分享:
分享到微信朋友圈
X
临床研究
医学研究生焦虑状态的脑结构定量影像特征研究
李思佳 蒋景名 张泉 罕迦尔别克·库锟 徐蕊 王云玲

本文引用格式:李思佳, 蒋景名, 张泉, 等. 医学研究生焦虑状态的脑结构定量影像特征研究[J]. 磁共振成像, 2026, 17(5): 62-69. DOI:10.12015/issn.1674-8034.2026.05.010.


[摘要] 目的 借助结构MRI分析临床医学研究生焦虑情绪状态下大脑结构的变化特征,探讨医学研究生的焦虑情况与脑结构改变的潜在关联。材料与方法 前瞻性招募在读医学研究生作为受试组,并从本中心数据库中回顾性纳入性别、年龄匹配的健康对照组及临床诊断为焦虑症患者的焦虑对照组的MRI图像,采用焦虑自评量表(Self-rating Anxiety Scale, SAS)评估被试的焦虑状态。所有被试均在3.0 T磁共振扫描仪上接受T1-磁化准备快速梯度回波(T1-weighted magnetization prepared rapid gradient echo, T1-MPRAGE)序列结构MRI扫描,使用FreeSurfer软件对T1结构像行大脑脑区分割并测量脑区体积,比较受试组、健康对照组与焦虑对照组脑区体积的差异。结果 三组部分脑区的体积比较,差异有统计学意义(P<0.05)。其中,与健康对照组相比,受试组双侧小脑皮质、双侧尾状核、双侧壳核、双侧杏仁核、左侧海马等13个脑区体积差异均有统计学意义(FDR校正,P<0.05);与焦虑对照组相比,受试组双侧小脑皮质、双侧尾状核、双侧伏隔核、左侧海马、左侧杏仁核等14个脑区体积差异均有统计学意义(FDR校正,P<0.05);与健康对照组相比,焦虑对照组双侧小脑皮质、双侧尾状核、双侧壳核、双侧伏隔核、左侧海马等14个脑区差异均有统计学意义(FDR校正,P<0.05)。结论 临床医学研究生的焦虑情绪状态与部分脑区体积的差异相关,MRI可为观察焦虑相关脑结构改变提供影像学依据,并为后续研究其神经生理基础提供参考。
[Abstract] Objective To characterize structural brain alterations in clinical medical graduate students experiencing anxiety and to explore the potential association between anxiety severity and regional brain volume changes.Materials and Methods Clinical medical graduate students were prospectively recruited as the experimental group. Age- and sex- matched healthy controls and patients with a clinical diagnosis of anxiety were retrospectively selected from our institutional database to serve as healthy and anxiety control groups, respectively. Anxiety levels were evaluated using the Self-Rating Anxiety Scale (SAS). All participants underwent structural T1-weighted magnetization-prepared rapid gradient-echo (T1-MPRAGE) imaging on a 3.0 T MRI scanner. Cortical and subcortical segmentation was performed with FreeSurfer to extract regional brain volumes. Volumetric differences among the experimental, healthy control, and anxiety control groups were compared.Results Significant differences in the volumes of several brain regions were observed among the three groups (P < 0.05). Specifically, compared with the healthy control group, the subject group exhibited statistically significant volume differences (FDR-corrected, P < 0.05) in 13 brain regions, including bilateral cerebellar cortex, bilateral caudate nuclei, bilateral putamina, bilateral amygdalae, and the left hippocampus. Compared with the anxiety control group, the subject group showed significant volume differences (FDR-corrected, P < 0.05) in 14 brain regions, including bilateral cerebellar cortex, bilateral caudate nuclei, bilateral nucleus accumbens, left hippocampus, and left amygdala. Furthermore, compared with the healthy control group, the anxiety control group demonstrated significant volume differences (FDR-corrected, P < 0.05) in 14 brain regions, including bilateral cerebellar cortex, bilateral caudate nuclei, bilateral putamina, bilateral nucleus accumbens, and the left hippocampus.Conclusions Anxiety-related emotional states in clinical medical postgraduates are associated with volumetric differences in several brain regions. MRI may serve as an imaging tool for investigating anxiety-related structural brain alterations and may provide a reference for future studies on their neurophysiological basis.
[关键词] 焦虑;结构磁共振成像;磁共振成像;脑结构;临床医学研究生;影像特征;自动分割
[Keywords] anxiety;structural magnetic resonance imaging;magnetic resonance imaging;brain structure;clinical medical postgraduate students;radiomic features;automatic segmentation

李思佳    蒋景名    张泉    罕迦尔别克·库锟    徐蕊    王云玲 *  

新疆医科大学第一附属医院影像中心,乌鲁木齐 830054

通信作者:王云玲,E-mail:doctorwang1005@163.com

作者贡献声明:王云玲设计本试验方案并获得了国家重点研发计划项目和“天山英才”培养计划项目的资助,对稿件重要内容进行了修改;李思佳起草和撰写稿件,获取、分析和解释本研究的数据;蒋景名收集、整理并分析本研究的数据,参与稿件的撰写;张泉进行数据的收集整理、统计分析及文献查阅,参与稿件撰写;罕迦尔别克·库锟提出研究主题,设定研究目标,对稿件重要内容进行了修改;徐蕊参与研究的构思与设计,对初稿进行审阅、评论和修改;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: 国家重点研发计划项目 2023YFC2414200 “天山英才”培养计划项目 2023TSYCL0027
收稿日期:2025-11-05
接受日期:2026-04-20
中图分类号:R445.2  R749.72 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.05.010
本文引用格式:李思佳, 蒋景名, 张泉, 等. 医学研究生焦虑状态的脑结构定量影像特征研究[J]. 磁共振成像, 2026, 17(5): 62-69. DOI:10.12015/issn.1674-8034.2026.05.010.

0 引言

       临床医学研究生是指接受临床医学专业高等教育,攻读临床医学硕士的学生。医学研究生在读期间常面临高强度的工作压力、复杂的临床环境及职业发展的不确定性,这些因素容易引发焦虑。焦虑症影响着全世界的患者和社会,约占全球疾病负担的3%[1]。一项全球荟萃分析发现三分之一的医学生出现焦虑症状[2],且医学生的焦虑症的发病率显著高于普通人群[3]。随着MRI序列的发展,结构磁共振成像(structural magnetic resonance imaging, sMRI)作为一种通过检测脑组织的体积、密度及形态变化,研究大脑解剖结构的非侵入技术,在焦虑症脑影像学研究中发挥着重要作用[4]。近年来医学生心理问题的干预研究关注度较高[5]。因此,早期发现并及时干预,可以减轻焦虑,甚至可以预防焦虑症的发作。但目前国内外利用MRI研究在读研究生心理健康状态的报道较少。本研究拟收集临床医学研究生的MRI资料以及焦虑自评量表的评估数据,比较受试组、健康对照组及焦虑对照组之间大脑脑区体积的差异,探讨MRI在评估研究生焦虑情绪中的潜在应用价值,为后续研究其神经生理基础提供参考。

1 材料与方法

1.1 一般资料

       于2025年3月20日至2025年4月28日前瞻性招募新疆医科大学在读研究生纳入受试组,同时从本中心医学影像存档与通讯系统(picture archiving and communication system, PACS)数据库中回顾性纳入性别、年龄匹配的健康志愿者作为健康对照组以及不同程度焦虑患者(以轻中度为主)作为焦虑对照组。采用焦虑量表评估三组被试的情绪状态。

1.1.1 受试组

       (1)纳入标准:①年龄范围20~35岁;②入组前未服用过抗焦虑、抗精神病药物;③受试者自愿接受MRI检查,并能较好地完成检查;④焦虑自评量表(Self-rating Anxiety Scale, SAS)评分≥30分。

       (2)排除标准:①有脑外伤史、精神疾病史及其他精神障碍病史;②哺乳及妊娠期妇女;③患有其他严重躯体疾病;④药物滥用史,包括烟草、酒精或其他精神活性物质。

1.1.2 焦虑对照组

       (1)纳入标准:①年龄、性别与受试组相匹配;②诊断报告SAS评分在50分~69分之间(总分≥50分常作为临床焦虑的临界值);③经两名具有资质的精神科主治医师及以上职称的医师独立评估,依据《精神障碍诊断与统计手册(第五版)》标准确诊为广泛性焦虑障碍(generalized anxiety disorder, GAD)。

       (2)排除标准:同受试组排除标准。

1.1.3 健康对照组

       (1)纳入标准:年龄、性别与受试组相匹配,无焦虑、抑郁等精神类疾病;SAS评分<30分。

       (2)排除标准:同受试组排除标准。

       本研究遵守《赫尔辛基宣言》,经新疆医科大学第一附属医院伦理委员会批准(审批号:K202503-64)。受试组均签署知情同意书,健康对照组和焦虑对照组均为回顾性纳入且符合泛知情同意原则。所有被试进行MRI扫描以及情绪问卷评估。

1.2 焦虑问卷评估

       采用SAS对所有被试进行问卷评估,问卷填报均征得本人同意,在无干扰情况下,按照真实情况填写,问卷回收率100%。SAS评分:该量表包含20个条目,累计20个条目的分值为原始分,原始分×1.25为标准分(T),T≥50分表示存在焦虑,50~59分为轻度焦虑,60~69分为中度焦虑,70分以上为重度焦虑。分值越高,焦虑倾向越明显。

       本研究采用SAS量表评估焦虑症状水平。根据中国常模,SAS标准分≥50分常作为焦虑症状的筛查阳性界值。然而,现代临床观念将焦虑视为一个连续谱系。《广泛性焦虑障碍基层诊疗指南(2021年)》明确指出,临床实践中需区分焦虑情绪、病理性焦虑症状与焦虑障碍[6]。为了更敏锐地识别焦虑谱系中的早期信号,基于本研究样本的实际数据分布特征(该分值对应总样本中SAS得分相对较高的前36%个体),本研究将SAS评分≥30分界定为焦虑状态或“阈下焦虑”状态。该分数虽未达筛查阳性标准,但已高于正常基线,可被视为具有临床意义的焦虑状态或“阈下焦虑”状态。尤其重要的是,最新循证医学证据表明,此类“阈下焦虑”状态是进展为临床焦虑障碍的明确风险因素[7]。因此对其进行识别与监测具有明确的临床预防意义。

1.3 数据采集

       所有被试使用两台3.0 T磁共振设备进行采集,接受T1-MPRAGE序列扫描。(1)西门子VIDA 3.0 T磁共振扫描仪扫描参数:FOV 256 mm×256 mm,层数176,扫描位置为矢状位,层厚1 mm,相位编码方向为A-P(读出方向为S-I),TR 2100 ms,TE 1.9 ms;(2)GE Architect 3.0 T扫描仪扫描参数:TR 2400 ms,TE 2.38 ms,FA 8°,FOV 240 mm×240 mm,矩阵256×256,层厚1 mm,无间隙,图像共156层。

       扫描期间,将被试头部用海绵垫固定,以减少头部活动。要求被试呈仰卧位。嘱被试保持闭眼、清醒及放松的状态,以获取最佳的图像数据。

1.4 图像后处理

       将所有图像用MRIcron软件的dcm2nifti插件将DICOM格式文件转换为NIfTI.nii格式。使用Freeview打开图像,由两名具有5年以上经验且不了解患者病史的影像科医师(两位医师均为副主任医师)对图像质量进行判读。使用FreeSurfer图像分析软件(版本7.4.1,http://surfer.nmr.mgh.harvard.edu/)的自动序列重建流程进行数据处理。整个流程包括:(1)运动校正与N3偏移场校正;(2)颅骨剥离与强度归一化;(3)通过线性配准将个体空间转换到标准空间;(4)白质与灰质分割、拓扑缺陷修复;(5)用曲面重建与膨胀算法生成可供自动皮层标记的球形表面;(6)最后在aseg.stats输出文件中提取各脑区体积数据,该分割基于FreeSufer内置的高维非线性配准与概率图谱。本研究未对体积数据进行额外的平滑处理。

       鉴于本研究涉及两台不同厂商的磁共振扫描仪,首先对三组被试在设备上的分布进行了描述性统计。结果显示,三组在扫描仪类型上的分布差异有统计学意义(χ2=272,P<0.001)。为严格控制不同厂商及扫描参数对体积测量存在的混杂效应,我们将“扫描仪型号”作为协变量纳入统计模型,保证组间比较的准确性。

1.5 统计学方法

       使用SPSS 27.0软件(IBM, Chicago, IL, USA)对数据进行统计分析。对数据进行正态检验(Shapiro-Wilk检验)以及方差齐性检验(Levene检验)。以均数±标准差来描述符合正态分布的计量资料,三组间比较采用单因素方差分析。不符合正态分布的数据采用中位数和四分位距[M (P25, P75)]表示。

       将年龄、性别、扫描仪型号及总颅脑体积作为协变量,对三组间脑体积数据进行协方差分析。鉴于本研究样本量相对均衡,协方差分析对正态性假设具有一定的稳健性,且经检验绝大多数脑区满足方差齐性假设,经过多重比较校正并采用FDR校正法进一步两两分析来确定具体组别体积差异有统计学意义的脑区。P<0.05表示差异有统计学意义。

2 结果

2.1 各组一般资料比较

       根据标准纳入受试组111例(排除2例图像具有明显的运动伪影),其中男23例,女88例;纳入健康对照组98例,其中男20例,女78例;纳入焦虑对照组63例,其中男13例,女50例;三组研究对象性别分布差异无统计学意义(P>0.05);三组研究对象年龄分布受试组与健康对照组差异无统计学意义(P>0.05)、焦虑对照组年龄低于健康对照组(P<0.05),且低于受试组,差异有统计学意义(P<0.05)。详见表1

表1  各组一般临床资料比较
Tab. 1  Comparison of general clinical data among different groups

2.2 受试组组间对比

       根据年级将受试组111人分为三组:一年级组、二年级组、三年级组;年龄、SAS评分及工作时长采用单因素方差分析;性别、第一学历采用卡方检验。三组间性别、第一学历差异无统计学意义(P>0.05);三组间年龄、SAS评分、工作时长差异有统计学意义(P<0.05)。详见表2

表2  受试组一般临床资料组间比较
Tab. 2  Comparison of general clinical data between subgroups of the study group

2.3 三组间脑区体积比较分析

       三组脑区的体积比较差异有统计学意义(FDR多重比较校正,P<0.05)。其中,与健康对照组相比,受试组双侧小脑皮质、双侧尾状核、双侧壳核、双侧杏仁核、左侧海马等13个脑区体积差异均有统计学意义(FDR校正,P<0.05);与焦虑对照组相比,受试组双侧小脑皮质、双侧尾状核、双侧伏隔核、左侧海马、左侧杏仁核等14个脑区体积差异均有统计学意义(FDR校正,P<0.05);与健康对照组相比,焦虑对照组双侧小脑皮质、双侧尾状核、双侧壳核、双侧伏隔核、左侧海马等14个脑区差异均有统计学意义(FDR校正,P<0.05)。见表3图1~图2

图1  三组间灰质体积差异比较图(P<0.05,FDR校正)。
Fig. 1  Comparison chart of gray matter volume differences among the three groups (P < 0.05, FDR-corrected).
表3  三组间脑区体积比较分析
Tab. 3  Comparison of regional brain volume differences across the three groups

2.4 敏感性分析:年龄匹配子样本结果

       为进一步评估年龄差异对结果的潜在影响,我们对三组年龄匹配子样本(每组54例)进行了敏感性分析,结果见表4。与主分析相比,年龄匹配后,双侧小脑皮质、双侧丘脑、双侧尾状核、双侧壳核、双侧杏仁核及双侧伏隔核的体积差异仍然存在,差异有统计学意义(P<0.05);而左侧海马体积差异无统计学意义(P>0.05)。

图2  使用FreeSurfer 标准化图像工具箱可视化具有统计学差异的脑区图。其中,图2A、2B为双侧杏仁核(蓝色区域)及海马(黄色区域);图2C、2D为双侧伏隔核(橙色区域);图2E、2F 为双侧丘脑(绿色区域)。
Fig. 2  Visualization of brain regions with statistically significant differences in volume, generated using the FreeSurfer standardized image toolbox. 2A and 2B show the bilateral amygdala (blue) and hippocampus (yellow); 2C and 2D show the bilateral nucleus accumbens (orange); and 2E and 2F show the bilateral thalamus (green).
表4  年龄匹配子样本中三组脑区体积比较
Tab. 4  Comparison of brain regional volumes among the three groups in the age-matched subsample

3 讨论

       本研究采用FreeSufer软件的自动分割技术,在控制年龄、性别、扫描仪型号及颅脑总体积等协变量的基础上,系统比较了受试组、焦虑对照组与健康对照组之间脑区体积的差异。主要发现如下:(1)受试组左侧海马体积大于健康对照组与焦虑对照组;(2)受试组双侧杏仁核体积增大;(3)受试组左侧丘脑体积增大,而焦虑对照组左侧丘脑体积减小;(4)焦虑对照组伏隔核与小脑皮质体积增大。本研究通过对比不同焦虑相关群体,揭示了三组在脑结构体积上存在的差异,为进一步探讨焦虑相关脑结构改变及潜在影像学特征提供了依据。

       为进一步降低年龄差异对结果的潜在影响,我们对三组年龄匹配的子样本进行了敏感性分析。结果表明,主要脑区体积差异总体保持一致,提示本研究主要发现具有一定的稳健性;而海马相关结果在年龄匹配后差异无统计学意义,提示其可能受年龄因素干扰,后续仍需结合更大样本进一步验证。

3.1 焦虑相关脑区体积异常的神经机制

       焦虑的核心特征之一是过度的恐惧反应,可能是与恐惧获得增强及恐惧消退受损有关[8]。焦虑相关改变主要累及的脑区是额叶、边缘系统。其中边缘系统主要包括海马、海马旁回、杏仁核、扣带回和伏隔核等[9]。在焦虑相关状态中,杏仁核[10, 11]与海马[12]等脑区会出现过度活动而影响情绪的调节,在影像上表现为特定脑区的结构异常。负性情感刺激及持续应激可能通过影响局部炎症、血脑屏障通透性和胶质细胞状态等途径,引起脑区体积变化[13]。而慢性压力相关的长期影响则可能与结构性萎缩有关[14]

3.2 海马体积在不同组别中的差异

       本研究主分析显示,受试组左侧海马体积大于健康对照组与焦虑对照组(P<0.001)。这一结果与既往多数关于临床焦虑障碍患者海马体积萎缩的研究报道不一致。作为恐惧处理神经回路的关键节点,海马与情绪反应关系密切[15]。既往神经影像学研究表明,焦虑障碍的持续时间和情绪发作次数与海马体积减少程度呈正相关[16]。BRANDL等[17]的研究显示,与健康对照组相比,焦虑障碍患者左侧海马、海马旁回灰质体积降低;类似的体积减小在抑郁症患者[18]、双相情感障碍[19]患者中也有报道。

       本研究中,焦虑对照组左侧海马较健康对照组体积减小(P<0.001)。这一结果与既往研究结果一致[20],提示焦虑相关状态可能与海马结构差异有关。然而,在年龄匹配子样本中,左侧海马体积差异无统计学意义,提示主分析中观察到的海马结果可能受到年龄因素的影响。因此,海马相关差异的临床意义及其潜在机制仍需结合更大样本及进一步研究加以阐明。

3.3 杏仁核与丘脑体积在不同组别中的改变

       在边缘系统关键核团的改变中,本研究发现杏仁核的体积变化在不同组间存在差异:受试组双侧杏仁核体积较健康对照组增大(P<0.001)。这一结果提示,不同焦虑相关状态在杏仁核结构上可能存在差异,但其具体意义仍需结合研究对象的临床特征进一步解读。杏仁核作为中枢神经系统的重要整合中心,协调行为和生理反应,是处理恐惧和焦虑的重要核团[21]。既往研究显示,社交焦虑障碍的严重程度[22]及注意缺陷多动障碍症状[23]均与杏仁核体积呈正相关。已有研究证实,焦虑障碍患者在面对威胁刺激时,额顶叶对杏仁核活动的调控能力下降,导致杏仁核的过度激活[24],继而引发情绪调节障碍[25]

       在本研究中,受试组杏仁核体积增大提示其存在与焦虑相关的结构差异,但受试组主要表现为焦虑情绪状态,而非临床诊断意义上的焦虑障碍,因此该结果不宜直接解释为疾病进程中的结构性改变。与之相比,焦虑对照组与健康对照组未表现出明显的杏仁核体积增大,提示不同组别在杏仁核结构上可能存在异质性差异,其背后的机制仍需进一步验证。

       此外,本研究还发现丘脑体积存在组间差异:受试组与焦虑对照组相比,左侧丘脑体积增大(P<0.001);与健康对照组相比,表现为右侧丘脑体积增大(P<0.001)。丘脑作为连接杏仁核与前额叶皮层的重要枢纽,参与情绪信息处理及焦虑相关预期的形成[26, 27, 28],其结构差异可能与持续警惕和注意力降低有关[29]。既往研究显示,左侧丘脑灰质体积与焦虑水平相关[30],且重度抑郁症及社交焦虑患者常表现出丘脑灰质体积减少[31]。本研究中,焦虑对照组的左侧丘脑体积减少,与上述部分研究报道结果一致,提示焦虑状态可能与丘脑结构差异有关。其潜在机制可能涉及神经营养支持改变[32]及慢性应激相关的白质微结构异常[33]。但具体机制仍需进一步验证。另一方面,受试组表现出的丘脑体积增大,不同组别在丘脑结构上可能存在异质性差异;该结果仅提示局部脑区结构存在组间不同,其临床意义及机制仍需进一步研究阐明。

3.4 伏隔核与小脑体积的组间差异

       本研究发现,奖赏回路相关脑区在不同组别中存在差异。结果显示,焦虑对照组双侧伏隔核体积较健康对照组及受试组增大(P<0.001);而受试组与健康对照组相比差异无统计学意义。伏隔核作为奖赏加工和情绪调节的重要脑区[34],在恐惧过度泛化过程中被激活[35]。既往研究显示,抑郁症患者伏隔核体积减小,并与焦虑症状相关[36]。与上述报道相比,本研究中焦虑对照组伏隔核体积增大,提示伏隔核结构差异可能与不同焦虑相关表型有关,其机制仍需进一步研究。

       此外,相较于健康对照组,受试组及焦虑对照组表现为右侧小脑皮质体积均增大(P<0.001),这与既往研究结果一致[37, 38]。越来越多的证据表明,小脑系统不仅参与运动协调,还影响人类及动物模型的认知和情绪调节[39],其结构改变可能影响相关认知功能表现[40]。既往研究提示,小脑在情绪障碍相关状态中可能存在结构或功能异常,但其具体方向和机制尚未完全明确[41]。本研究中观察到小脑皮质体积增大,提示不同组别在小脑结构上可能存在差异;结合既往研究,这种差异可能与情绪调节及相关神经网络活动有关,但其临床意义仍需进一步阐明。

3.5 局限性

       本研究采用了较宽泛的焦虑界定标准(SAS≥30,代表焦虑状态或“阈下焦虑”状态),因此受试组与临床确诊的焦虑障碍人群之间存在一定的异质性。与此同时,受试组、健康对照组的样本量相对有限,可能对统计效能及结果的推广造成一定影响。本研究的数据采集涉及两台不同的MRI扫描仪,尽管对数据进行了标准化校正,但设备间的细微的系统差异仍可能作为潜在的混杂因子,对脑结构测量产生残留影响。此外,焦虑状态和抑郁症存在共病现象,尽管本研究尽可能排除抑郁症患者,但仍可能存在其他未充分控制的潜在混杂因素,如压力水平、睡眠状况及个体生活事件等,这些因素可能对结果产生影响。另一方面,尽管本研究已进行年龄协变量控制并进一步开展年龄匹配敏感性分析,但三组年龄分布并不完全一致,相关结果仍需谨慎解释。

       未来研究可进一步扩大样本量,并结合纵向设计和多模态影像学方法,如静息态功能MRI和扩散张量成像,综合评估焦虑相关脑区的结构和功能特征,以更全面地理解焦虑相关脑改变的神经生物学基础。

4 结论

       综上所述,本研究通过横断面分析发现,不同焦虑相关状态与健康对照组在海马、杏仁核、丘脑、伏隔核及小脑等多个脑区体积上存在差异。上述结果提示,焦虑相关状态可能伴随特定脑区的结构改变,为进一步研究焦虑相关脑改变及神经生物学基础提供了参考。鉴于本研究对象为临床医学研究生,且其处于特定学习和生活压力环境中,观察到的脑结构差异可能与焦虑状态及相关压力因素共同作用有关,但具体机制仍需进一步研究验证。

[1]
REZAEI S, GHAREPAPAGH E, RASHIDI F, et al. Machine learning applied to functional magnetic resonance imaging in anxiety disorders[J]. J Affective Disord, 2023, 342: 54-62. DOI: 10.1016/j.jad.2023.09.006.
[2]
QUEK T T C, TAM W S, TRAN B X, et al. The Global Prevalence of Anxiety Among Medical Students: A Meta-Analysis[J/OL]. Int J Environ Res Public Health, 2019, 16(15): 2735 [2025-11-01]. https://www.mdpi.com/1660-4601/16/15/2735. DOI: 10.3390/ijerph16152735.
[3]
赵霏, 张芸, 金荷香, 等. 基于Citespace和VOSviewer的国内外医学生心理健康研究热点与趋势可视化分析[J]. 西北民族大学学报(自然科学版), 2022, 43(1): 58-65. DOI: 10.14084/j.cnki.cn62-1188/n.2022.01.011.
ZHAO F, ZHANG Y, JIN H X, et al. Visual Analysis of Research Hotspots and Trends on Mental Healthy of Medical Student at Home and Abroad Based on Citespace and VOSviewer[J]. Journal of Northwest University for Nationalities (Natural Science Edition), 2022, 43(1): 58-65. DOI: 10.14084/j.cnki.cn62-1188/n.2022.01.011.
[4]
蔡泽龙, 马树华, 张龚巍, 等. 事件相关fMRI在广泛性焦虑症情绪刺激反应中的研究进展[J]. 国际医学放射学杂志, 2011, 34(6): 515-517, 545. DOI: 10.3784/j.issn.1674-1897.2011.06.Z0601.
CAI Z L, MA S H, ZHANG G W, et al. Progress of event-related functional MRI using emotion stimuli in generalized anxiety disorder[J]. International Journal of Medical Radiology, 2011, 34(6): 515-517, 545. DOI: 10.3784/j.issn.1674-1897.2011.06.Z0601.
[5]
FAWZY M, HAMED S A. Prevalence of psychological stress, depression and anxiety among medical students in Egypt[J]. Psychiatry Res, 2017, 255: 186-194. DOI: 10.1016/j.psychres.2017.05.027.
[6]
中华医学会, 中华医学会杂志社, 中华医学会全科医学分会, 等. 广泛性焦虑障碍基层诊疗指南(2021年)[J]. 中华全科医师杂志, 2021, 20(12): 1232-1241. DOI: 10.3760/cma.j.cn114798-20211025-00790.
Chinese Medical Association, Chinese Medical Journals Publishing House, Chinese Society of General Practice, et al. Guideline for primary care of generalized anxiety disorder (2021)[J]. Chinese Journal of General Practitioners, 2021, 20(12): 1232-1241. DOI: 10.3760/cma.j.cn114798-20211025-00790.
[7]
ZHONG Q, NIU L, CHEN K, et al. Prevalence and risk of subthreshold anxiety developing into threshold anxiety disorder in the general population[J]. J Affect Disord, 2024, 367: 815-822. DOI: 10.1016/j.jad.2024.09.031.
[8]
GHASEMI M, NAVIDHAMIDI M, REZAEI F, et al. Anxiety and hippocampal neuronal activity: Relationship and potential mechanisms[J]. Cogn Affect Behav Neurosci, 2022, 22(3): 431-449. DOI: 10.3758/s13415-021-00973-y.
[9]
屈明睿, 高冰冰, 苗延巍. 帕金森病伴抑郁在脑边缘系统结构及功能改变的MRI研究进展[J]. 磁共振成像, 2023, 14(12): 127-131. DOI: 10.12015/issn.1674-8034.2023.12.022.
QU M R, GAO B B, MIAO Y W. Advances in MRI study of structural and functional changes in the limbic system of Parkinson's disease with depression[J]. Chin J Magn Reson Imaging, 2023, 14(12): 127-131. DOI: 10.12015/issn.1674-8034.2023.12.022.
[10]
KLUG M, ENNEKING V, BORGERS T, et al. Persistence of amygdala hyperactivity to subliminal negative emotion processing in the long-term course of depression[J]. Mol Psychiatry, 2024, 29(5): 1501-1509. DOI: 10.1038/s41380-024-02429-4.
[11]
DU Y, XIA Y, HUA L, et al. Spatiotemporal dynamics of amygdala during implicit and explicit facial emotional recognition in major depressive disorder: An MEG study[J/OL]. Psychol Med, 2025, 55: e318 [2025-11-05]. https://doi.org/10.1017/S0033291725101888. DOI: 10.1017/s0033291725101888.
[12]
LI X, WANG J. Abnormal neural activities in adults and youths with major depressive disorder during emotional processing: a meta-analysis[J]. Brain Imaging and Behav, 2021, 15(2): 1134-1154. DOI: 10.1007/s11682-020-00299-2.
[13]
UHLIG M, REINELT J D, LAUCKNER M E, et al. Rapid volumetric brain changes after acute psychosocial stress[J/OL]. NeuroImage, 2023, 265: 119760 [2025-11-05]. https://doi.org/10.1016/j.neuroimage.2022.119760. DOI: 10.1016/j.neuroimage.2022.119760.
[14]
CARDONER N, ANDERO R, CANO M, et al. Impact of Stress on Brain Morphology: Insights into StructuralBiomarkers of Stress-related Disorders[J]. Curr Neuropharmacol, 2024, 22(5): 935-962. DOI: 10.2174/1570159X21666230703091435.
[15]
LI K, KOUKOUTSELOS K, SAKAGUCHI M, et al. Distinct ventral hippocampal inhibitory microcircuits regulating anxiety and fear behaviors[J/OL]. Nat Commun, 2024, 15(1): 8228 [2025-11-05]. https://doi.org/10.1038/s41467-024-52466-4. DOI: 10.1038/s41467-024-52466-4.
[16]
HAN K M, KIM A, KANG W, et al. Hippocampal subfield volumes in major depressive disorder and bipolar disorder[J]. Eur Psychiatry, 2019, 57: 70-77. DOI: 10.1016/j.eurpsy.2019.01.016.
[17]
BRANDL F, WEISE B, MULEJ BRATEC S, et al. Common and specific large-scale brain changes in major depressive disorder, anxiety disorders, and chronic pain: a transdiagnostic multimodal meta-analysis of structural and functional MRI studies[J]. Neuropsychopharmacology, 2022, 47(5): 1071-1080. DOI: 10.1038/s41386-022-01271-y.
[18]
KIM J H, SUH S I L, LEE H J, et al. Cortical and subcortical gray matter alterations in first-episode drug-naïve adolescents with major depressive disorder[J]. NeuroReport, 2019, 30(17): 1172-1178. DOI: 10.1097/WNR.0000000000001336.
[19]
SINGH A, ARYA A, AGARWAL V, et al. Grey and white matter alteration in euthymic children with bipolar disorder: a combined source‐based morphometry (SBM) and voxel-based morphometry (VBM) study[J]. Brain Imaging and Behav, 2022, 16(1): 22-30. DOI: 10.1007/s11682-021-00473-0.
[20]
MONEREO-SÁNCHEZ J, JANSEN J F A, VAN BOXTEL M P J, et al. Association of hippocampal subfield volumes with prevalence, course and incidence of depressive symptoms: The Maastricht Study[J]. Br J Psychiatry, 2024, 224(2): 66-73. DOI: 10.1192/bjp.2023.143.
[21]
STUBBENDORFF C, STEVENSON C W. Dopamine regulation of contextual fear and associated neural circuit function[J]. Eur J Neurosci, 2021, 54(8): 6933-6947. DOI: 10.1111/ejn.14772.
[22]
SUOR J H, JIMMY J, MONK C S, et al. Parsing differences in amygdala volume among individuals with and without social and generalized anxiety disorders across the lifespan[J]. J Psychiatr Res, 2020, 128: 83-89. DOI: 10.1016/j.jpsychires.2020.05.027.
[23]
NÁRAI Á, HERMANN P, RÁDOSI A, et al. Amygdala Volume is Associated with ADHD Risk and Severity Beyond Comorbidities in Adolescents: Clinical Testing of Brain Chart Reference Standards[J]. Res Child Adolesc Psychopathol, 2024, 52(7): 1063-1074. DOI: 10.1101/2023.09.17.23295664.
[24]
季淑梅, 苏新乐, 荀兴苗, 等. 大学生焦虑人群情绪冲突反应的脑功能网络研究[J].中国生物医学工程学报, 2020, 39(2): 145-151. DOI: 10.3969/j.issn.0258-8021.
JI S M, SU X L, XUN X M, et al. Study on Brain Function Network of Emotional Conflict Response in College Students with Anxiety[J]. Chinese Journal of Biomedical Engineering, 2020, 39(2): 145-151. DOI: 10.3969/j.issn.0258-8021.
[25]
刘冰倩, 林冰洁, 王梅云. 广泛性焦虑障碍的磁共振成像研究进展[J]. 磁共振成像, 2025, 16(3): 98-103. DOI: 10.12015/issn.1674-8034.2025.03.016.
LIU B Q, LIN B J, WANG M Y. Research progress in magnetic resonance imaging of generalized anxiety disorder[J]. Chin J Magn Reson Imaging, 2025, 16(3): 98-103. DOI: 10.12015/issn.1674-8034.2025.03.016.
[26]
LEE D A, LEE H, PARK K M. Thalamic nuclei volumes and intrinsic thalamic network in patients with occipital lobe epilepsy[J/OL]. Brain Behav, 2023, 13(4): e2968 [2025-11-05]. https://doi.org/10.1002/brb3.2968. DOI: 10.1002/brb3.2968.
[27]
ANDRZEJEWSKI J A, GREENBERG T, CARLSON J M. Neural correlates of aversive anticipation: An activation likelihood estimate meta-analysis across multiple sensory modalities[J]. Cogn Affect Behav Neurosci, 2019, 19(6): 1379-1390. DOI: 10.3758/s13415-019-00747-7.
[28]
PALERMO S, BENEDETTI F, COSTA T, et al. Pain anticipation: An activation likelihood estimation meta‐analysis of brain imaging studies[J]. Hum Brain Mapp, 2015, 36(5): 1648-1661. DOI: 10.1002/hbm.22727.
[29]
GÜNTHER V, JAHN S, WEBELHORST C, et al. Coping With Anxiety: Brain Structural Correlates of Vigilance and Cognitive Avoidance[J/OL]. Front Psychiatry, 2022, 13: 869367 [2025-11-01]. https://doi.org/10.3389/fpsyt.2022.869367. DOI: 10.3389/fpsyt.2022.869367.
[30]
MODI S, THAPLOO D, KUMAR P, et al. Individual differences in trait anxiety are associated with gray matter alterations in hypothalamus: Preliminary neuroanatomical evidence[J]. Psychiatry Res Neuroimaging, 2019, 283: 45-54. DOI: 10.1016/j.pscychresns.2018.11.008.
[31]
LIANG J, YU Q, LIU Y, et al. Gray matter abnormalities in patients with major depressive disorder and social anxiety disorder: a voxel-based meta-analysis[J]. Brain Imaging Behav, 2023, 17(6): 749-763. DOI: 10.1007/s11682-023-00797-z.
[32]
BODA E. Myelin and oligodendrocyte lineage cell dysfunctions: New players in the etiology and treatment of depression and stress‐related disorders[J]. Eur J Neurosci, 2021, 53(1): 281-297. DOI: 10.1111/ejn.14621.
[33]
SMAGA I. Understanding the Links among Maternal Diet, Myelination, and Depression: Preclinical and Clinical Overview[J/OL]. Cells, 2022, 11(3): 540 [2025-11-05]. https://www.mdpi.com/2073-4409/11/3/540. DOI: 10.3390/cells11030540.
[34]
LIU R, WANG Y, CHEN X, et al. Anhedonia correlates with functional connectivity of the nucleus accumbens subregions in patients with major depressive disorder[J/OL]. NeuroImage Clin, 2021, 30: 102599 [2025-11-05]. https://doi.org/10.1016/j.nicl.2021.102599. DOI: 10.1016/j.nicl.2021.102599.
[35]
LANGHAMMER T, HILBERT K, ADOLPH D, et al. Resting-state functional connectivity in anxiety disorders: a multicenter fMRI study[J]. Mol Psychiatry, 2025, 30(4): 1548-1557. DOI: 10.1038/s41380-024-02768-2.
[36]
AUERBACH R P, PAGLIACCIO D, HUBBARD N A, et al. Reward-Related Neural Circuitry in Depressed and Anxious Adolescents: A Human Connectome Project[J]. J Am Acad Child Adolesc Psychiatry, 2022, 61(2): 308-320. DOI: 10.1016/j.jaac.2021.04.014.
[37]
TALATI A, PANTAZATOS S P, SCHNEIER F R, et al. Gray Matter Abnormalities in Social Anxiety Disorder: Primary, Replication, and Specificity Studies[J]. Biol Psychiatry, 2013, 73(1): 75-84. DOI: 10.1016/j.biopsych.2012.05.022.
[38]
BAHRI M, FARRAHI H, BAHRI M, et al. Effects of depression and anxiety symptoms on cognitive inhibition: A cross-sectional study of structural and functional MRI evidence[J/OL]. Medicine, 2025, 104(15): e42000 [2025-11-05]. https://doi.org/10.1097/MD.0000000000042000. DOI: 10.1097/MD.0000000000042000.
[39]
HILBER P, CENDELIN J, LE GALL A, et al. Cooperation of the vestibular and cerebellar networks in anxiety disorders and depression[J]. Prog Neuropsychopharmacol Bio Psychiatry, 2019, 89: 310-321. DOI: 10.1016/j.pnpbp.2018.10.004.
[40]
ZHAO G, ZHANG H, MA L, et al. Reduced volume of the left cerebellar lobule VIIb and its increased connectivity within the cerebellum predict more general psychopathology one year later via worse cognitive flexibility in children[J/OL]. Dev Cogn Neurosci, 2023, 63: 101296 [2025-11-05]. https://doi.org/10.1016/j.dcn.2023.101296. DOI: 10.1016/j.dcn.2023.101296.
[41]
PICERNI E, LARICCHIUTA D, PIRAS F, et al. Cerebellar engagement in the attachment behavioral system[J/OL]. Sci Rep, 2022, 12(1): 13571 [2025-11-05]. https://doi.org/10.1038/s41598-022-17722-x. DOI: 10.1038/s41598-022-17722-x.

上一篇 基于网络攻击与度分布的轻微肝性脑病脑结构协变网络特性研究
下一篇 基于心脏磁共振特征追踪技术评估高血压合并或不合并糖尿病患者双心室应变的对比研究
  
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