分享:
分享到微信朋友圈
X
• 临床研究 •
伴中央颞区棘波自限性癫痫患儿白质功能网络、功能协变网络改变
黄可忻 易栏 冉海峰 徐高强 陈静 刘衡 张体江

本文引用格式 黄可忻, 易栏, 冉海峰, 等. 伴中央颞区棘波自限性癫痫患儿白质功能网络、功能协变网络改变[J]. 磁共振成像, 2026, 17(11): 19-26, 69. DOI:10.12015/issn.1674-8034.2026.11.003.


[摘要] 目的 基于静息态功能磁共振成像探讨伴中央颞区棘波的自限性癫痫(self-limited epilepsy with centrotemporal spikes, SeLECTS)患儿脑白质功能网络及功能协变网络变化,并评估其与病程等临床变量相关性,为临床干预提供线索。材料与方法 本研究回顾性纳入2018年1月至2025年1月遵义医科大学附属医院确诊的69例SeLECTS患儿和年龄、性别、受教育程度匹配的66名健康对照(healthy control, HC)。采用K-means聚类方法识别稳定的脑白质静息态功能网络,分别计算SeLECTS组与HC组在主频段及四个子频段各网络间功能连接(functional connectivity, FC)与功能协变连接(functional covariance connectivity, FCC)差异,分析差异指标与临床变量(病程等)相关性。结果 聚类得到9个稳定白质功能网络。与HC相比,SeLECTS患儿中放射冠相关网络(WM1)、Rolandic相关中央前后回网络(WM4)及扣带束网络(WM3)在主频段FC与FCC均显著降低(t=-3.284~-2.687,P<0.001),并在多个子频段呈一致下降趋势。在Slow-4、Slow-3中,WM4/WM1与内侧前额网络(WM9)间FCC降低(t=-5.637~-3.623,P<0.001),而腹侧前额叶网络(WM5)与眶额叶网络(WM8)间FCC增强(t=3.846~3.876,P<0.001)。主频段中WM3-WM4的FC、WM4-WM9的FCC与病程呈负相关。结论 SeLECTS患儿存在以额顶叶纤维束核心网络功能失衡为特征的白质功能“减弱-增强”双向失衡,不仅影响致痫区还可伴随远隔脑区功能异常。白质功能连接及协变连接的异常重构,为理解疾病病理机制提供影像学依据。
[Abstract] Objective To investigate the alterations in white matter functional network and functional covariance network in children with self-limited epilepsy with centrotemporal spikes (SeLECTS) based on resting-state functional magnetic resonance imaging, and to evaluate their correlations with clinical variables such as disease duration, so as to provide clues for clinical intervention.Materials and Methods This retrospective secondary analysis included a total of 69 children diagnosed with SeLECTS at the Affiliated Hospital of Zunyi Medical University between January 2018 and January 2025, and 66 normal controls (HCs) matched for age, sex and years of education were recruited. K-means clustering was performed to identify WM functional networks, and the partition with the highest clustering stability was selected as the final network scheme. Functional connectivity (FC) and functional covariance connectivity (FCC) were calculated in the main frequency and sub-frequency bands. Bands were compared between the SeLECTS and the HCs, and the correlations between differential indicators and clinical variables were analyzed.Results Nine stable WM functional networks were identified by clustering analysis. Patients exhibited reduced functional integration in multiple networks, particularly in the medial corona radiata (WM1), Rolandic area (WM4), and cingulum (WM3) networks, with consistent reductions in FC and FCC across frequency bands (t = -3.284 to -2.687, P < 0.001). Frequency-specific reductions in FCC were found between WM4/WM1 and the medial prefrontal network (WM9) in the Slow-4 and Slow-3 bands (t=-5.637 to -3.623, P < 0.001), whereas increased FCC was detected between the ventral prefrontal (WM5) and orbitofrontal (WM8) networks (t = 3.846 to 3.876, P < 0.001). Across the main frequency band, the FC of WM3-WM4 and the FCC of WM4-WM9 were negatively correlated with disease duration.Conclusions Children with SeLECTS exhibit bidirectional "decrease-increase" functional imbalances in white matter, featured by dysfunction of core frontoparietal fiber tract networks involving both the epileptogenic zone and functional alterations in distant brain regions. The abnormal remodeling of white matter functional connectivity and functional covariance connectivity provides neuroimaging evidence for understanding the pathophysiological mechanisms of the disease.
[关键词] 伴中央颞区棘波的自限性癫痫;静息态功能磁共振成像;磁共振成像;脑白质;功能连接;功能协变连接
[Keywords] self-limited epilepsy with centrotemporal spikes;resting-state functional magnetic resonance imaging;magnetic resonance imaging;white matter;functional connectivity;functional covariance connectivity

黄可忻 1   易栏 1   冉海峰 1   徐高强 1   陈静 2, 3   刘衡 1   张体江 1, 4*  

1 遵义医科大学附属医院放射科,遵义 563000

2 遵义医科大学附属医院儿童神经遗传内分泌科,遵义 563000

3 贵州省儿童神经疾病临床研究中心,遵义 563000

4 毕节医学高等专科学校医学技术系,毕节 551700

通信作者:张体江,E-mail: tijzhang@163.com

作者贡献声明:张体江、刘衡设计本研究的方案,对稿件重要内容进行了修改;黄可忻起草和撰写稿件,获取、分析和解释本研究的数据;易栏、陈静获取、分析本研究的数据,对稿件重要内容进行了修改;冉海峰、徐高强分析、解释本研究的数据,对稿件重要内容进行了修改;张体江获得了贵州省高等学校智能医学影像工程研究中心项目、贵州省科技计划项目和贵州省基础研究计划面上项目(编号:黔科合基础MS〔2026〕021)的资助,冉海峰获得了贵州省基础研究计划面上项目(编号:黔科合基础 MS〔2026〕987)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: 贵州省科技计划项目 黔科合人才CXTD〔2025〕047 贵州省基础研究计划面上项目 黔科合基础MS〔2026〕987,黔科合基础MS〔2026〕021 贵州省高等学校智能医学影像工程研究中心项目 黔教技〔2023〕038号
收稿日期:2026-07-15
接受日期:2026-09-15
中图分类号:R445.2  R742.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.11.003
本文引用格式 黄可忻, 易栏, 冉海峰, 等. 伴中央颞区棘波自限性癫痫患儿白质功能网络、功能协变网络改变[J]. 磁共振成像, 2026, 17(11): 19-26, 69. DOI:10.12015/issn.1674-8034.2026.11.003.

0 引言

       癫痫是全球范围内常见的神经系统疾病之一,且儿童发病率高于成人。其中,伴中央颞区棘波的自限性癫痫(self-limited epilepsy with centrotemporal spikes, SeLECTS),既往称为伴中央颞区棘波的良性儿童癫痫(benign childhood epilepsy with centrotemporal spikes, BECTS)或者称为Rolandic癫痫,是最常见的儿童癫痫综合征[1, 2]。鉴于部分患者可进展为其他癫痫谱系疾病,国际抗癫痫联盟(International League Against Epilepsy, ILAE)在2022年更新的命名中不再使用“良性”这一概念[3]。因此,早期识别SeLECTS对于患者的临床管理至关重要[4],MRI研究为揭示SeLECTS的脑功能改变提供了关键证据[5]。

       研究表明,儿童癫痫的发病与关键发育期突触活动异常导致的神经元网络紊乱,其本质是脑区间连接模式失调[6, 7]。既往研究发现SeLECTS患儿存在脑结构与功能连接异常,但多局限于灰质(gray matter, GM)功能连接[6, 8]或白质(white matter, WM)结构连接层面[9],对WM本身的功能连接组关注相对不足。同时,在儿童和青少年发育阶段,WM经历快速的结构重塑[10]和髓鞘化过程[11],这一动态而尚未完全稳定的发育状态,可能使其功能网络更易受到癫痫等病理因素影响。因此,仅从GM功能或WM结构层面探讨SeLECTS的网络异常,无法全面反映其全脑连接紊乱模式。

       近年研究表明WM并非仅为被动的信号传导结构,同样具有与神经活动耦合的血氧水平依赖信号响应特性[12],还存在稳定的内在功能组织模式[13, 14, 15]。此外,大规模WM功能网络与扩散张量成像识别的WM纤维束结构高度对应[13]。进一步,传统功能连接(functional connectivity, FC)仅度量两脑区瞬时线性相关,信息维度有限;功能协变网络连接(functional covariance connectivity, FCC)可整合多区域信息,反映网络协同性且噪声鲁棒性更强[16],二者具有良好互补性[17]。同时,WM功能活动还存在明显频段特异性[18]。因此,联合FC与FCC两种分析指标探究主频段及不同亚频段下SeLECTS患儿WM功能网络的特异性改变,可以从活动同步性与网络协同性层面解析WM跨脑区信息整合模式,为SeLECTS患儿WM功能改变的神经机制提供新证据。

1 材料与方法

1.1 研究对象

       本研究为基于前瞻性建立的影像数据库开展的回顾性横断面分析。纳入2018年1月至2025年1月在遵义医科大学附属医院确诊的103例SeLECTS患儿。按以下标准逐层筛选:排除临床资料丢失者9例、排除静息态功能磁共振成像(resting-state functional magnetic resonance imaging, rs-fMRI)数据不完整者10例、排除明显头动伪影4例、排除关键临床指标不全11例。最终共69例SeLECTS患儿纳入本研究后续分析。同时纳入66名健康对照(healthy control, HC)儿童的MRI及临床资料;HC组来源于本中心前期招募建立的健康儿童志愿者数据库。SeLECTS组纳入标准:(1)符合ILAE 2022年癫痫综合征分类中SeLECTS的诊断标准,经临床发作史、长程视频脑电图检查综合确诊;(2)年龄6~16岁;(3)rs-fMRI检查为发作间期完成,距末次发作≥72小时。HC组纳入标准:年龄、性别、受教育程度与SeLECTS组相匹配。两组共同的排除标准:(1)常规颅脑MRI检查发现结构性异常;(2)SeLECTS组排除合并SeLECTS以外其他神经精神疾病者;HC组排除既往有任何神经精神疾病病史者;(3)非右利手。同时记录SeLECTS组患者癫痫发病年龄、病程及脑电图等结果。所有SeLECTS患者均接受了第2版中国-韦氏儿童智力量表(适用于6~16岁)评估,获取言语智商(Verbal Intelligence Quotient, VIQ)、操作智商(Performance Intelligence Quotient, PIQ)和全量表智商(Full-scale Intelligence Quotient, FIQ)分数;HC组未进行此项认知评估。

       该研究遵守《赫尔辛基宣言》,已获得遵义医科大学附属医院伦理委员会批准(批准文号:KLL-2026-218);研究依托标准化前瞻性建立的影像数据库,在病例采集结束后调取匿名化存档数据开展分析,未新增受试者与影像检查;伦理委员会免除受试者知情同意。

1.2 图像采集

       采用美国GE Signa HDxt 3.0 T MRI扫描仪及8通道头部线圈。受试者取仰卧位,头部采用泡沫垫固定,佩戴软质耳塞降低噪音。T2液体衰减反转恢复(T2-fluid attenuated inversion recovery, T2-FLAIR)序列扫描参数:TR 7826 ms,FOV 240 mm×240 mm,TI 2100 ms,TE 165 ms,层厚5 mm,层间距1.5 mm,FA 90°;高分辨率3D-T1WI结构像扫描参数:TR 7.8 s,FOV 256 mm×256 mm,TI 450 ms,TE 3.0 ms,层厚1 mm,层间距0 mm,FA 15°;rs-fMRI序列扫描参数:TR 2000 ms,FOV 240 mm×240 mm,TE 30 ms,层厚4 mm,层间距0 mm,FA 15°,采集时相210个。扫描期间要求受试者保持闭眼状态,避免入睡或进行特定思考,并尽可能保持静止。

1.3 图像分析与处理

       本研究采用分析者单盲策略,影像预处理、WM功能网络构建及统计分析均由不知晓受试者分组与临床信息的研究人员独立完成;分组标识与临床资料由不参与数据分析人员单独管理。影像预处理与功能网络分析由具有5年以上神经影像研究经验的医师独立完成,所有分析严格遵循标准化操作流程,执行统一参数标准与操作规范,保障分析结果稳定、可重复。

1.3.1 功能磁共振数据预处理

       基于MATLAB R2018b平台及DPARSF 6.0工具包完成。主要步骤如下:(1)原始数据格式转换;(2)剔除功能像前10个时间点以消除扫描初期磁化饱和效应导致的信号系统性漂移,同时规避受试者扫描初始阶段的状态波动;(3)层间时间校正补偿采集时间差;(4)头动校正过程中排除头动位移>3 mm或旋转角度>3°的受试者,同时以逐帧位移(frame-wise displacement, FD)为头动质控指标,两组受试者平均FD均低于0.5 mm常规阈值(HC组:0.0766 mm;SeLECTS组:0.0739 mm),且组间差异无统计学意义(P=0.658),可排除头动因素对组间比较的混杂影响;(5)T1结构像重定向后分割为GM、WM及脑脊液;(6)通过多元线性回归去除干扰信号(包括头动参数、脑脊液平均信号等);(7)为避免高斯平滑造成灰白质信号的交叉泄漏,本研究采用先分组织平滑、后空间标准化的处理策略,分别对WM和GM功能像以4 mm半高全宽(full width at half maximum, FWHM)进行高斯空间平滑,该参数符合功能影像预处理规范与WM功能研究通用设置,可在提升信号信噪比的同时控制跨纤维束信号泄漏风险;(8)最终将数据空间标准化至蒙特利尔神经学研究所(Montreal Neurological Institute, MNI)标准空间,重采样为3 mm×3 mm×3 mm体素分辨率。

1.3.2 组水平模板构建

       基于个体结构像采用最大后验概率分类法完成脑组织分割,计算各体素归属于GM、WM的后验概率,生成GM/WM二值模板,计算各体素归类为特定组织的概率。其中,WM模板保留在>60%受试者中被判读为WM的体素(15 160个体素);为降低计算复杂度,采用三维规则网格等间隔下采样,在三个空间维度保持一致采样间隔,相邻层面间采用1体素偏移排布,维持空间各向同性与采样均匀性,在降低计算量的同时完整保留采样点的空间解剖对应关系[13],获得下采样WM模板(3452个体素)。基于此,对每位受试者计算每个WM体素与全脑重采样节点间的Pearson相关系数,构建WM(15 160×3452)全脑相关矩阵。

1.3.3 功能网络聚类

       采用K-means算法,先对聚类特征做Z-score标准化,以欧几里得距离度量相似性,为确定最合适的聚类数目(即k值),系统性地评估了k从2到22[10, 16]的所有可能取值,针对每个k值都重复聚类10次避免局部最优解。具体而言,组水平相关矩阵是通过将所有受试者的个体WM体素-节点相关矩阵进行算术平均后得到的。为了评估聚类可靠性,将该组水平相关矩阵随机平分为4个子集,在每个子集上采用前述中已确定的最优参数(k值等)分别独立执行K-means聚类,并将聚类结果生成二值矩阵。通过计算任意两子集间矩阵的Dice相似系数,以此量化并评价整体聚类结果的稳定性。最终,通过平均所有子集对之间的Dice系数,得到可以反映整体聚类稳定性的综合Dice指标,指标范围为0到1,值越高表明聚类结果越稳定。本研究选取Dice系数>0.85[13, 16]时最大的稳定聚类团块方案。

1.3.4 分频段功能网络及功能协变网络分析

       WM主要由髓鞘化轴突构成,局部血流量及血氧代谢水平远低于GM,血氧水平依赖(blood oxygenation level dependent, BOLD)信号振幅仅为GM的1/3至1/2,导致其功能活动具有独特的频率特异性。因此本研究采用分频段策略,分别计算FC与FCC。结合预试验频谱分析结果(WM网络在0.15 Hz以内仍维持较高功率)、既往研究的频段应用经验[13, 19],并在GM研究常用频段(0.01~0.10 Hz)基础上扩展,本研究确定0.01~0.15 Hz为主分析频段,以完整捕捉WM微弱低频振荡信号。多频段小波分解基于采样全带宽(0~0.25 Hz)开展,参照文献划分标准[17],还在全带宽原始频段(0~0.25 Hz)中进一步细分为Slow-5(0.010~0.027 Hz)、Slow-4(0.027~0.073 Hz)、Slow-3(0.073~0.198 Hz)和Slow-2(0.198~0.250 Hz)4个子频带,共形成5个分析频段。

       基于上述频段划分以及最终聚类结果,提取每位被试各WM功能网络的平均时间序列,计算任意两个网络时间序列的Pearson相关系数,得到WM FC矩阵。FCC通过评估两个WM网络与共同GM区域的相关模式相似度,反映网络间的功能协变关系,具体步骤为:(1)采用哈佛牛津GM图谱将GM划分为96个脑区,经GM掩模取交集后保留GM内体素;(2)计算各WM网络与各GM脑区平均时间序列的Pearson相关系数,构建k×96相关矩阵(k为WM网络数量);(3)计算矩阵中任意两行向量的Spearman相关系数,定义为对应WM网络间的FCC值,生成k×k对称FCC矩阵;(4)将所有FCC值转换为Fisher Z分数,用于后续统计分析。

1.4 样本量估算

       本研究开始前已完成样本量估算,主要是基于前期预试验数据。预试验中,病例组与对照组分别聚类得到9个脑区,获取所有体素两两之间的功能连接强度平均值分别为(0.036 8±0.005 7)和(0.039 7±0.004 1)。根据预试验数据计算,Cohen's d效应量为0.58。使用G*Power 3.1软件(http://www.gpower.hhu.de/),选择独立样本均数比较的t检验(双侧)。设定显著性水平(α)为0.05,检验效能(1-β)为90%,效应量d=0.58,设定病例组与对照组的比例为1∶1,通过计算,结合考虑20%的数据排除比例(如头动、配准/分割失败或关键指标缺失等),最终推荐纳入SeLECTS患儿69例、健康志愿者66例。

1.5 统计学分析

       采用SPSS 29.0(IBM Corp., Armonk, NY, USA, Version 29.0)软件包进行。连续变量经Shapiro-Wilk检验确认正态性,符合正态分布者以均数±标准差表示,组间比较采用独立样本t检验;非正态分布数据采用中位数(四分位间距)表示,组间比较采用Mann-Whitney U检验。分类变量以例(%)描述,组间差异采用χ2检验。计数资料以例数表示,两组间比较采用χ2检验。根据数据分布选择独立样本t检验或Mann-Whitney U检验进行组间FC及FCC比较。比较共覆盖5个分析频段(主频段、Slow-5、Slow-4、Slow-3、Slow-2),每个频段包含9个WM网络两两配对的36次独立比较,FC与FCC分别在每个频段内独立采用采用错误发现率(false discovery rate, FDR)进行多重比较校正,单类指标总比较次数为180次。采用偏相关分析异常FC或FCC值与临床特征(认知评分、病程、起病年龄),将年龄、性别作为协变量,数据符合正态分布时采用Pearson偏相关,不符合则采用Spearman秩偏相关。所有相关性分析均进行FDR校正,校正后P <0.05认为差异具有统计学意义。

2 结果

2.1 一般资料

       本研究共纳入69例SeLECTS患儿和66例HC。SeLECTS组和HC组之间性别、年龄及受教育年限差异均无统计学意义(P均>0.05;表1)。SeLECTS组患儿的癫痫临床特征显示,脑电图中单侧中央颞区棘波43例,双侧棘波26例;抗癫痫药物治疗方面,9例未接受药物治疗,40例接受单药治疗,20例接受多药治疗。早期发作次数≤5次者52例,存在清醒期发作者14例,治疗前病程≤12个月者32例,合并多种发作类型者16例。

表1  两组人口统计学信息及认知量表信息
Tab. 1  Demographic and cognitive scale information of the two groups

2.2 WM功能网络识别

       聚类分析提示,满足高稳定性的最大网络数量为9(Dice系数>0.85),因此后续分析采用了9个WM网络,依次分别为WM1至WM9。WM功能网络的命名则参考既往研究提出的WM功能网络框架[13],并进一步与JHU(ICBM DTI-81 atlas)白质纤维束图谱进行空间重叠分析,依据重叠体积最大的纤维束确定其解剖分布。最后与WM脑图谱叠加进行可视化,得到团块包含主要纤维束(网络空间分布见图1,网络命名及解剖定位见表2)。

图1  白质功能网络团块编号及解剖定位。图中红色星标表示在Dice系数>0.85的前提下具有最大数量的稳定聚类团块数量。WM:白质。
Fig. 1  Cluster numbering and anatomical localization of white matter functional networks. The red asterisk in the figure indicates the maximum number of stable clusters under the threshold of Dice coefficient > 0.85. WM: white matter.
表2  白质功能网络命名及主要解剖分布
Tab. 2  White matter functional network nomenclature and main anatomical distribution

2.3 WM功能网络连接、功能协变网络连接分析

       将年龄和性别作为协变量进行回归,FC分析显示SeLECTS组较HC组在主频段中(FDR校正,P<0.05),WM1-WM3、WM3-WM4脑区功能连接明显下降;Slow-2至Slow-5各频段未出现组间功能连接差异(表3、图2)。FCC分析显示SeLECTS组较HC组在主频段中WM1-WM3、WM3-WM4以及WM4-WM9间功能协变水平显著降低。在Slow-5频段,WM1-WM3、WM3-WM4间功能协变显著降低。在Slow-4频段,WM1-WM3、WM3-WM4、WM1-WM9以及WM4-WM9 间功能协变显著降低,同时在WM5-WM8协变显著增强。在Slow-3频段与Slow-4频段存在相同的4个FCC显著降低,以及WM5-WM8协变增强。在Slow-2频段,WM3-WM4功能协变显著降低(表3、图3)。

图2  SeLECTS 组与HC 组具有差异的FC 脑区示意图。2A~2B 分别为SeLECTS 与HC 间主频段白质FC 连接、FCC连接矩阵,*表示该连接差异具有统计学意义(P<0.05,FDR校正),彩条分别表示P 值和t 值;弦图为连接具有差异脑区示意图,蓝色线条表示SeLECTS 组较HC 组连接水平降低,红色线条表示SeLECTS 组较HC 组连接水平升高。SeLECTS:伴中央颞区棘波的自限性癫痫;HC:健康对照;FC:功能连接;FCC:功能协变连接;WM:白质。
Fig. 2  FC matrix and schematic diagram showing differences between two groups. 2A-2B show the main-frequency-band white matter FC matrix and FCC matrix between SeLECTS and HC groups, respectively. * indicates significant connectivity differences (P < 0.05, FDR-corrected). Color bars correspond to P and t values. The chord diagram depicts brain regions with differential connectivity: blue lines represent reduced connectivity in SeLECTS vs. HC, and red lines represent increased connectivity. SeLECTS: self-limited epilepsy with centrotemporal spikes; HC: healthy control; FC: functional connectivity; FCC: functional covariance connectivity; WM: white matter.
图3  两组间具有差异的FCC 脑区连接矩阵及示意图。图3A~3D 分别为SeLECTS 组与HC 组间在Slow-5、Slow-4、Slow-3 及Slow-2 频段白质功能协变网络连接矩阵,*表示该连接差异具有统计学意义(P<0.05,FDR 校正),彩条分别表示P 值和t 值;弦图为连接具有差异脑区示意图,蓝色线条表示SeLECTS 组较HC 组连接水平降低,红色线条表示SeLECTS 组较HC组连接水平升高。SeLECTS:伴中央颞区棘波的自限性癫痫;HC:健康对照;FCC:功能协变连接;WM:白质。
Fig. 3  FCC matrix and schematic diagram showing differences between two groups. 3A-3D: White matter FCC matrices between SeLECTS and HC groups at Slow-5, Slow-4, Slow-3 and Slow-2 frequency bands, respectively. * indicates significant connectivity differences (P < 0.05, FDR-corrected). Color bars correspond to P and t values. The chord diagram depicts brain regions with differential connectivity: blue lines represent reduced connectivity in SeLECTS vs. HC, and red lines represent increased connectivity. SeLECTS: self-limited epilepsy with centrotemporal spikes; HC: healthy control; FCC: functional covariance connectivity; WM: white matter.
表3  两组间白质FC和FCC差异
Tab. 3  Differences in white matter FC and FCC between the two groups

2.4 相关性分析

       在主频段中,SeLECTS组WM3-WM4的FC与病程呈负相关(r=-0.386,P=0.003),WM4-WM9的FCC与病程呈负相关(r=-0.286,P=0.028)(图4)。本研究中所有频段中显著差异的FC及FCC指标与患儿的发病年龄、VIQ、PIQ及FIQ均未发现显著相关性(P均>0.05)。以上P值均经FDR校正。

图4  SeLECTS白质功能连接、功能协变连接与临床变量的相关性分析。4A:在主频段中,WM3-WM4白质FC与病程呈负相关(r=-0.386,P=0.003);4B:在主频段中,WM4-WM9白质FCC与病程呈负相关(r=-0.286,P=0.028)。r为控制年龄、性别后的偏相关系数,P值为FDR校正后结果。SeLECTS:伴中央颞区棘波的自限性癫痫;HC:健康对照;FC:功能连接;WM:白质;FCC:功能协变连接。
Fig. 4  Correlation analysis of white matter FC, FCC and clinical variables in SeLECTS. 4A: In the main frequency band, white matter FC between WM3 and WM4 is negatively correlated with disease duration (r = -0.386, P = 0.003); 4B: In the main frequency band, white matter FCC between WM4 and WM9 is negatively correlated with disease duration (r = -0.286, P = 0.028). r denotes partial correlation coefficients controlling for age and sex; P values are FDR-corrected. SeLECTS: self-limited epilepsy with centrotemporal spikes; HC: healthy control; WM: white matter; FCC: functional covariance connectivity.

3 讨论

       本研究基于K-means聚类构建了稳健的且空间独立的脑WM功能网络;通过多指标、多频段分析揭示了SeLECTS患儿脑WM功能网络改变。结果显示,WM功能网络虽跨多个解剖纤维束分布,但仍保持较高空间对应性。在主频段中SeLECTS患儿WM1、WM4与WM3之间FC与FCC降低;在Slow-4与Slow-3频段,患儿WM4及WM1与WM9的FCC降低,而WM5与WM8的FCC增强。患儿脑WM功能网络异常存在显著频率依赖性,其中WM3-WM4协同性降低在各频段稳定存在;主频段下WM3-WM4的FC、WM4-WM9的FCC与病程呈负相关。上述发现为进一步理解SeLECTS神经机制、探寻疾病影像学标志物提供了新视角。

3.1 FC与FCC指标的互补性及频段依赖特征

       本研究结果发现FC与FCC对WM功能异常的识别效能存在差异,且呈现一致的频段依赖特征;该差异具有方法学与生物学双重合理性,共同反映了患儿WM网络的特征性功能重组。

       传统FC主要反映了WM1-WM3、WM3-WM4核心通路的同步性下降,而FCC可以进一步捕捉多网络间协同异常,这一差异源于指标表征连接层次不同。FC基于BOLD信号的线性相关,直接反映成对网络的瞬时同步程度,信息维度相对单一。SeLECTS异常放电以Rolandic感觉运动区为核心,病理改变以跨系统整合模式异常为主,因此仅在放电相关关键通路中出现FC组间差异。而FCC通过WM-GM连接模式相似度反映协变关系,基于方法学原理,该指标可表征网络间的功能协同性与环路归属[16],对网络重构类病理的直接、间接跨模块损伤可能更具敏感性,也可揭示直接通路WM3-WM4、WM4-WM9及间接通路WM1-WM3、WM1-WM9的跨模块协同下降。而WM5-WM8(腹侧前额-眶额网络)协变连接增强,则可能反映前额叶环路存在潜在功能代偿或异常富集。

       以上WM网络FC及FCC改变同时具有明确的频段特异性,这一结果从时间尺度维度来拓展对疾病病理机制的认知。Slow-5至Slow-3低频振荡与维持脑网络跨区域协同、远程信息整合相关[18]。本研究中该频段广泛协变减弱,提示脑WM网络存在慢速与全局性功能整合障碍。而Slow-2频段仅WM3-WM4连接异常,且该通路损伤贯穿所有分析频段,进一步提示其为疾病核心受累网络。从方法学角度,分频后有效信号时长缩减、统计效力降低,也是部分频段FC未检出显著差异的重要技术原因。

       综上,SeLECTS患儿WM功能损害核心为脑WM网络与全脑GM系统之间协同关系的紊乱,而非单纯网络瞬时同步下降,且异常改变具备多重时间尺度频率选择性。

3.2 感觉运动相关网络的核心异常及其跨模块影响

       SeLECTS患儿WM功能异常具有明确空间选择性,损伤主要集中于特定解剖功能束,并经关键通路失衡累及高级脑网络。

       本研究中患儿WM3-WM4连接下降在所观察指标中具有较高一致性和重复出现特征,可能为核心异常。WM4对应痫样放电Rolandic感觉运动皮层[20],与既往GM形态[21]、WM结构[22]、局部功能异常[18, 23]研究形成互补,从WM功能层面补充了核心脑区网络损伤证据。而WM3(扣带束网络)是连接边缘系统与额顶注意网络关键结构[24],参与认知控制与冲突监控[25]。二者连接减弱提示癫痫发作核心区与高级认知控制环路的信息传递与整合效率异常。另一方面,WM1包含丘脑辐射、皮质脊髓束与上纵束等长程纤维[26, 27],承担感知与空间注意的信息传递功能。WM1、WM3与内侧前额网络(WM9)间协同受损,提示上纵束介导的长程信息传递障碍,感觉运动信号向认知调控、默认网络的跨模块整合受阻,这种多通路连接异常可同时扰乱多重信息处理路径,这些发现为理解患儿常伴随的注意力缺陷[28]、学习能力下降[29]等认知损害提供潜在神经影像学线索,也提示该病并非单纯局灶性异常,而可能是涉及多网络的广泛功能改变[30]。

       结合频段特征进一步分析,核心通路WM3-WM4的减弱贯穿所有频段,反映局部环路的持续性功能损伤。尤其是在Slow-2频段中,该频段邻近采样上限,易受频谱混叠及生理噪声干扰;然而即便在噪声水平偏高的该频段,异常仍仅局限于WM3-WM4核心通路,既提示快速神经振荡的功能改变更多对应局部或特定环路的状态,也从侧面印证了该核心环路损伤的稳健性。最后,Slow-3、Slow-4低频段异常分布更广,涉及感觉运动、注意控制及默认模式网络,与低频振荡介导长程网络协同与全局调控的生理特性一致[17]。该频谱分布特征共同印证了SeLECTS同时存在局部核心环路持续性异常与长程跨模块整合受损的病理模式。

3.3 频率依赖的网络重构模式及其潜在临床意义

       在Slow-4与Slow-3频段中WM5与WM8功能协变增强,提示WM网络内部存在特异性功能重构。WM8包含眶额叶WM与胼胝体小钳,与WM5共同构成前额叶内部及半球间信息传递关键结构基础。目前该改变的功能意义尚不明确,结合既往研究可提出两种假设。首先,在全脑WM功能网络受损背景下[31, 32],该协变增强可能是局部环路的适应性功能重组,通过前额叶内部信息传递上调部分代偿全脑网络整合功能缺损。其次,结合既往WM结构损伤研究[9, 33],该改变也可能反映了前额叶网络内部以牺牲动态灵活性为代价出现功能富集,是否增加异常电活动的扩散风险[34, 35],尚需进一步验证。上述两种重塑模式的有效性及最终结局可能取决于WM结构完整性与网络效率的匹配程度[36, 37],还需要通过纵向随访或结合临床症状关联加以验证。

       相关性分析显示主频段WM3-WM4的FC、WM4-WM9的FCC均与病程负相关。提示病程较长的患儿在Rolandic区-扣带束以及Rolandic区-内侧前额叶通路上的WM功能协同性更低。该发现既可能是疾病病程迁延与WM功能受损存在关联,也可能是由于基线期WM网络异常更显著的患儿病程更易迁延,具体机制有待纵向随访研究进一步验证。

3.4 局限性

       本研究存在一定的局限性:(1)本研究难以确定所观察到的脑连接组异常与疾病发生、发展及预后之间的因果关系,未来需开展纵向研究,如在治疗干预前后进行重复测量。(2)单中心队列样本量有限,无法支撑按用药方案、发作表型等维度开展精细亚组分析;同时对发病年龄、治疗史等混杂因素控制仍有局限,部分患儿的发作频率、脑电图放电频率等动态临床指标随访数据不完整。后续需进一步控制混杂因素并开展多中心大样本研究。此外,HC组未进行认知评估,两组认知基线不可直接比较,在解释组间连接差异时需考虑该局限性。(3)全样本共同构建WM功能网络模板并组间比较,虽已通过四分子集分割交叉验证降低循环分析风险,但缺乏独立外部样本验证,未来应通过独立外部队列或预先划分验证集,对模板和结果进一步验证。(4)未同步采集呼吸、心率等生理信号,无法采用基于生理记录的噪声校正方法;研究通过频段选择、噪声回归、分组织平滑及严格头动质控等策略降低干扰,仍可能存在残余生理噪声影响,解读结果时应充分考虑该方法学局限性。

4 结论

       SeLECTS患儿的脑WM功能网络存在多频段连接与协变连接下降与前额叶异常功能富集的并存,表明SeLECTS是涉及多网络连接与协同异常的癫痫综合征,提示该疾病患儿存在WM功能网络异常,为未来探索网络调控相关机制及干预策略提供假设生成基础。

[1]
WIRRELL E C, NABBOUT R, SCHEFFER I E, et al. Methodology for classification and definition of epilepsy syndromes with list of syndromes: Report of the ILAE Task Force on Nosology and Definitions[J]. Epilepsia, 2022, 63(6): 1333-1348. DOI: 10.1111/epi.17237.
[2]
BENICZKY S, TRINKA E, WIRRELL E, et al. Updated classification of epileptic seizures: Position paper of the International League Against Epilepsy[J]. Epilepsia, 2025, 66(6): 1804-1823. DOI: 10.1111/epi.18338.
[3]
SPECCHIO N, WIRRELL E C, SCHEFFER I E, et al. International League Against Epilepsy classification and definition of epilepsy syndromes with onset in childhood: Position paper by the ILAE Task Force on Nosology and Definitions[J]. Epilepsia, 2022, 63(6): 1398-1442. DOI: 10.1111/epi.17241.
[4]
梁瑞瑞, 徐丹, 关静, 等. 伴中央颞区棘波的自限性癫痫短期药物治疗反应不良的相关因素分析[J]. 中华实用儿科临床杂志, 2023, 38(5): 365-369. DOI: 10.3760/cma.j.cn101070-20220828-01011.
LIANG R R, XU D, GUAN J, et al. Factors associated with poor short-term pharmacotherapy response in self-limited epilepsy with centrotemporal spikes[J]. Chin J Appl Clin Pediatr, 2023, 38(5): 365-369. DOI: 10.3760/cma.j.cn101070-20220828-01011.
[5]
卢洁. MRI技术的发展助力癫痫临床精准诊疗[J]. 中国医学影像技术, 2025, 41(9): 1459-1462. DOI: 10.13929/j.issn.1003-3289.2025.09.001.
LU J. Development of MRI technologies facilitating precise clinical diagnosis and treatment of epilepsy[J]. Chin J Med Imaging Technol, 2025, 41(9): 1459-1462. DOI: 10.13929/j.issn.1003-3289.2025.09.001.
[6]
ZHANG Q, HE Y, QU T, et al. Delayed brain development of Rolandic epilepsy profiled by deep learning-based neuroanatomic imaging[J]. Eur Radiol, 2021, 31(12): 9628-9637. DOI: 10.1007/s00330-021-08048-9.
[7]
SHAO L R, HABELA C W, STAFSTROM C E, et al. Pediatric Epilepsy Mechanisms: Expanding the Paradigm of Excitation/Inhibition Imbalance[J/OL]. Children (Basel), 2019, 6(2): 23 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/30764523/. DOI: 10.3390/children6020023.
[8]
SEXTON D P, VOYVODIC J T, TONG E, et al. Resting-state functional MRI in pediatric epilepsy: a narrative review[J/OL]. Childs Nerv Syst, 2025, 41(1): 116 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/39964613/. DOI: 10.1007/s00381-025-06774-9.
[9]
周小玲, 刘衡. 基于扩散张量成像对Rolandic癫痫儿童脑白质微观结构与认知障碍相关研究进展[J]. 磁共振成像, 2024, 15(10): 153-157. DOI: 10.12015/issn.1674-8034.2024.10.026.
ZHOU X L, LIU H. Advances in diffusion tensor imaging-based studies of brain white matter microstructure in children with Rolandic epilepsy related to cognitive deficits[J]. Chin J Magn Reson Imaging, 2024, 15(10): 153-157. DOI: 10.12015/issn.1674-8034.2024.10.026.
[10]
LIANG X, SUN L, LIAO X, et al. Structural connectome architecture shapes the maturation of cortical morphology from childhood to adolescence[J/OL]. Nat Commun, 2024, 15(1): 784 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/38278807/. DOI: 10.1038/s41467-024-44863-6.
[11]
ZHUO Z, CHAI L, WANG Y, et al. Charting brain morphology in international healthy and neurological populations[J]. Nat Neurosci, 2026, 29(2): 420-434. DOI: 10.1038/s41593-025-02144-5.
[12]
RAN H, CHEN G, RAN C, et al. Altered White-Matter Functional Network in Children with Idiopathic Generalized Epilepsy[J]. Acad Radiol, 2024, 31(7): 2930-2941. DOI: 10.1016/j.acra.2023.12.043.
[13]
PEER M, NITZAN M, BICK A S, et al. Evidence for Functional Networks within the Human Brain's White Matter[J]. J Neurosci, 2017, 37(27): 6394-6407. DOI: 10.1523/jneurosci.3872-16.2017.
[14]
JI G J, CUI Z, D'ARCY R C N, et al. Imaging brain white matter function using resting-state functional MRI[J]. Sci Bull, 2025, 70(9): 1384-1388. DOI: 10.1016/j.scib.2024.11.001.
[15]
谢雨辛, 张体江. 静息态功能MRI研究神经精神疾病脑白质网络进展[J]. 中国医学影像技术, 2025, 41(3): 486-489. DOI: 10.13929/j.issn.1003-3289.2025.03.029.
XIE Y X, ZHANG T J. Research progresses of resting-state functional MRI on brain white matter networks in neuropsychiatric diseases[J]. Chin J Med Imaging Technol, 2025, 41(3): 486-489. DOI: 10.13929/j.issn.1003-3289.2025.03.029.
[16]
JIANG Y, LUO C, LI X, et al. White-matter functional networks changes in patients with schizophrenia[J]. Neuroimage, 2019, 190: 172-181. DOI: 10.1016/j.neuroimage.2018.04.018.
[17]
JIANG Y, SONG L, LI X, et al. Dysfunctional white-matter networks in medicated and unmedicated benign epilepsy with centrotemporal spikes[J]. Hum Brain Mapp, 2019, 40(10): 3113-3124. DOI: 10.1002/hbm.24584.
[18]
CHA K, ZATORRE R J, SCHÖNWIESNER M. Frequency Selectivity of Voxel-by-Voxel Functional Connectivity in Human Auditory Cortex[J]. Cereb Cortex, 2016, 26(1): 211-224. DOI: 10.1093/cercor/bhu193.
[19]
WEN K, ZHAO Y, ZHANG F, et al. Large-scale dysfunctional white matter and grey matter networks in patients with social anxiety disorder[J/OL]. iScience, 2022, 25(10): 105094 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/36185352/. DOI: 10.1016/j.isci.2022.105094.
[20]
SMITH S D W, SMITH A B, RICHARDSON M P, et al. Neurodevelopmental origins of self-limiting rolandic epilepsy: Systematic review of MR imaging studies[J]. Epilepsia Open, 2021, 6(2): 310-322. DOI: 10.1002/epi4.12468.
[21]
周甜, 赵鑫, 沈艳勇, 等. 伴中央颞区棘波自限性癫痫患者个体结构协变网络的形态学重塑[J]. 磁共振成像, 2025, 16(11): 56-63. DOI: 10.12015/issn.1674-8034.2025.11.008.
ZHOU T, ZHAO X, SHEN Y Y, et al. Morphological remodeling of individual structural covariance networks in patients with self-limited epilepsy with centrotemporal spikes[J]. Chin J Magn Reson Imaging, 2025, 16(11): 56-63. DOI: 10.12015/issn.1674-8034.2025.11.008.
[22]
OSTROWSKI L M, CHINAPPEN D M, STOYELL S M, et al. Children with Rolandic epilepsy have micro- and macrostructural abnormalities in white matter constituting networks necessary for language function[J/OL]. Epilepsy Behav, 2023, 144: 109254 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/37209552/. DOI: 10.1016/j.yebeh.2023.109254.
[23]
JI G J, YU Y, MIAO H H, et al. Decreased Network Efficiency in Benign Epilepsy with Centrotemporal Spikes[J]. Radiology, 2017, 283(1): 186-194. DOI: 10.1148/radiol.2016160422.
[24]
OANE I, BARBORICA A, MINDRUTA I R. Cingulate Cortex: Anatomy, Structural and Functional Connectivity[J]. J Clin Neurophysiol, 2023, 40(6): 482-490. DOI: 10.1097/wnp.0000000000000970.
[25]
JIANG S, LUO C, HUANG Y, et al. Altered Static and Dynamic Spontaneous Neural Activity in Drug-Naïve and Drug-Receiving Benign Childhood Epilepsy With Centrotemporal Spikes[J/OL]. Front Hum Neurosci, 2020, 14(12): 361 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/33005141/. DOI: 10.3389/fnhum.2020.00361.
[26]
HU A M, MA Y L, LI Y X, et al. Association between Changes in White Matter Microstructure and Cognitive Impairment in White Matter Lesions[J/OL]. Brain Sci, 2022, 12(4): 482 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/35448013/. DOI: 10.3390/brainsci12040482.
[27]
BRYANT K L, LI L, EICHERT N, et al. A comprehensive atlas of white matter tracts in the chimpanzee[J/OL]. PLoS Biol, 2020, 18(12): e3000971 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/33383575/. DOI: 10.1371/journal.pbio.3000971.
[28]
王梦莹, 李慧敏, 耿雨梅. 伴中央颞区棘波的儿童自限性癫痫及其共病注意力缺陷多动障碍的临床研究[J]. 中华神经医学杂志, 2024, 23(6): 552-559. DOI: 10.3760/cma.j.cn115354-20240517-00302.
WANG M Y, LI H M, GENG Y M. A clinical study on children with self-limited epilepsy with centrotemporal spikes and attention-deficit hyperactivity disorder comorbidity[J]. Chin J Neuromed, 2024, 23(6): 552-559. DOI: 10.3760/cma.j.cn115354-20240517-00302.
[29]
VETRI L, PEPI A, ALESI M, et al. Poor School Academic Performance and Benign Epilepsy with Centro-Temporal Spikes[J/OL]. Behav Sci (Basel), 2023, 13(2): 106 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/36829335/. DOI: 10.3390/bs13020106.
[30]
WANG Y, ZHU L, ZOU Q, et al. Frequency dependent hub role of the dorsal and ventral right anterior insula[J]. Neuroimage, 2018, 165: 112-117. DOI: 10.1016/j.neuroimage.2017.10.004.
[31]
CUI W, SHANG K, QIU B, et al. White matter network disorder in mesial temporal epilepsy: An fMRI study[J/OL]. Epilepsy Res, 2021, 172: 106590 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/33639419/. DOI: 10.1016/j.eplepsyres.2021.106590.
[32]
LI X, JIANG Y, LI W, et al. Disrupted functional connectivity in white matter resting-state networks in unilateral temporal lobe epilepsy[J]. Brain Imaging Behav, 2022, 16(1): 324-335. DOI: 10.1007/s11682-021-00506-8.
[33]
HAMDI H, BOISSONNEAU S, VALTON L, et al. Radiosurgical Corpus Callosotomy for Intractable Epilepsy: Retrospective Long-Term Safety and Efficacy Assessment in 19 Patients an Review of the Literature[J]. Neurosurgery, 2023, 93(1): 156-167. DOI: 10.1227/neu.0000000000002394.
[34]
HE Z, ZHU L, GAO Z, et al. Early Prediction of the Evolution of Self-Limited Epilepsy With Centrotemporal Spikes to Epileptic Encephalopathy With Spike-and-Wave Activation in Sleep: A Prediction Model Construction Based on Quantitative Electroencephalography Characteristics[J/OL]. CNS Neurosci Ther, 2025, 31(3): e70268 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/40099767/. DOI: 10.1111/cns.70268.
[35]
HOGAN R E. Epilepsy as a Disease of White Matter[J]. Epilepsy Curr, 2021, 21(1): 272-279. DOI: 10.1177/1535759720975744.
[36]
AXER M, AMUNTS K. Scale matters: The nested human connectome[J]. Science, 2022, 378(6619): 500-504. DOI: 10.1126/science.abq2599.
[37]
HUANG K, XIE Y, RAN H, et al. Alterations of white matter functional networks in pediatric drug-resistant temporal lobe epilepsy: A graph theory analysis study[J/OL]. Brain Res Bull, 2025, 227(1873-2747): 111403 [2026-07-08]. https://pubmed.ncbi.nlm.nih.gov/40412488/. DOI: 10.1016/j.brainresbull.2025.111403.

上一篇 实时功能磁共振成像神经反馈靶向伏隔核对肥胖症患者脑-肠轴相关外周指标的影响
下一篇 基于个体化极端功能连接的孤独症亚型研究
  
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