而BATALLE等[31]发现在PMA 25~38周期间,FA与大部分皮层区域的PMA呈负相关,而在PMA 38~47周期间,躯体感觉皮层的FA与PMA呈正相关,枕、额叶皮层的MD随PMA的增加而显著下降。本研究结果表明胎龄38周之后,顶叶皮层FA值随胎龄的增加而增加。胎龄38周之前,胞体树突生长以及突触的形成破坏了皮层微观结构的径向组织,导致FA变化缓慢;胎龄38周之后,锥体神经元不断分化、基底树突的增加、放射状胶质细胞支架的消失、突触过度生长后的裁剪,形成了更具组织化的皮层结构,导致了皮层FA值的增加。

3.2 相关性脑区的功能分析

       大脑皮层的脑区按照功能可分为两类:视觉、听觉、感觉运动皮层和联合皮层。中央后回在中央沟与中央后沟之间,是初级躯体感觉皮层所在地,它接收触觉、痛觉、温度觉和本体感觉,中央前回是人体初级躯体运动皮层,支配对侧躯体与肢体的运动。大脑的联合皮层指除了初级皮层以外的脑区,主要包括前额叶、扣带、楔前部、颞叶中部及顶下皮层等[32, 33, 34]。初级感觉运动区主要加工单通道信息,如视觉、听觉,而联合皮层主要整合多通道感觉信息,参与更高级的认知功能,如注意力控制、记忆、感知和语言等。既往组织学研究表明最早发育成熟的是初级感觉运动皮层,其次是视觉皮层,最后是前额叶[34, 35]。早产儿皮层折叠中也发现了相似的成熟模式。既往早产儿皮层研究表明,皮层体积增长最大的是中央前、后回,中央前、后回在20~24周以及24~28周发育[36]。本研究发现右侧PoCG的FA值与胎龄正相关性最高,双侧PoCG的MD与胎龄的负相关性较强,与既往研究结果一致[13, 14, 31],表明了妊娠晚期大脑皮层的快速和异质性成熟,且初级感觉运动皮层的发育成熟早于联合皮层。

       随着生后日龄的增加,一直到2岁,新生儿大脑皮层厚度逐渐增加,婴儿期感觉运动皮层和初级视觉皮层厚度变化较小,而眶额皮层、前额叶皮层和前岛叶皮层厚度显示出显著的变化,婴儿皮层厚度的变化沿着感觉运动-联合皮层轴发生,显示出皮层不同区域的成熟轨迹[37]。本研究发现皮层FA与MD值与胎龄呈低度相关的区域主要分布于前额叶、顶叶、颞叶、岛叶皮层,均属于联合皮层。在生后早期,新生儿大脑皮层不断发育成熟,细胞密度增加,树突分支、修剪、突触形成增加了水分子扩散的各向异性,不同脑区FA、MD变化速率并不相同,前额叶、顶叶、颞叶、岛叶皮层变化较慢。皮层FA和MD的结果相互补充,表明不同脑区树突分支、突触形成的快慢。新生儿大脑皮层FA、MD值的变化符合感觉运动-联合皮层轴,且存在空间异质性。

       本研究基于体素及ROI水平的分析均表明,皮层FA、MD值与校正后的出生体质量、头围、身长无显著相关性。既往研究发现极低出生体质量儿的皮层体积、厚度、表面积与正常出生体质量的同龄人对比存在显著差异[38]。也有研究发现,出生体质量、头围、身长与婴儿及儿童智力发育存在相关性[39, 40]。本研究利用线性回归对出生体质量、头围、身长进行了校正,剔除了胎龄的影响,未发现FA、MD值与出生体质量、头围、身长的相关性,表明胎龄、校正后的出生体质量、身长、头围这四个指标中,胎龄是影响新生儿大脑皮层发育的主要指标。

       本研究利用DTI描述新生儿整个大脑皮层的发育变化,表明不同胎龄新生儿大脑皮层微观结构发育的空间异质性。在胎龄32至41周发育过程中,皮层FA、MD的变化在各个区域是异步的,表明不同区域的皮层微观结构成熟是不同步的。大脑的各种功能是由神经环路调节的,神经环路的发展需要潜在的细胞和分子过程的协调,皮层不同区域的形成可能与树突分化、突触形成和神经元凋亡有关,从而导致妊娠晚期大脑皮层的发育差异。大脑皮层FA、MD的区域异质性变化模式反映了这些潜在的过程。

3.3 局限性

       本研究存在几个局限性。第一,本研究对胎龄32~41周的新生儿采用了组平均模板应用于GBSS,未来需扩大样本量并按照胎龄的不同分别建立模板,进一步分析新生儿大脑皮层发育进程不同阶段的变化规律;第二,本研究为横断面研究,对新生儿大脑皮层发育变化特点需进一步纵向随访研究,并对婴儿进行神经行为学发育评估,以建立两者间的联系,更全面地描绘新生儿大脑皮层早期发育规律。

4 结论

       综上所述,本研究通过分析胎龄32~41周的新生儿皮层DTI参量与胎龄、出生体质量、身长、头围的相关性发现,皮层FA、MD参量随胎龄的变化存在区域异质性,初级感觉和运动皮层的发育成熟早于联合皮层;相较出生体质量、身长、头围,胎龄是影响新生儿大脑皮层发育的主要指标,为理解大脑早期发育过程中皮层微结构属性发育变化提供了启示。

[1]
GALAKHOVA A A, HUNT S, WILBERS R, et al. Evolution of cortical neurons supporting human cognition[J]. Trends Cogn Sci, 2022, 26(11): 909-922. DOI: 10.1016/j.tics.2022.08.012.
[2]
AKULA S K, EXPOSITO-ALONSO D, WALSH C A. Shaping the brain: The emergence of cortical structure and folding[J]. Dev Cell, 2023, 58(24): 2836-2849. DOI: 10.1016/j.devcel.2023.11.004.
[3]
KOSTOVIĆ I, JOVANOV-MILOSEVIĆ N. The development of cerebral connections during the first 20-45 weeks' gestation[J]. Semin Fetal Neonatal Med, 2006, 11(6): 415-422. DOI: 10.1016/j.siny.2006.07.001.
[4]
SHIBATA M, PATTABIRAMAN K, LORENTE-GALDOS B, et al. Regulation of prefrontal patterning and connectivity by retinoic acid[J]. Nature, 2021, 598(7881): 483-488. DOI: 10.1038/s41586-021-03953-x.
[5]
YANG T, VELING M W, ZHAO X F, et al. Migrating pyramidal neurons require DSCAM to bypass the border of the developing cortical plate[J]. J Neurosci, 2022, 42(28): 5510-5521. DOI: 10.1523/jneurosci.0997-21.2022.
[6]
HANSEN A H, HIPPENMEYER S. Non-cell-autonomous mechanisms in radial projection neuron migration in the developing cerebral cortex[J/OL]. Front Cell Dev Biol, 2020, 8: 574382 [2024-03-08]. https://pubmed.ncbi.nlm.nih.gov/33102480/. DOI: 10.3389/fcell.2020.574382.
[7]
VANDERHAEGHEN P, POLLEUX F. Developmental mechanisms underlying the evolution of human cortical circuits[J]. Nat Rev Neurosci, 2023, 24(4): 213-232. DOI: 10.1038/s41583-023-00675-z.
[8]
OHTAKA-MARUYAMA C, OKAMOTO M, ENDO K, et al. Synaptic transmission from subplate neurons controls radial migration of neocortical neurons[J]. Science, 2018, 360(6386): 313-317. DOI: 10.1126/science.aar2866.
[9]
ANDREWS M G, SUBRAMANIAN L, SALMA J, et al. How mechanisms of stem cell polarity shape the human cerebral cortex[J]. Nat Rev Neurosci, 2022, 23(12): 711-724. DOI: 10.1038/s41583-022-00631-3.
[10]
ZHU T, PENG Q, OUYANG A, et al. Neuroanatomical underpinning of diffusion kurtosis measurements in the cerebral cortex of healthy macaque brains[J]. Magn Reson Med, 2021, 85(4): 1895-1908. DOI: 10.1002/mrm.28548.
[11]
VASUNG L, CHARVET C J, SHIOHAMA T, et al. Ex vivo fetal brain MRI: Recent advances, challenges, and future directions[J]. Neuroimage, 2019, 195: 23-37. DOI: 10.1016/j.neuroimage.2019.03.034.
[12]
BREU M, REISINGER D, TAO L, et al. In vivo high-resolution diffusion tensor imaging of the developing neonatal rat cortex and its relationship to glial and dendritic maturation[J]. Brain Struct Funct, 2019, 224(5): 1815-1829. DOI: 10.1007/s00429-019-01878-w.
[13]
OUYANG M, JEON T, SOTIRAS A, et al. Differential cortical microstructural maturation in the preterm human brain with diffusion kurtosis and tensor imaging[J]. Proc Natl Acad Sci U S A, 2019, 116(10): 4681-4688. DOI: 10.1073/pnas.1812156116.
[14]
YU Q, OUYANG A, CHALAK L, et al. Structural development of human fetal and preterm brain cortical plate based on population-averaged templates[J]. Cereb Cortex, 2016, 26(11): 4381-4391. DOI: 10.1093/cercor/bhv201.
[15]
CHAN W Y, YEW D T. Apoptosis and Bcl-2 oncoprotein expression in the human fetal central nervous system[J]. Anat Rec, 1998, 252(2): 165-175. DOI: 10.1002/(sici)1097-0185(199810)252:2<165::Aid-ar2>3.0.Co;2-2.
[16]
BASSER P J, MATTIELLO J, LEBIHAN D. MR diffusion tensor spectroscopy and imaging[J]. Biophys J, 1994, 66(1): 259-267. DOI: 10.1016/S0006-3495(94)80775-1.
[17]
SMYSER T A, SMYSER C D, ROGERS C E, et al. Cortical gray and adjacent white matter demonstrate synchronous maturation in very preterm infants[J]. Cereb Cortex, 2016, 26(8): 3370-3378. DOI: 10.1093/cercor/bhv164.
[18]
BOUYSSI-KOBAR M, BROSSARD-RACINE M, JACOBS M, et al. Regional microstructural organization of the cerebral cortex is affected by preterm birth[J]. Neuroimage Clin, 2018, 18: 871-880. DOI: 10.1016/j.nicl.2018.03.020.
[19]
WANG W, YU Q, LIANG W, et al. Altered cortical microstructure in preterm infants at term-equivalent age relative to term-born neonates[J]. Cereb Cortex, 2023, 33(3): 651-662. DOI: 10.1093/cercor/bhac091.
[20]
DUBOIS J, DEHAENE-LAMBERTZ G, KULIKOVA S, et al. The early development of brain white matter: a review of imaging studies in fetuses, newborns and infants[J]. Neuroscience, 2014, 276: 48-71. DOI: 10.1016/j.neuroscience.2013.12.044.
[21]
MALVIYA S, VOEPEL-LEWIS T, TAIT A R, et al. Depth of sedation in children undergoing computed tomography: validity and reliability of the University of Michigan Sedation Scale (UMSS)[J]. Br J Anaesth, 2002, 88(2): 241-245. DOI: 10.1093/bja/88.2.241.
[22]
XIAO B, CHENG X, LI Q, et al. Weakly Supervised Confidence Learning for Brain MR Image Dense Parcellation, Cham, F, 2019[C]. Springer International Publishing.
[23]
WEI J, SHI F, CUI Z, et al. Consistent Segmentation of Longitudinal Brain MR Images with Spatio-Temporal Constrained Networks, Cham, F, 2021[C]. Springer International Publishing.
[24]
WU J, XIA Y, WANG X, et al. uRP: An integrated research platform for one-stop analysis of medical images[J/OL]. Front Radiol, 2023, 3: 1153784 [2024-03-08]. https://pubmed.ncbi.nlm.nih.gov/33102480/. DOI: 10.3389/fradi.2023.1153784.
[25]
AVANTS B B, TUSTISON N J, SONG G, et al. A reproducible evaluation of ANTs similarity metric performance in brain image registration[J]. Neuroimage, 2011, 54(3): 2033-2044. DOI: 10.1016/j.neuroimage.2010.09.025.
[26]
OISHI K, MORI S, DONOHUE P K, et al. Multi-contrast human neonatal brain atlas: application to normal neonate development analysis[J]. Neuroimage, 2011, 56(1): 8-20. DOI: 10.1016/j.neuroimage.2011.01.051.
[27]
JIN C, LI Y, LI X, et al. Associations of gestational age and birth anthropometric indicators with brain white matter maturation in full-term neonates[J]. Hum Brain Mapp, 2019, 40(12): 3620-3630. DOI: 10.1002/hbm.24620.
[28]
GALE-GRANT O, FENN-MOLTU S, FRANÇA L G S, et al. Effects of gestational age at birth on perinatal structural brain development in healthy term-born babies[J]. Hum Brain Mapp, 2022, 43(5): 1577-1589. DOI: 10.1002/hbm.25743.
[29]
DIPIERO M, RODRIGUES P G, GROMALA A, et al. Applications of advanced diffusion MRI in early brain development: a comprehensive review[J]. Brain Struct Funct, 2023, 228(2): 367-392. DOI: 10.1007/s00429-022-02605-8.
[30]
CALIXTO C, MACHADO-RIVAS F, KARIMI D, et al. Detailed anatomic segmentations of a fetal brain diffusion tensor imaging atlas between 23 and 30 weeks of gestation[J]. Hum Brain Mapp, 2023, 44(4): 1593-1602. DOI: 10.1002/hbm.26160.
[31]
BATALLE D, O'MUIRCHEARTAIGH J, MAKROPOULOS A, et al. Different patterns of cortical maturation before and after 38 weeks gestational age demonstrated by diffusion MRI in vivo[J]. Neuroimage, 2019, 185: 764-775. DOI: 10.1016/j.neuroimage.2018.05.046.
[32]
SYDNOR V J, LARSEN B, BASSETT D S, et al. Neurodevelopment of the association cortices: Patterns, mechanisms, and implications for psychopathology[J]. Neuron, 2021, 109(18): 2820-2846. DOI: 10.1016/j.neuron.2021.06.016.
[33]
VAFAII H, MANDINO F, DESROSIERS-GRÉGOIRE G, et al. Multimodal measures of spontaneous brain activity reveal both common and divergent patterns of cortical functional organization[J/OL]. Nat Commun, 2024, 15(1): 229 [2024-03-08]. https://pubmed.ncbi.nlm.nih.gov/38172111/. DOI: 10.1038/s41467-023-44363-z.
[34]
GRAHAM A M, MARR M, BUSS C, et al. Understanding vulnerability and adaptation in early brain development using network neuroscience[J]. Trends Neurosci, 2021, 44(4): 276-288. DOI: 10.1016/j.tins.2021.01.008.
[35]
OUYANG M, DUBOIS J, YU Q, et al. Delineation of early brain development from fetuses to infants with diffusion MRI and beyond[J]. Neuroimage, 2019, 185: 836-850. DOI: 10.1016/j.neuroimage.2018.04.017.
[36]
GARCIA K E, ROBINSON E C, ALEXOPOULOS D, et al. Dynamic patterns of cortical expansion during folding of the preterm human brain[J]. Proc Natl Acad Sci U S A, 2018, 115(12): 3156-3161. DOI: 10.1073/pnas.1715451115.
[37]
WANG F, LIAN C, WU Z, et al. Developmental topography of cortical thickness during infancy[J]. Proc Natl Acad Sci U S A, 2019, 116(32): 15855-15860. DOI: 10.1073/pnas.1821523116.
[38]
INDER T E, WARFIELD S K, WANG H, et al. Abnormal cerebral structure is present at term in premature infants[J]. Pediatrics, 2005, 115(2): 286-294. DOI: 10.1542/peds.2004-0326.
[39]
KIRKEGAARD H, MÖLLER S, WU C, et al. Associations of birth size, infancy, and childhood growth with intelligence quotient at 5 years of age: a Danish cohort study[J]. Am J Clin Nutr, 2020, 112(1): 96-105. DOI: 10.1093/ajcn/nqaa051.
[40]
YU W H, WANG S T, CHEN L W, et al. Effect of first-month head-size growth trajectory on cognitive outcomes in preterm infants[J]. J Formos Med Assoc, 2022, 121(1Pt 2): 367-374. DOI: 10.1016/j.jfma.2021.05.013.

上一篇 血管周围间隙扩散张量成像指数在评估儿童良性Rolandic癫痫脑类淋巴系统功能及疾病状态的价值
下一篇 足月新生儿大脑体积偏侧性分布及与神经行为学的相关性研究
  
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