0 引言

       轻度认知障碍（mild cognitive impairment, MCI）作为一种介于正常衰老与痴呆之间的临床状态，被视为阿尔茨海默病（Alzheimer's disease, AD）的前驱阶段，约30%~50%的患者会在5~10年内进展为AD性痴呆^[1]，在我国60岁及以上人群中的患病率高达14.71%，且随年龄的增长呈递增趋势^[2]。临床上MCI以记忆力减退、执行功能下降等为核心表现^[3]，不仅影响患者的生活质量与社会功能，也加重了家庭与社会的负担。因此，对MCI进行早期识别与干预，是延缓疾病向AD发展的关键，具有重大的临床意义。

       功能磁共振成像（functional magnetic resonance imaging, fMRI）作为一种无创、高空间分辨率的神经影像技术，能够通过检测脑区血氧水平依赖信号，间接反映大脑在生理与病理状态下的神经活动变化^[4]。近年来，fMRI已被广泛应用于MCI的早期识别与发病机制研究中^[5]，其功能成像特点突破了传统影像技术仅用于结构性评估的局限，为探索神经退行性病变提供了多维度视角。然而，该领域仍面临研究指标繁多、结果可重复性待提高及临床转化存在瓶颈等挑战。尽管已有部分针对AD或认知障碍的文献计量研究，但专门聚焦fMRI应用于MCI这一关键阶段，并综合利用Citespace^[6]与VOSviewer^[7]进行多维度、深层次可视化分析的研究尚显不足。为系统梳理fMRI应用于MCI领域的研究现状、热点及发展动态，本研究对该领域的发文趋势、国家/地区、机构、作者、期刊及关键词等进行文献计量与知识图谱分析，以期为后续研究提供理论参考。

1 材料与方法

1.1 文献检索与筛选

       计算机检索2003年1月1日至2025年9月1日WOS核心数据库中有关fMRI研究MCI的文献，采用“主题”检索，具体检索式为：Topic=（“MCI” OR “mild cognitive compairment” OR “cognitive impairment” OR “cognitive dysfunction” OR “cognitive disorder”）AND Topic=（“functional magnetic resonance imaging” OR “functional magnetic resonance” OR “fMRI”）。CNKI检索式为：SU=（“功能磁共振成像” OR “功能磁共振” OR “fMRI”）AND SU=（“轻度认知障碍”OR “MCI”）。

       纳入标准：（1）文献主题与应用fMRI研究MCI相关；（2）文献类型为临床研究类。排除标准：（1）重复发表的文献；（2）资料信息缺失的文献。

1.2 数据处理与分析

       将WOS数据库中检索到的文献导入NoteExpress 3.2软件中，初步获得文献4725篇，按照纳排标准经去重后，由两名研究者独立进行标题/摘要筛查，分歧通过讨论或第三位研究者裁决，最终纳入文献4132篇，其中WOS文献4014篇，CNKI文献118篇。具体文献筛选流程见图1。

       将所纳入中、英文文献分别以Refworks格式、文本格式导出并以“download_XXX.txt”形式命名，运用Excel 2019软件绘制年度发文量图，运用Citespace 6.1.R6和VOSviewer 1.6.18软件绘制可视化知识图谱。其中，VOSviewer软件对纳入文献的发文国家/地区、机构、作者、期刊进行可视化分析，Citespace软件进行关键词共现、聚类、突现分析。参数设置：Time Slicing为2003年1月至2025年9月，Years Per Slice为1，其余参数根据研究内容、图谱布局方式的不同具体设置。通常以聚类模块值（modularity, Q）和聚类轮廓值（silhouette, S）评价关键词聚类合理性和可信度，当Q>0.3、S>0.5时表示聚类结构显著、主题内文献一致性高^[8]。

点击查看大图

图1  文献筛选流程图。
Fig. 1  Flow chart of literature screening.

2 结果

2.1 年度发文趋势

       文献数量是衡量学科研究水平与动态的重要指标，年度发文量能够直观反映fMRI应用于MCI的发展状况、研究趋势及学术关注度，详见图2。因检索截至2025年9月1日，故2025年发文量尚不明确。由图可知，CNKI发文量处于较低水平，该研究领域WOS研究大致分为3个阶段：2004~2008年处于萌芽阶段，文献发表数量相对较少；2009~2021年处于快速发展阶段，文献发表数量呈逐年递增趋势；2022年至今处于饱和阶段，2022年发文量达最高峰，该阶段发文量出现一定回落，可能由于研究面临瓶颈期和缺乏创新点，亟需通过研究方法的调整与技术创新来寻求突破。

点击查看大图

图2  年度发文情况。
Fig. 2  Annual document issuance.

2.2 发文国家/地区分析

       WOS纳入的4014篇文献来源于79个国家/地区（含中国台湾省），发文量排名前10位的国家/地区如表1所示。运用VOSviewer构建国家/地区合作网络，详见图3。由图、表可知，在全球范围内中国发文量居首（1684篇，41.95%，其中台湾地区发文52篇），但美国的文献被引量（74 881次）和篇均被引量（59.86次/篇）显著高于其他国家/地区；该领域的研究主要集中在欧洲、美洲、大洋洲以及东亚，国际合作网络呈现明显的集群化特征，中国、美国、加拿大构成了高发文量的核心合作集群，德国、英国、意大利虽同为高产国家，但彼此间及其与该集群尚未建立起显著的合作网络。

点击查看大图

图3  WOS发文国家/地区合作网络。本图基于Web of Science数据库原始分类生成。图中“Taiwan”指中国台湾省，根据一个中国原则，台湾是中国不可分割的一部分。
Fig. 3  Collaboration network among countries/regions in WOS. This figure is generated based on the original classification of the Web of Science database. In the figure, "Taiwan" refers to China's Taiwan Province, and according to the One-China principle, Taiwan is an inalienable part of China.

点击查看表格

表1  WOS发文量排名前10位的国家/地区
Tab. 1  Top 10 countries/regions by publication volume in WOS

2.3 发文机构分析

       WOS中fMRI应用于MCI的相关文献共涉及3860个发文机构，CNKI共涉及200个发文机构，WOS发文量排名前10位的机构如表2所示。运用VOSviewer构建机构合作网络，见图4, 图5。由图、表可知，发文量排名前10位的机构均来自中国、美国，其中中国占据7所，首都医科大学发文量最多（213篇），但哈佛大学的文献被引量（16 887次）和篇均被引量（231.33次/篇）显著高于其他机构；机构间连线越粗代表合作越强度越大，合作网络显示，美国的合作集中于哈佛大学与其医学部及下属的麻省总医院，而中国则形成了以首都医科大学、南京医科大学为核心的国内网络，然而，中国机构与国际间的合作相对有限，且国内跨区域合作也有待加强。

点击查看大图

图4  WOS发文机构合作网络。
Fig. 4  Collaboration network among institutions in WOS.

点击查看大图

图5  CNKI发文机构合作网络。
Fig. 5  Collaboration network among institutions in CNKI.

点击查看表格

表2  WOS发文量排名前10位的机构
Tab. 2  Top 10 institutions by publication volume in WOS

2.4 发文作者分析

       WOS中fMRI应用于MCI的相关文献共涉及19 424位发文作者，CNKI共涉及490位发文作者。根据普莱斯定律^[9]，M=0.749√Nmax（M为核心作者最低发文量阈值，Nmax为最高产作者的文献总量），计算得出发文量≥6篇/≥2篇的作者为该领域的核心作者，经统计符合标准的WOS/CNKI作者共有550位/62位，约占作者总数的2.83%/12.65%，尚未形成具有显著影响力的核心作者群。运用VOSviewer构建作者合作网络，见图6, 图7。

点击查看大图

图6  WOS发文作者合作网络。
Fig. 6  Collaboration network among authors in WOS.

点击查看大图

图7  CNKI发文作者合作网络。
Fig. 7  Collaboration network among authors in CNKI.

2.5 文献来源期刊分析

       WOS共有636种期刊发表了fMRI应用于MCI的相关文献，发文量排名前10位的期刊如表3所示。由表可知，《Frontiers in Aging Neuroscience》发文量居首（210篇），《NeuroImage》文献被引量（12 019次）和篇均被引量（91.05次/篇）显著高于其他杂志，且《Frontiers in Aging Neuroscience》《NeuroImage》的影响因子最高（4.5）。CNKI共有48种期刊发表了相关文献，《磁共振成像》发文量最多（14篇）。

点击查看表格

表3  WOS发文量排名前10位的期刊
Tab. 3  Top 10 journals by publication volume in WOS

2.6 关键词分析

2.6.1 关键词共现分析

       WOS中fMRI应用于MCI的相关文献共涉及9670个关键词，CNKI共涉及232个关键词，高频关键词统计信息如表4, 表5所示。运用VOSviewer构建关键词共现网络，见图8, 图9。由图、表可知，“mild cognitive impairment”“Alzheimers disease”“functional magnetic resonance imaging”“cognitive impairment”“MCI”等关键词与研究主题一致，故频次较高且中心性较强，“functional connectivity”“default mode network”“ALFF”等关键词与研究方法一致，也具有较高的频次，是该领域研究者关注的热点。

点击查看大图

图8  WOS关键词共现网络。
Fig. 8  Keyword co-occurrence network in WOS.

点击查看大图

图9  CNKI关键词共现网络。
Fig. 9  Keyword co-occurrence network in CNKI.

点击查看表格

表4  WOS高频关键词（频次>300）
Tab. 4  High-frequency keywords in WOS (frequency > 300)

点击查看表格

表5  CNKI高频关键词（频次>10）
Tab. 5  High-frequency keywords in CNKI (frequency > 10)

2.6.2 关键词聚类分析

       基于对数似然比算法运用Citespace对关键词进行聚类分析，见图10, 图11。本研究WOS文献聚类图谱Q=0.481、S=0.816 8，CNKI文献聚类图谱Q=0.519 4、S=0.836 1，聚类结果具有合理性。由图可知，在聚类标签中，#0 Alzheimer's disease、#3 functional MRI、#5 functional magnetic resonance imaging、#7 neuroimaging、#0 功能磁共振、#2 轻度认知功能障碍等可归纳为与研究主题相关的聚类，#1 cognition、#6 executive function为与疾病相关的认知功能评估，#2 functional connectivity、#4 支持向量机、#7 机器学习为fMRI的研究方法，#4 white matter为研究脑区。

点击查看大图

图10  WOS关键词聚类图。
Fig. 10  Keyword cluster map in WOS.

点击查看大图

图11  CNKI关键词聚类图。
Fig. 11  Keyword cluster map in CNKI.

2.6.3 关键词突现分析

       运用Citespace构建关键词突现图谱，见图12, 图13。由图可知，WOS有关fMRI应用于MCI领域的研究可概括为3个发展阶段：（1）第一阶段为2004~2007年，“working memory”“brain activation”“positron emission tomography”“activation”等关键词自2004年开始突现，“functional MRI”突现强度最高（27.58），“brain activation”持续时间最长（11年），该时段研究焦点集中在MCI患者执行特定认知任务时不同脑区的激活状态；（2）第二阶段为2008~2021年，“resting state network”突现强度最高（15.69）且持续时间最长（10年），表明静息态fMRI广泛应用于MCI研究领域，该时段研究热点从任务状态下的脑区激活，转为探索大脑内在自发活动的网络模式；（3）第三阶段为2022年至今，随着研究的进一步深入，该阶段涌现出“degree centrality”“deep learning”等关键词，该时段不仅应用图论等高阶研究工具，而且引入前沿的人工智能（如深度学习等）方法进行诊断和预测，表明fMRI应用于MCI的研究逐步走向精细化和智能化。CNKI中“脑网络”“机器学习”等关键词突现至今，成为近年来研究的热点。

点击查看大图

图12  WOS关键词突现图。
Fig. 12  Keyword burst detection map in WOS.

点击查看大图

图13  CNKI关键词突现图。
Fig. 13  Keyword burst detection map in CNKI.

3 讨论

       本研究运用文献计量工具，对WOS与CNKI数据库中收录的fMRI应用于MCI领域的研究成果进行了系统的可视化分析。结果显示，该领域研究已进入稳中趋缓的成熟发展阶段，国际影响力以美国为首，中国在发文数量上领先但质量仍有提升空间。研究热点集中于静息态fMRI的神经机制解析，关键脑功能网络的失衡探讨，多模态影像融合与人工智能技术的应用。本研究的创新性与临床价值在于，首次通过整合国内外核心数据库，系统对比并揭示了该领域的全球发展格局与中国本土研究的特点及差距，通过梳理功能影像学生物标志物与网络靶点，为MCI的早期精准识别、干预疗效的客观评估以及向AD转化的风险预测提供了重要的理论依据与技术支持。

3.1 研究现状

       可视化分析结果显示，fMRI应用于MCI领域的研究热度总体呈稳中有升趋势，近几年发文量出现小幅度下降，分析原因可能为：（1）fMRI在MCI研究中的潜力已被充分挖掘，该领域从最初的现象描述逐渐步入探索神经血管耦合问题等内在机制的阶段^[10]。（2）随着AI相关影像组学等的兴起，部分研究注意力被新兴前沿方向所分流，在一定程度上分散了fMRI研究的学术资源^[11]。发文量的小幅下降并非意味着fMRI在MCI中的研究价值减退，而是研究发展到一个更为成熟阶段的自然表现，标志着MCI的相关影像学研究逐步走向多元化。

       由发文国家、机构分析可知，当前研究领域内的高影响力国家多为发达国家，其中美国在总被引量与篇均被引量上均居首位，凸显其核心引领地位；中国虽在发文总量上独占鳌头，且研究机构发文活跃，但整体论文质量与影响力仍有较大提升空间。由发文作者分析可知，研究人员已形成若干内部联系紧密的小型团队，但团队间合作稀疏，缺乏跨机构、跨地域的学术交流与资源整合。未来该领域的重心应从数量增长向质量提高转变，积极推动形成跨学科、跨区域乃至国际化的合作网络，鼓励团队密切关注顶尖机构与高影响力期刊的前沿动态，通过共享大规模多中心数据、标准化分析流程、联合攻关关键技术（如深度学习算法优化、多模态生物标志物验证），共同应对MCI早期精准诊断与干预的挑战。

3.2 研究热点

       关键词作为研究文献的核心要素，是对论文主题与核心内容的高度凝练，能概括研究领域的核心热点与发展趋势^[12]。关键词聚类是揭示研究领域知识结构的有效方法，有助于识别该领域研究热点及动态演变趋势^[13]。关键词突现指在特定时段内某些关键词频次显著增长的现象，根据其强度值能判断该时段研究热点的动态集中趋势，有助于识别研究领域的新兴趋势和潜在研究方向^[14]。由关键词共现、聚类、突现分析可知，当前fMRI在MCI领域的研究主要聚焦于以下4个热点方向：

       （1）基于静息态fMRI（resting state-fMRI, rs-fMRI）探索MCI的神经生理机制与病理改变。rs-fMRI是一种基于血氧水平依赖原理，通过检测受试者在无任务状态下的大脑自发神经活动，以揭示人脑固有功能架构的成像技术^[15]。其分析易受技术参数影响，图像采集场强（如3 T与7 T在信噪比与空间分辨率上的差异）、成像序列选择（如血氧水平依赖成像与基于脑血流的动脉自旋标记成像）以及预处理流程（如头动校正、频段滤波、去噪声策略）的标准化程度，均可能影响最终结果的可靠性。核心分析方法包括反映局部脑活动强度的低频振幅（amplitude of low-frequency fluctuation, ALFF）与局部一致性（regional homogeneity, ReHo），反映脑区交互网络模式的功能连接与度中心性等^[16]。ALFF通过计算特定频段内血氧水平依赖信号波动的振幅强度，反映局部脑区内神经元自发活动的能量水平；XI等^[17]研究表明，MCI患者右侧海马体及海马旁回、左侧外侧颞叶皮层和右侧腹内侧前额叶皮层的ALFF值降低，而左侧颞顶联合区和下顶叶的ALFF值升高。ReHo通过计算给定体素与其邻近体素时间序列的一致性，反映局部脑区内神经元自发活动的同步性；LIU等^[18]研究表明，MCI患者右侧颞上回、颞中回及左侧角回、边缘上回的ReHo值均降低，提示上述区域的局部神经元活动同步性下降。ALFF与ReHo作为基于血氧水平依赖信号的衍生指标，其变化并非神经元活动的直接度量，本质上是神经活动、血流动力学反应和代谢需求之间神经血管耦合的间接反映。因此，在MCI中观察到的ALFF/ReHo异常，可能同时源于神经元活动本身的改变、脑血管反应性的下降，或两者耦合机制的失调。功能连接通过计算不同脑区时间序列之间的统计相关性，反映脑区之间神经活动的协同功能；度中心性通过计算脑网络中某个节点与其他节点的直接连接数量，反映该节点在整个脑网络中的枢纽性；多项研究结果显示，MCI患者在功能连接和度中心性上均表现出与认知功能相关的异常模式，揭示了早期神经退行性病变过程中的功能重组与代偿机制^{[19, 20, 21, 22]}。rs-fMRI通过ALFF、ReHo、功能连接、度中心性等分析方法，阐明MCI患者局部脑活动与脑网络连接的异常特征，为其神经生理机制解析及潜在生物标志物挖掘提供了关键技术支持。

       （2）MCI所涉及脑功能网络的相关fMRI研究。脑功能网络是指大脑中不同区域通过神经活动形成的动态功能连接集合，用于协同完成感知、认知、情感等复杂脑功能。MCI的发生并非单一脑功能网络受损，而是默认模式网络（default mode network, DMN）、突显网络（salience network, SN）、中央执行网络（central-executive network, CEN）等多个网络相互作用失衡的结果^[23]。DMN主要包括后扣带皮层/楔前叶、内侧前额叶等中线结构，主导记忆提取、自我参照思维等内部心理活动；ZHANG等研究表明^[24]，MCI患者存在显著的DMN功能紊乱，表现为其后扣带皮层/楔前叶、颞叶等关键节点出现局部ReHo降低与功能连接减弱，同时网络内部存在代偿性功能重组。SN核心节点为岛叶、前扣带皮层，负责识别环境中的关键信息、注意力分配与网络切换；SONG等^[25]研究表明，MCI患者左颞上回、岛叶、中央前回和楔前叶的ALFF显著降低，而丘脑、尾状核、颞上回、岛叶和扣带回的功能连接增加，同时SN与DMN、CEN之间的相互作用出现异常。CEN以背外侧前额叶皮层、后顶叶皮层为核心，负责目标导向的主动认知控制；YOTSUYA等^[23]的研究表明，MCI 患者中CEN通过SN对DMN的动态功能耦合与健康对照组存在显著差异，提示通过SN与DMN的协调机制受损，这可能是导致MCI患者记忆、执行等高级认知功能下降的关键病理机制。

       （3）多模态影像融合技术应用于MCI的相关研究。多模态影像融合技术通过整合不同影像技术相关的生物标志物信息，弥补单一影像技术的局限性，为MCI的诊断、治疗、预测等提供更精准的依据。例如，fMRI与结构MRI的融合揭示了MCI脑网络结构与功能的失耦联，MCI患者在后扣带回等DMN关键节点同时存在灰质萎缩和功能连接降低，这种“结构-功能”双重损害是认知障碍的核心发病机制^[26]。分子影像如PET可检测大脑葡萄糖代谢、淀粉样蛋白沉积等分子变化，研究证实脑Aβ蛋白的沉积与DMN的功能连接降低显著相关，fMRI与分子影像相结合有利于进一步探索MCI的病理生理机制^[27]。多模态影像融合技术利用机器学习算法整合多种影像数据特征，从而构建能够高精度计算MCI向AD转化风险的预测模型，为MCI的病程演变追踪及早期精准干预提供了技术支持^[28]。

       （4）采用fMRI相关指标评估各类干预措施对MCI的临床疗效。传统神经心理学量表易受主观因素和练习效应的干扰，而fMRI能客观、定量地揭示干预作用下脑功能网络的动态重组，随着对MCI神经机制认识的深入，fMRI已从一种诊断工具演变为评估临床干预疗效的关键技术。fMRI相关指标（ALFF、ReHo等）已广泛用于评估认知训练^[29]、重复经颅磁刺激^[30]、药物疗法^{[31, 32]}等干预MCI患者后脑功能连接与网络活动的神经功能重塑疗效，为MCI干预方案的临床疗效提供了神经功能影像学证据。

3.3 前沿趋势

       由关键词突现分析可知，“rs-fmir”“deep learning”等关键词于2022年突现并持续至今，是fMRI应用于MCI领域近年来关注的热点，反映研究领域的前沿趋势。与传统机器学习方法需要人工设计和提取特征不同，深度学习模型作为机器学习的高级形式，能自动提取数据并发现用于分类或预测的复杂特征。其中，卷积神经网络模型擅长挖掘fMRI数据的空间特征，将全脑或感兴趣区域的图像作为输入，自动学习捕捉MCI患者大脑活动强度、功能连接模式上的异常，为定位认知障碍的特定脑网络以及预测从MCI到AD的发展提供了依据^[33]。

3.4 本研究的局限性

       （1）数据仅来源于WOS、CNKI两个数据库，未纳入维普、万方、PubMed等中英文数据库，可能导致文献样本覆盖不全面，影响研究结论的代表性；（2）文献筛选过程中可能存在人为主观偏差，影响研究结论的客观性；（3）受可视化软件固有功能的限制，难以实现多个数据库的协同处理分析，在某种程度上制约了研究的深度和广度。

4 小结

       本研究采用文献计量学方法，以WOS、CNKI数据库中的文献为来源，运用Citespace和VOSviewer软件获取fMRI在MCI领域相关发文国家/地区、机构、作者、期刊及关键词的可视化结果，从而揭示了该领域的发展脉络与前沿热点。后续研究需进一步拓展数据来源及完善检索、筛选流程，聚焦于利用文献计量学追踪深度学习等前沿技术与fMRI在MCI研究中结合的具体进展、挑战与突破点；探索如何利用合作网络分析促进实质性国际合作项目的形成；分析高影响力研究成果的特征与成功要素，为提升研究质量提供借鉴。