0 引言

       卵圆孔是胚胎时期心脏的正常生理通道，出生后自然闭合，3岁后还未闭合的称为卵圆孔未闭（patent foramen ovale, PFO）^[1]。PFO是常见的成人先天性心脏结构异常之一，在人群中患病率约四分之一，30岁以下人群中更为普遍^[2]。

       正常情况下左心房压力高于右心房，因此较小的卵圆孔裂隙一般不会引起分流，所以大多数成年PFO患者没有明显症状，当因剧烈运动、咳嗽或潜水等导致右心房压力超过左心房时，卵圆孔可发生明显的右向左分流（right-to-left shunt, RLS），静脉中的物质未经肺循环直接进入动脉循环。这种血液循环的异常可能导致反常栓塞等中枢神经系统疾病，出现头痛、眩晕甚至呼吸困难等症状^{[1, 3]}。这些症状对患者的正常生活造成严重困扰，还可能会增加青年隐源性卒中（cryptogenic stroke, CS）的发病率^[3]。

       目前经皮介入封堵术是治疗PFO的主要方法，研究发现封堵术后患者继发病症有所减轻^[4]，偏头痛、脑梗死等情况也有一定缓解^{[5, 6, 7]}，但也有试验结果显示封堵术后偏头痛发生频率与术前没有明显变化，因此其对于偏头痛的疗效还不明确^{[7, 8, 9]}。对于高风险PFO，即RLS级别较高或合并其他心脏疾病如房间隔动脉瘤者，PFO封堵术的效果尤其显著^{[10, 11]}。

       功能磁共振成像（functional magnetic resonance imaging, fMRI）技术能够通过脑血流-血氧代谢变化来反映神经元的活动，进而评估脑功能的改变^[12]。神经科学家以点和连边的方式表示脑不同区域间的联系，这一网络架构使得人类大脑能够以较低的能耗维持高效的全脑区域间通讯，展现出独特的“小世界”特性，图论方法可以量化功能数据，评价中枢神经系统疾病对于这种特性的破坏^{[13, 14]}。基于独立成分分析（independent component analysis, ICA）方法可以探究脑区功能连接的状况，揭示疾病的发病机制^[15]。目前有很多对缺血性卒中及偏头痛等神经系统疾病研究发现脑网络的异常^{[16, 17, 18]}，PFO与这些疾病密切相关，但目前尚缺乏PFO患者脑功能变化的研究。

       因此本研究利用fMRI从网络拓扑与功能连接双重维度明确在脑梗死形成之前PFO是否导致脑网络的异常变化，并通过封堵术前后的图像数据对比分析脑功能网络的改变，从而探究PFO相关神经系统疾病的脑损伤机制，期望通过脑网络异常提前预警PFO相关风险，实现早识别、早干预，并可能作为封堵术疗效的客观量化和长期预后指标。

1 材料与方法

1.1 研究对象

       本研究为前瞻性研究，选取2023年10月至2024年10月于河北医科大学第二医院心脏外科住院拟行介入封堵术的卵圆孔未闭患者77例，经胸超声心动图声学造影（contrast-enhanced transthoracic echocardiography, cTTE）检查证实为卵圆孔未闭，符合《卵圆孔未闭超声诊断中国专家共识》中的诊断标准^[19]。同期从社区招募年龄、性别与患者相匹配的健康对照者（healthy controls, HC）42例，分别命名为PFO组与HC组。在患者接受介入封堵手术六个月后，对PFO组进行回访，最终收集到术后资料24例，命名为术后组，其术前基线资料为术前组。本研究遵循《赫尔辛基宣言》，经河北医科大学第二医院科研伦理委员会审批通过（批准文号：2023-R590、2023-R590-N1），所有受试者均签署知情同意书。

       PFO组纳入标准：（1）经cTTE检查证实为卵圆孔未闭者；（2）临床资料完整者；（3）年龄18~65岁生命体征稳定正常者；（4）无磁共振成像（magnetic resonance imaging, MRI）检查禁忌证者；（5）右利手者。排除标准：（1）患有冠心病、急性心肌梗死等其他心脏疾病者；（2）患有精神疾病或脑梗死等脑部疾病者；（3）存在交流及认知障碍不能完成病情调查者；（4）MRI图像质量不能满足诊断要求者。

       HC组纳入标准：（1）性别、年龄等与PFO组相匹配者；（2）无磁共振检查禁忌证者。排除标准：（1）有神经及精神疾病病史者；（2）有颅脑创伤及肿瘤相关病史者；（3）头颅结构影像有明显异常者。

1.2 研究方法

       使用3.0 T MRI扫描仪（美国GE公司SIGNA Architect）和24通道相控阵头颈部线圈采集MRI数据。MRI扫描过程中患者平躺、闭眼并保持呼吸均匀。为患者提供隔音耳塞以减轻噪音干扰，同时用泡沫垫固定头部，以减少位置移动。本研究采集的MRI序列包括血氧水平依赖（blood oxygen level dependent, BOLD）成像、三维T1加权成像（three-dimensional T1 weighted imaging, 3D-T1WI）、T2加权成像（T2 weighted imaging, T2WI）及液体衰减反转恢复T2加权成像（fluid attenuated inversion recovery T2 weighted imaging, T2 FLAIR）。T2WI和T2 FLAIR用来排除脑结构异常者，3D-T1WI图像用于BOLD图像配准，扫描范围为颅顶至颅底，采集范围保持一致（表1）。

       术前24小时内对PFO组受试者进行MRI检查与认知评估量表（Montreal Cognitive Assessment, MoCA）^[20]、疼痛视觉模拟评分法（Visual Analogue Scale, VAS）^[21]以及视觉症状与生活质量问卷（Visual Symptoms and Quality of Life Questionnaire, VSQ）^[22]的评分；同时期于MRI检查当日对HC组进行MoCA及VSQ评分；接受手术6个月后（不超过10天），对术后组受试者进行MRI检查与MoCA、VAS及VSQ评分；所有评分均由两名不知情研究者独立完成，不一致时取均值。

点击查看表格

表1  MRI扫描参数
Tab. 1  Parameters of MRI scan

1.3 图像数据处理

       所有图像数据均应用MATLAB R2013b（https://www.mathworks.com）进行处理，采用GRETNA 2015^[23]进行脑网络构建和分析，使用spm12的GIFT v3.0b工具包^[24]进行ICA分析。本研究构建基于相关性的加权网络，用于模拟匹配的脑图谱选择AAL90模板，为保障节点连接有效性，脑功能连接矩阵的起始稀疏度设为0.05，结束稀疏度为0.4，步长为0.01。首先对数据进行预处理，移除前5个时间点产生的图像，再对数据进行时间层校正和头动校正，头动阈值为1 mm或1°；利用3D-T1WI图像与BOLD图像进行配准，消除不同个体的差异性；使用MATLAB提供的滤波函数以减少图像中的噪声，滤除0.01~0.08 Hz频段外的低频和高频噪声。最后去除协变量，去除图像中全脑信号、白质相关信号、脑脊液、头动参数等因素对数据的影响。

       脑网络连接分析以7个静息态脑网络为模板，分别为执行控制网络（executive control network, ECN）、背侧注意网络（dorsal attention network, DAN）、左侧额顶网络（left fronto-parietal network, LFPN）、右侧额顶网络（right fronto-parietal network, RFPN）、视觉网络（visual network, VN）、感觉运动网络（sensory-motor network, SMN）以及默认模式网络（default mode network, DMN）^[25]。

       采用GIFT软件包执行组独立成分分析（Group ICA），通过Sorting Component GUI模块完成模板初匹配（空间相关系数r>0.5）、ICASSO算法验证稳定性（IQ>0.8），筛选出时间序列0.01~0.08 Hz低频波动为主、空间分布集中于灰质并与经典脑网络模板匹配（Z阈值2.0）的成分；剔除运动、生理、仪器类伪影相关信号，保留方差解释率在1%~10%、组间空间模式相关系数r>0.8的成分。去除年龄性别等协变量之后计算功能连接矩阵，并分析各组sFNC。图像处理均由2名具有5年以上诊断经验的影像科医师独立完成，采用双盲设计屏蔽分组与临床信息，不一致数据由高级职称医师复核确认，确保操作一致性。

1.4 脑网络的小世界属性分析

       脑网络拓扑属性相关的参数如曲线下面积（area under the curve, AUC）反映了脑网络的功能特性、信息传递机制以及疾病状态下的网络变化等。应用图论分析方法量化这些参数，采用标准化脑图谱AAL 90将全脑划分成预设的灰质脑区（90个皮层ROI+12个皮下ROI），直接提取ROI内体素的平均时间序列，利用GRETNA工具包对PFO组和HC组的脑网络数据进行整体拓扑属性的比较，计算出聚类系数（clustering coefficient, Cp）、特征路径长度（characteristic path length, Lp）、全局效率（global efficiency, Eglob）和局部效率（local efficiency, Eloc）的AUC值，同时计算脑网络“小世界”特性的关键参数标准化聚类系数（normalized clustering coefficient, γ）、标准化特征路径长度（normalized characteristic path length, λ）及小世界属性（small worldness, σ）。

1.5 统计学分析

       应用 SPSS 25.0统计软件对PFO组与HC组的年龄、MoCA及VSQ评分数据进行统计，符合正态性的数据采用独立样本t检验，不符合正态性的数据采用Wilcoxon配对符号秩检验，对两组的性别进行卡方检验。对术前、术后两组的MoCA、VAS及VSQ评分数据进行配对检验，差值符合正态性的数据采用配对样本t检验，不符合正态性的数据采用Wilcoxon配对符号秩检验。基于MATLAB应用GRETNA工具包对PFO组与HC组的拓扑属性参数（包括Cp、Lp、Eglob、Eloc）和小世界属性参数（包括γ、λ、σ）进行独立样本t检验，术前术后数据采用配对样本t检验。借助GIFT软件包内置的Mancovan工具分析PFO组与HC组的sFNC差异之间的相关性，并对术前术后两组配对样本之间的sFNC差异进行分析。以P＜0.05为差异有统计学意义。

2 结果

2.1 一般资料

2.1.1 PFO组与HC组的人口学统计及量表

       PFO组与HC组的性别、年龄差异均无统计学意义（P>0.05）。PFO组MoCA评分低于HC组，VSQ评分高于HC组，差异均有统计学意义（P<0.05）（表2）。

点击查看表格

表2  PFO组及HC组的人口学统计及量表统计
Tab. 2  Demographic and clinical data of PFO and HC groups

2.1.2 术前组与术后组的人口学统计及量表

       PFO组受试者共77例，其中女54例（70.1%），男23例（29.9%），年龄（38.35±10.73）岁；术后组共24例，其中女21例（87.5%），男3例（12.5%），年龄（39.54±10.52）岁。PFO组与术后组的性别差异无统计学意义（χ²=2.888，P=0.089）；PFO组与术后组的年龄差异无统计学意义（t=-0.477，P=0.634）。

       术前组与术后组的MoCA评分差异无统计学意义（P>0.05），术后组的VAS评分、VSQ评分低于术前组，差异均有统计学意义（均P<0.05）（表3）。

点击查看表格

表3  术前组与术后组的评分量表统计
Tab. 3  Statistical analysis of the scoring scales between the preoperative group and the postoperative group

2.2 小世界属性与通信效率分析

2.2.1 PFO组与HC组的小世界属性与通信效率

       PFO组小世界网络特征性参数σ、γ高于HC组，λ、Cp、Lp低于HC组，差异均有统计学意义（P<0.05）（表4、图1A）。PFO组Eglob高于HC组，差异有统计学意义（P<0.05）；PFO组与HC组Eloc差异无统计学意义（P>0.05）（表4）。

点击查看大图

图1  小世界属性统计图。1A：PFO组与HC组小世界属性统计图。1B：术前组与术后组小世界属性统计图。阴影面积为曲线下面积，表示不同稀疏度范围内脑网络小世界属性的强度与稳定性。阴影重合部分为95%置信区间，阴影非重合部分表示小世界属性显著的区域。黄线与灰线为不同稀疏度下两组小世界属性的均值。PFO：卵圆孔未闭；HC：正常对照。
Fig. 1  Plot of statistical results of small-world attributes. 1A: Plot of statistical results of small-world attributes between PFO and HC groups. 1B: Plot of statistical results of small-world properties of the preoperative group and the postoperative group. The shaded area represents the area under the curve, indicating the intensity and stability of the small-world property of the brain network within different ranges of sparsity. The overlapping shaded areas represent the 95% confidence interval and the non-overlapping shaded areas indicate the regions where the small-world properties are significant. The yellow and gray lines represent the mean values of the small-world properties of the two groups at different sparsity levels. PFO: patent foramen ovale; HC: normal control.

点击查看表格

表4  PFO组及HC组脑网络属性的参数
Tab. 4  Characteristic parameters of brain network properties in PFO and HC groups

2.2.2 术前组与术后组的小世界属性与通信效率

       术前组与术后组脑网络属性参数值差异均无统计学意义（P>0.05）（表5、图1B）。

点击查看表格

表5  术前组与术后组脑网络属性的参数
Tab. 5  Parameters of brain network properties in the preoperative group and the postoperative group

2.3 脑功能连接分析

2.3.1 PFO组与HC组的脑功能连接分析

       基于GIFT软件包对PFO组及HC组受试者的静息态fMRI数据进行Group ICA分析，设定成分数为30，经算法验证并排除不符合标准的成分，最终识别出有效成分13个，其中IC编号为9、11、21、25属于DAN；IC编号为8、15、17属于VN；IC编号为1属于RFPN；IC编号为23、27属于LFPN；IC编号为26属于DMN；IC编号为28、29属于SMN。PFO组与HC组相比，LFPN-SMN、LFPN-DAN的sFNC增强（P<0.05），VN-SMN、DAN-SMN及DAN-DMN的sFNC减弱（P<0.05）（图2A）。

点击查看大图

图2  sFNC变化示意图。2A：PFO组与HC组相比sFNC的变化。2B：术前组与术后组相比sFNC的变化。PFO：卵圆孔未闭；HC：正常对照；sFNC：动态功能连接。
Fig. 2  Diagram of sFNC Changes. 2A: The changes of sFNC in the PFO group compared with the HC group. 2B: The changes in sFNC between the preoperative group and the postoperative group. PFO: patent foramen ovale; HC: healthy control; sFNC: dynamic functional connectivity.

2.3.2 术前组与术后组的脑功能连接分析

       基于GIFT软件包对术前组与术后组受试者的静息态fMRI数据进行配对 ICA分析，设定成分数为30，经算法验证并排除不符合标准的成分，最终识别出有效成分5个，其中IC编号为10、12、19属于DAN；IC编号为22属于DMN；IC编号为30属于VN。术后组DAN-VN的sFNC较术前组增强（P<0.05）（图2B）。

3 讨论

       本研究首次基于fMRI将拓扑属性与功能连接相结合探究PFO患者的脑网络变化，通过图论方法计算发现PFO患者脑网络小世界属性及全局、局部效率与HC组相比发生改变，通过ICA方法分析得出PFO组的部分脑区功能连通性变化。通过术前术后数据的对比发现封堵术后6个月PFO患者部分脑网络间的sFNC增强，并通过量表分析发现患者术后疼痛、视觉的改善。这为阐明PFO相关神经系统疾病的中枢机制提供了理论依据，并可能为相关隐源性疾病的治疗提供帮助。

3.1 脑网络小世界属性与通信效率的变化

       BULLMORE等^[26]提出，脑网络是具有拓扑特性的复杂网络，这是它能够自我调节和抵御外界扰乱的基础。这种集成网络能够在全球分布的众多元素之间迅速交换信息，当有刺激产生时将打破这种模式并破坏其拓扑属性^{[27, 28]}。在工作或记忆时，脑网络以高效率和短传输路径形式存在，当认知需求减少时，网络可重新配置成为具有更高的集群性、更高的模块化和更长的远程连接的形式^[29]。因此，效率和连接距离之间的平衡可以通过功能网络迅速重新分配。有学者对其他中枢神经系统疾病如精神分裂症和阿尔兹海默症（Alzheimer's disease, AD）等患者的fMRI研究发现其网络的Cp降低，Lp变长，σ降低，意味着脑功能网络的拓扑结构稳定性受到破坏，导致信息传递效率的下降^{[30, 31]}。本研究中PFO组Cp降低，这表明PFO组的局部功能网络中节点之间的连接紧密性下降，可能导致信息在局部网络中的传递效率降低，影响局部区域的功能协调性。此外，PFO组的全局效率相比HC组升高，较高的全局效率表明大脑网络能够在不同区域之间迅速且高效地传递和处理信息^[32]，且同样关联着大脑的可塑性及其对损伤的恢复能力，因为一个高效的神经网络即便在部分区域受损的情况下，也能通过其他代偿路径继续维持其功能^[14]。这种变化可能意味着PFO患者的全局处理能力增强。

       本研究显示PFO组Lp降低。前人的研究发现有些疾病的结构Lp与功能网络的Lp可能呈相反的变化趋势，如LO等^[30]发现AD患者的结构脑网络的Lp增加，即效率降低，而SANZ-ARIGITA等^[33]发现AD患者的功能网络的Lp降低，即效率提高。UEHARA^[32]的研究结果表明，功能网络组织的调节是独立于解剖网络组织的变化的，患者的功能网络可能会被重组，以弥补结构网络效率的降低。而脑功能网络是动态变化的，它具有自我调节能力的最优分配机制，较低的Lp表示整个大脑的通信效率较高，而我们的研究中PFO组Lp较HC组相比降低，可能是功能网络重新配置以补偿结构网络效率降低的结果。

       γ揭示了局部脑区节点在信息处理能力方面的差异，而λ可以体现不同脑区之间信息传输整合的能力^[26]，本研究结果表明，与HC组相比，PFO患者的脑网络λ值有所降低，而γ值则有所上升，这可能表明患者的脑网络整合能力得到了提升，但局部脑区节点功能下降，与其Cp降低的结果一致。PFO患者可能为确保正常的生理功能而增加了远程脑区连接，这种结果在对偏头痛患者的脑网络研究中也有证明^[34]。而PFO患者小世界属性σ的升高可能是由于缩短Lp来提升全脑传递效率，从而导致Eglob的升高和λ的降低。综合来说，本研究中PFO患者的脑网络稳定性下降，信息传输速率与全局整合能力反而增强，可能是结构脑网络受损后功能脑网络为保持正常生理功能重新配置的代偿性结果。

       WU等^[35]对于卒中患者的fMRI研究发现卒中后患者的脑网络会重组以适应卒中后的功能障碍。有临床研究发现PFO封堵后患者的卒中发生率降低^[7]，而脑网络是根据不同的刺激而动态变化的，那么封堵后PFO患者的脑网络可能也会有相应的调整，但本研究结果显示PFO患者术前术后脑网络属性参数值均无显著差异，可能与术后随访时间较短，样本统计量不足等因素有关，具体结论还需更大、更均衡的队列研究来探索。

3.2 sFNC的改变

       本研究显示，PFO组与HC组相比，LFPN-SMN、LFPN-DAN的sFNC增强，VN-SMN、DAN-SMN及DAN-DMN间的sFNC减弱。术后PFO患者DAN-VN的sFNC增强，SMN包括中央前回、中央后回和辅助运动区，其中，中央后回主要承担感觉信息的传导任务如痛觉或情感的传递，在接收感觉后由辅助运动区和ECN控制躯体运动^[34]。DAN和LFPN及RFPN均属于外部注意网络，主要与注意力和认知功能相关^[36]。额顶网络（fronto-parietal network, FPN）在全脑网络中起着协调与规划的核心作用，负责在感知到外部刺激时做出相应反应，关联着感觉、认知及运动等多个网络^[37]。本研究中PFO患者LFPN-SMN、LFPN-DAN的连接增强，代表对于感觉信息的传递和整体处理能力的增强，LFPN介导的高级认知指令，可通过连接通路更高效地传递至SMN以协调躯体运动，同时与DAN联动实现对环境信息的捕捉与聚焦。PFO组VSQ评分高于HC组，表明PFO患者存在更明显更频繁的视觉相关不适症状，因此这种连接增强可能是大脑对前庭-视觉症状的代偿性适应，旨在通过强化“认知-运动-注意”的协同调控缓解姿势不稳、视觉诱发头晕等不适，但长期过度代偿可能增加脑网络功能负荷，反而加重头晕、视觉疲劳等临床症状，在阻塞性睡眠呼吸暂停综合征的脑网络研究中也出现这种代偿性调整的结果^[38]。

       本研究中PFO患者DAN-DMN的sFNC减低，VN-SMN的sFNC减弱。DMN主要在安静或休息状态下负责默认信息的处理，其中的后扣带回又负责疼痛和感觉信息的传递处理^[36]。研究发现AD患者的脑区异常可能首先出现在特定的脑网络如DMN等，DMN与认知功能密切相关，另外许多关于中枢系统疾病的患者的功能连接分析都出现了DMN的连接异常，因此研究者认为大脑疾病可能首先破坏长传输路径、高度集群化、高能量需求的脑网络^{[26, 39]}。而DAN主要负责在受到外部刺激时集中注意来对任务做出处理，二者连接强度降低代表脑区间的协作调配功能下降，可能导致注意力分散、前庭感知紊乱，PFO组MoCA评分低于HC组证实了这一点，这种连接异常还可能导致感知疼痛时无法通过调控外部注意来缓解痛感，这在精神退行性疾病或抑郁症患者的脑网络中也被发现^{[40, 41]}。VN代表视觉网络，主要处理视觉信号，并与其他网络相结合共同支持复杂的认知活动。VN与SMN的连接负责视觉信号与运动调控信息的高效整合，支撑眼球运动协调、视觉姿势维持平衡等核心功能，连接强度下降会导致视觉信号传递与运动协同障碍，引发视物模糊、复视等症状，PFO组VSQ评分较高也与这一结果一致。DAN与SMN的神经元活动信号同时降低，代表对于信息的传递功能减弱，可能与认知或集中注意力的能力下降有关。猜测长期头痛或眩晕会导致脑网络的调整，大脑通过降低注意来减少对疼痛的感知，但患者术前术后MoCA评分差异无统计学意义，表明术后认知并无明显提升，术后VAS评分较术前降低，说明患者术后疼痛程度降低，但SMN相关网络却并无显著改变，具体机制还需进一步研究。

       PFO封堵术可以阻断静脉系统微栓子进入脑循环，减少分水岭区等缺血敏感区域的微梗死风险，逆转低灌注导致的神经元能量代谢障碍，且封堵后避免未经肺循环代谢的血管活性物质（如5-羟色胺）直接进入脑循环，减少皮层扩散性抑制的触发，而fMRI数据是以神经元活动为基础，因此这些都可能影响脑区间的功能连接^[42]。PFO患者术前DAN与SMN及DMN间的sFNC减弱，可能表明注意与认知的下降，但术后却并无直接恢复，这也与术前术后患者的MoCA统计结果一致。但术后DAN-VN的sFNC增强，意味着视觉系统与认知系统之间的连接变得更加紧密。这可能表明患者在接受手术后，其视觉与认知相关网络的活跃性相较于术前有了显著的提升。这种变化可能反映了大脑在应对手术带来的生理调整过程中，通过增强不同功能网络间的交互作用，以促进更高效的信息处理和认知功能的恢复。总之，术后DAN-VN的sFNC增强是大脑功能重塑的一个积极信号，结合患者术后的VSQ评分较术前降低，预示着患者在视觉方面的能力可能得到了改善。季禹^[43]通过对视网膜脱离患者的脑网络研究发现，视觉障碍会触发大脑网络的代偿机制，这些代偿机制的核心在于通过调整和优化现有的神经网络连接来应对由视网膜脱离所导致的视觉功能受损，同时导致了与VN紧密相关的多个脑区之间的连通性显著增强。可见大脑具有非凡的适应性和可塑性，能够通过增强VN相关网络的连通性和促进认知网络的重组来补偿因视觉损伤而丧失的功能。大脑的功能重组不仅体现在网络连接模式的改变上，还可能涉及信息处理效率、认知灵活性以及记忆功能等多个方面的提升或调整^[44]。因此本研究中PFO患者接受封堵术后VN与DAN等认知网络的连接增强可能是大脑的应对视觉先兆的一种补偿机制，并且意味着大脑在视觉信息输入的初步阶段到高级认知加工阶段的整个流程中，信息传输和处理效率得到了优化。DAN-VN的sFNC增强可能提高对视觉信息处理的能力，表明封堵术修复机制与脑功能连接有关。

3.3 本研究局限性

       本研究受限于较小的样本量和较短的患者随访时间，对于术前术后脑功能数据的对比分析需要更大、更均衡的队列研究来证实和扩展观察结果。本研究中的患者均为RLS Ⅲ级，低分流量的患者未收集，可在之后的研究中收集不同分流级别的数据进行分析，明确分流量大小对于脑功能的影响。另外本研究可能受其他潜在的混杂因素如头痛等影响，计划在未来的实验中进一步明确这些内容。

4 结论

       综上所述，PFO患者脑网络特征值与HC组相比发生改变，提示脑网络的稳定性受损，脑网络动态调节代偿性通信效率增高，且脑网络的功能连接发生改变，可能与认知、视觉异常或头痛的发生有关。封堵术后6个月PFO患者脑网络传输效率变化不明显，可能与本研究中患者的恢复时间较短有关。封堵术后6个月PFO患者部分脑网络间的sFNC增强可能与其治疗后部分脑网络功能修复有关。