分享:
分享到微信朋友圈
X
临床研究
皮层下缺血性血管病患者脑网络枢纽的长程和短程功能连接强度研究
黄晶 程润田 刘筱霜 罗天友

Cite this article as: Huang J, Cheng RT, Liu XS, et al. Study on long-rage and short-rage functional connectivity strength of brain network hubs in patients with subcortical ischemic vascular disease[J]. Chin J Magn Reson Imaging, 2021, 12(11): 7-11.本文引用格式:黄晶, 程润田, 刘筱霜, 等. 皮层下缺血性血管病患者脑网络枢纽的长程和短程功能连接强度研究[J]. 磁共振成像, 2021, 12(11): 7-11. DOI:10.12015/issn.1674-8034.2021.11.002.


[摘要] 目的 探究皮层下缺血性血管病(subcortical ischemic vascular disease,SIVD)患者脑网络枢纽长程和短程功能连接强度(functional connectivity strength,FCS)的表现特征。材料与方法 对30例SIVD患者和22例正常对照者(normal controls,NC)进行静息态功能磁共振成像扫描。计算获得脑网络枢纽图和长程、短程FCS图。比较组间脑网络枢纽长程、短程FCS值的差异,并评估其与认知功能评分的关系。结果 两组受试者脑网络枢纽主要分布在楔叶、楔前叶、舌回、中扣带回、后扣带回、梭状回、距状裂周围皮层等区域。与NC组比较,SIVD组双侧颞上回、右侧距状裂周围皮层的长程、短程FCS值以及右侧脑岛短程FCS值降低;右侧额上回长程、短程FCS值和右侧楔前叶长程FCS值升高(P均<0.05)。SIVD组右侧脑岛短程FCS值(r=0.390,P=0.044)和右侧颞上回长程FCS值(r=0.438,P=0.022)与认知功能评分相关。结论 SIVD患者部分脑网络枢纽存在长程和短程FCS的异常改变,特别是在脑岛和颞上回,这可能有助于揭示SIVD发病的神经机制。
[Abstract] Objective To explore the characteristics of long-rage and short-rage functional connectivity strength (FCS) of brain network hubs in patients with subcortical ischemic vascular disease (SIVD).Materials and Methods: Thirty patients with SIVD and 22 normal controls (NC) were scanned with resting-state functional magnetic resonance imaging. Maps of long-rage, short-rage FCS and brain network hubs were obtained by calculation. The difference of the long-rage and short-rage FCS of brain network hubs between groups were compared and the relationship between difference and cognitive function scores were assessed.Results Brain network hubs were mainly distributed in cuneus lobe, precuneus lobe, lingual gyrus, middle cingulate gyrus, posterior cingulate gyrus, fusiform gyrus and calcarine. Compared with NC group, the long-rage and short-rage FCS values of the bilateral superior temporal gyrus, calcarine and the short-rage FCS values of the right insula decreased, the long-rage and short-rage FCS values of the right superior frontal gyrus and the long-rage FCS values in the right precuneus increased in SIVD group (all P<0.05). In SIVD group, the long-rage FCS values of the right superior temporal gyrus (r=0.438, P=0.022) and the short-rage FCS values of right insula (r=0.390, P=0.044) were correlated with cognitive function scores.Conclusions There are abnormal long-rage and short-rage FCS changes in some brain network hubs of patients with SIVD, especially in insula and superior temporal gyrus, which may help to reveal its neural mechanism.
[关键词] 皮层下缺血性血管病;静息态功能磁共振成像;功能连接强度;脑网络枢纽
[Keywords] subcortical ischemic vascular disease;resting-state functional magnetic resonance imaging;functional connectivity strength;brain network hub

黄晶    程润田    刘筱霜    罗天友 *  

重庆医科大学附属第一医院放射科,重庆 400016

罗天友,E-mail:ltychy@sina.com

全体作者均声明无利益冲突。


基金项目: 国家自然科学基金 81671666
收稿日期:2021-06-30
接受日期:2021-09-24
DOI: 10.12015/issn.1674-8034.2021.11.002
本文引用格式:黄晶, 程润田, 刘筱霜, 等. 皮层下缺血性血管病患者脑网络枢纽的长程和短程功能连接强度研究[J]. 磁共振成像, 2021, 12(11): 7-11. DOI:10.12015/issn.1674-8034.2021.11.002.

       皮层下缺血性血管病(subcortical ischemic vascular disease,SIVD)是血管性认知功能障碍的常见原因,通常会导致患者整体认知功能和早期执行功能损害,严重降低生活质量[1, 2]。研究表明,SIVD是一种失连接综合征[3]。静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)可以通过检测脑区间自发低频波动的同步性来反映脑的内在连接[4, 5]。既往功能连接研究大多使用种子点法和独立成分分析法,不能从全脑的角度去分析功能连接特征。近年来出现的功能连接强度(functional connectivity strength,FCS)分析法是一种基于全脑体素水平的数据驱动方法[6],可以克服上述方法的不足。笔者对SIVD患者脑网络枢纽的FCS特征进行研究,并与临床认知评分进行偏相关分析,以期为探讨SIVD发病机制提供帮助。

1 材料与方法

1.1 研究对象

       本研究为回顾性研究,收集本院2018年3月至2020年3月SIVD患者30例,均为右利手,男15例,女15例,年龄67.7~73.0 (69.60±6.96)岁。纳入标准:(1)年龄≥55岁。(2)有急性缺血性脑血管病病史且病程>3个月。(3) MRI表现为白质为主损害类型或腔隙性梗死突出类型。前者主要表现为广泛的深部和脑室周围白质病变;帽状扩展>10 mm或者不规则晕宽度>10 mm,或弥漫性融合高信号宽度超过25 mm或广泛白质病变;皮层下腔隙性梗死。腔隙性梗死突出类型主要表现为皮层下存在多个腔隙性梗死灶,且有中等程度的白质病变。排除标准:(1)皮层和皮层-皮层下的非腔隙性梗死、分水岭梗死、脑出血以及放射性脑病和多发性硬化等其他原因所致白质病变;(2)维生素B12缺乏、甲减等其他原因所致认知损害;(3) 24项Hamilton抑郁量表评分≥8分、Hachinski缺血量表评分≤6分、临床痴呆分级量表评分>2分;(4)无法完成认知量表评估;(5)有其他重大疾病,如颅内肿瘤、先天性脑发育障碍以及中枢神经系统感染性疾病等;(6)进行过特殊药物治疗。同期纳入22名健康志愿者作为正常对照组(normal controls,NC),均为右利手,其中男11例,女11例,年龄65.0~71.2 (69.18±4.76)岁。所有受试者均接受一系列神经心理量表测试,主要对整体认知功能、记忆功能、语言功能、注意和执行功能进行评估,包括简易精神状态量表、听觉言语学习测试量表、画钟测试量表、Stroop色词测试量表、连线测试量表和波士顿命名测试量表。本研究经过本院医学伦理委员会批准(批准文号:2019-001),受试者均已签署知情同意书。

1.2 MRI设备与检查方法

       采用GE Signa 3.0 T HDX 超导型MRI扫描仪和8通道头部线圈。用泡沫固定受试者头部,耳塞减少噪声干扰,并要求受试者扫描期间闭眼、保持头脑清醒、避免思考。扫描序列为3D T1、T2 FLAIR和单次激发回波平面成像(single-shot echo planar imaging,SS-EPI)序列。rs-fMRI扫描参数为:重复时间(repetition time,TR) 2000 ms,回波时间(echo time,TE) 40 ms,翻转角90°,视野240 mm×240 mm,矩阵64×64,层厚3 mm,间隔1 mm,1次采集,共33层,240个时间点,扫描8 min。

1.3 数据处理

       使用DPARSFA (www.restfmri.net/forum/DPARSF)软件预处理rs-fMRI数据:(1)去除前10个时间点;(2)时间层校正和头动校正,排除头动平移>2 mm或转动大于2°的受试者,并对平均头动进行组间比较,结果表明无组间差异(P=0.92,Mann-Whitney U检验);(3)配准到标准回声平面成像(echo planer imaging,EPI)模板上,重新采样为3 mm×3 mm×3 mm大小;(4)回归Friston-24头动参数、脑脊液和白质平均信号,全脑平均信号回归尚存在争议,根据文献报道[7, 8],本研究保留全脑平均信号;(5)去线性漂移和滤波(0.01~0.1 Hz)。

       基于Tomasi等[6]的方法,利用预处理后的数据计算获得全脑、长程和短程FCS图。使用Matlab 2013b (https://matlab.en.softonic.com/)软件计算每个体素与全脑其他体素间的Pearson相关系数来构建功能连接矩阵,相关系数阈值设置为0.6[6],接着将每个体素大于阈值的Pearson相关系数相加得到全脑FCS图,并转换成z值。其中利用解剖距离>75 mm和≤75 mm来定义长程FCS和短程FCS[9]。最后使用半高全宽为8 mm高斯平滑核对FCS图进行平滑处理。

       所有数据处理中的图像质量评估均由2名已熟练掌握MRI数据处理方法且具有3年以上工作经验的影像诊断医师以盲法独立进行,若有分歧经协商后一致决定。

1.4 统计学分析

       人口统计学资料和神经心理量表评分采用SPSS 20.0软件进行组间比较。不符合正态分布的定量资料使用Mann-Whitney U检验,用中位数(四分位数)表示;符合正态分布的定量资料使用双样本t检验,用均数±标准差表示;定性资料使用卡方(χ2)检验。FCS值统计分析采用置换检验工具,对全脑FCS进行单样本t检验获得两组的脑网络枢纽图,基于脑网络枢纽的长程和短程FCS组间比较使用双样本t检验,置换5000次,多重比较校正采用基于无阈值簇增强(threshold-free cluster enhancement,TFCE)的错误发现率(false discovery rate,FDR)校正,团块大小>100体素。对SIVD组采用偏相关分析法评估组间差异显著脑区FCS值与认知评分间的关系。上述比较分析均将性别、年龄、受教育年限作为协变量,且双侧P<0.05表示差异有统计学意义。

2 结果

2.1 一般资料

       SIVD组和NC组在年龄、性别、教育等人口统计学资料上差异均无统计学意义,但所有认知量表评分差异均有统计学意义(表1)。

表1  SIVD和NC组之间人口统计学资料以及神经心理量表评分比较
Tab. 1  Comparison of demographic data and neuropsychological scores between SIVD group and NC group

2.2 脑网络枢纽的空间分布

       SIVD组脑网络枢纽主要分布在楔叶、楔前叶、舌回、中扣带回、后扣带回、梭状回、距状裂周围皮层等脑区,NC组脑网络枢纽主要分布在颞上回、颞中回、楔叶、楔前叶、舌回、角回、脑岛、中扣带回、后扣带回、梭状回、距状裂周围皮层等脑区(图1)。

图1  皮层下缺血性血管病患者组和正常对照组脑网络枢纽图。图中的色条代表统计检验t值,L和R分别代表左侧和右侧
Fig. 1  Brain network hub maps of subcortical ischemic vascular disease group and normal controls group. The color bar in the figure represents t value of statistical test, L and R represent left side and right side respectively.

2.3 长程FCS差异脑区

       SIVD组在右侧颞上回(t=-5.77,P<0.05)、左侧颞上回(t=-5.25,P<0.05)和右侧距状裂周围皮层(t=-3.84,P<0.05)的长程FCS较NC组明显降低,但右侧楔前叶(t=4.02,P<0.05)和右内侧额上回(t=4.21,P<0.05)长程FCS明显升高(P<0.05) (表2)。

表2  SIVD组和NC组之间的FCS显著差异脑区
Tab. 2  Brain regions with significant differences in FCS between SIVD group and NC group

2.4 短程FCS差异脑区

       SIVD组在右侧颞上回(t=-5.10,P<0.05)、左侧颞上回(t=-5.17,P<0.05)、右侧距状裂周围皮层(t=-4.38 P<0.05)和右侧脑岛(t=-4.39,P<0.05)的短程FCS较NC组明显降低,但在右内侧额上回(t=4.22,P<0.05)的短程FCS明显升高(P<0.05) (表2)。

2.5 偏相关分析

       SIVD组右侧脑岛短程FCS值与StroopⅡ测试评分呈正相关(r=0.390,P=0.044),右侧颞上回长程FCS值与画钟测试评分呈正相关(r=0.438,P=0.022) (图2)。

图2  皮层下缺血性血管病患者组右侧脑岛和右侧颞上回功能连接强度(FCS)值与认知评分的关系。r为相关系数
Fig. 2  Correlation between functional connectivity strength (FCS) values in right insula and superior temporal gyrus and cognitive score in subcortical ischemic vascular disease group. The r is the correlation coefficient.

3 讨论

       本研究采用FCS分析法对SIVD患者脑网络枢纽的长程和短程FCS改变特征进行探究。结果显示,与NC组相比,SIVD组双侧颞上回、右侧距状裂周围皮层的长程、短程FCS值以及右侧脑岛短程FCS值降低,但右侧额上回长程、短程FCS值和右侧楔前叶长程FCS值升高,且与认知功能评分有关。这可能为理解SIVD发病机制提供了新的认识,同时也体现出FCS分析在神经精神疾病的诊断以及神经机制方面的研究中具有重要价值。

       人脑是一个由不同脑区连接而成的复杂网络系统,其中脑网络枢纽指的是连接数量较多的脑区[10]。脑网络枢纽具有高血流、高代谢的特点,在维持高级认知功能和适应性行为中起着十分重要的作用,但也因此更容易受到疾病的影响[10, 11]。所以研究脑网络枢纽对于理解神经精神疾病的发病机制具有重要意义。FCS分析法是一种能够反映大脑功能连接特征的数据驱动方法,可以用来确定脑网络枢纽脑区的分布。一个脑区FCS值越大,说明该脑区在脑网络中越重要,即承担着脑网络枢纽的作用[6]。FCS主要包括长程FCS和短程FCS,二者分别反映脑区与远距离范围和局部范围脑区间的功能连接特征[12]。目前,FCS分析法已广泛应用于脑功能的研究[7,13],这为探索SIVD发病机制提供了新的角度。

       本研究结果显示SIVD组和NC组患者脑网络枢纽分布大体一致,主要分布在楔叶、楔前叶、舌回、中扣带回、后扣带回、梭状回、距状裂周围皮层等区域。这与文献报道相似[7,13, 14]。说明即使在疾病的影响下,SIVD患者大部分枢纽脑区仍然在脑网络中发挥着核心作用。但本研究结果显示SIVD患者右侧脑岛的短程FCS值以及双侧颞上回和右侧距状裂周围皮层的长程、短程FCS值较NC组明显降低,提示SIVD可能导致患者枢纽脑区与远距离范围和局部范围脑区间的功能连接减弱。更重要的是,笔者还观察到患者右侧脑岛的短程FCS值和右侧颞上回的长程FCS值与认知评分密切相关。这可能说明脑岛和颞上回FCS的异常改变在SIVD的发生发展中具有重要作用。

       脑岛是突显网络的关键组成部分,可以调控执行控制网络和默认网络在认知任务信息加工过程的作用,因而在维持正常认知功能中具有重要意义,特别是在执行功能方面[15, 16]。研究报道显示,伴有认知功能障碍的SIVD患者存在脑岛灰质的萎缩[17]。Chen等[18]研究发现,与正常人比较,认知功能正常和认知功能障碍的SIVD患者均出现了双侧脑岛皮层厚度的明显变薄,且与认知功能评分相关。另一项基于扩散张量成像(diffusion tensor imaging,DTI)的研究发现,认知功能正常和认知功能障碍的患者左侧脑岛的纤维连接密度也明显降低[19]。Liu等[20]关于SIVD痴呆患者的研究发现,患者左侧脑岛的低频波动幅度显著降低。可见,SIVD可导致患者脑岛结构和局部活动的异常改变,这从不同角度支持了本研究结果。相关功能连接研究表明,皮层下血管性认知功能障碍患者表现出脑岛的功能连接紊乱[17,21]。Kim等[22]对皮层下血管性痴呆患者的研究也发现脑岛的功能连接下降。这些发现与本研究结果相似。此外,本研究结果显示脑岛短程FCS值与Stroop色词测试评分呈正相关。Stroop色词测试主要用于评估执行功能,通常与健康人群的额叶、顶下小叶和岛叶的激活有关[23]。在本研究中,SIVD患者Stroop色词测试用时明显长于NC组,提示患者执行功能已受损害,并且可能是由脑岛的异常短程FCS改变所致。因此笔者认为,脑岛短程FCS的降低可能在SIVD患者发病中发挥着至关重要的作用。

       颞上回被认为参与了人脑的认知任务信息处理加工的过程,因而与认知功能有关[24]。既往研究[25]发现,SIVD认知功障碍患者的大脑颞叶皮质明显变薄。最近一项关于认知功能正常和认知功能障碍的SIVD患者的研究也得到了同样的结果,并且还发现颞叶皮层厚度值与认知功能评分有着密切联系[18]。Sang等[26]基于图论的脑网络研究结果显示,伴有认知功能障碍和痴呆的SIVD患者颞叶功能连接和网络效率显著降低,并与认知功能障碍的程度呈负相关。本研究得到类似的结果,发现SIVD患者双侧颞上回长程和短程FCS均存在异常改变,且与画钟测试评分显著相关。虽然颞上回并非调节认知功能的关键脑区,但以上研究结果表明SIVD患者颞上回的结构破坏以及长程和短程功能连接紊乱可能是SIVD患者发病的原因之一。

       此外,本研究结果还显示SIVD患者右侧楔前叶和额上回的FCS明显升高。楔前叶是默认网络的重要组成部分,额叶是SIVD患者的主要病变部位,二者与认知功能密切相关[27, 28]。但Yi等[29]研究发现,SIVD患者额上回的FCS显著下降。最近的结构网络研究也发现SIVD患者额叶的结构连接降低[14,30]。这些结果与本研究发现不相符,可能是因为数据处理方法不同,或者是本研究纳入的病例可能处于疾病的早期阶段,这种FCS升高是患者对脑损伤出现代偿所致[31],但还需要进一步研究明确。

       本研究存在以下不足:为横断面研究,样本量较少,未来需要更大样本量、纵向的研究来验证结果;由于病例数的限制,本研究仅探究了SIVD对患者脑FCS的影响,没有将患者分为认知功能正常组、轻度认知功能障碍组以及痴呆组,未来有必要增加病例数进行分组研究,以全面了解疾病发生发展过程中患者的FCS改变情况以及与认知功能障碍的关系;本研究着重探讨的是患者脑网络枢纽FCS的特征,没有考虑到脑网络枢纽结构损伤的影响,未来应该进行多模态MRI研究以全面探索SIVD对患者脑网络枢纽的影响。

       综上,本研究结果显示SIVD患者脑网络枢纽的长程和短程FCS均存在异常,特别是在脑岛与颞上回区域。这可能有助于揭示SIVD发病的神经机制。

[1]
Du J, Xu Q. Neuroimaging studies on cognitive impairment due to cerebral small vessel disease[J]. Stroke Vasc Neurol, 2019, 4(2): 99-101. DOI: 10.1136/svn-2018-000209.
[2]
Wallin A, Roman GC, Esiri M, et al. Update on vascular cognitive impairment associated with subcortical small-vessel disease[J]. J Alzheimers Dis, 2018, 62(3): 1417-1441. DOI: 10.3233/JAD-170803.
[3]
Ye Q, Bai F. Contribution of diffusion, perfusion and functional mri to the disconnection hypothesis in subcortical vascular cognitive impairment[J]. Stroke Vasc Neurol, 2018, 3(3): 131-139. DOI: 10.1136/svn-2017-000080.
[4]
Smitha KA, Akhil Raja K, Arun KM, et al. Resting state fmri: a review on methods in resting state connectivity analysis and resting state networks[J]. Neuroradiol J, 2017, 30(4): 305-317. DOI: 10.1177/1971400917697342.
[5]
陈怡, 余成新. 基于静息态功能磁共振成像的静态及动态功能连接分析方法研究进展[J]. 磁共振成像, 2019, 10(8): 637-640. DOI: 10.12015/issn.1674-8034.2019.08.017.
Chen Y, Yu CX. Static and dynamic functional connectivity analysis based on resting state functional magnetic resonance imaging and its progress[J]. Chin J Magn Reson Imaging, 2019, 10(8): 637-640. DOI: 10.12015/issn.1674-8034.2019.08.017.
[6]
Tomasi D, Volkow ND. Functional connectivity density mapping[J]. Proc Natl Acad Sci U S A, 2010, 107(21): 9885-9890. DOI: 10.1073/pnas.1001414107.
[7]
Song LM, Peng QM, Liu SW, et al. Changed hub and functional connectivity patterns of the posterior fusiform gyrus in chess experts[J]. Brain Imaging Behav, 2020, 14(3): 797-805. DOI: 10.1007/s11682-018-0020-0.
[8]
Hu YM, Liu XZ, Chen XJ, et al. Differences in the functional connectivity density of the brain between individuals with growth hormone deficiency and idiopathic short stature[J]. Psychoneuroendocrinology, 2019, 103(103): 67-75. DOI: 10.1016/j.psyneuen.2018.12.229.
[9]
Liang X, Zou QH, He Y, et al. Coupling of functional connectivity and regional cerebral blood flow reveals a physiological basis for network hubs of the human brain[J]. Proc Natl Acad Sci U S A, 2013, 110(5): 1929-1934. DOI: 10.1073/pnas.1214900110.
[10]
Crossley NA, Mechelli A, Scott J, et al. The hubs of the human connectome are generally implicated in the anatomy of brain disorders[J]. Brain, 2014, 137(Pt 8): 2382-2395. DOI: 10.1093/brain/awu132.
[11]
Palva S. The importance of hubs in large-scale networks[J]. Nat Hum Behav, 2018, 2(10): 724-725. DOI: 10.1038/s41562-018-0438-9.
[12]
Tomasi D, Volkow ND. Functional connectivity hubs in the human brain[J]. Neuroimage, 2011, 57(3): 908-917. DOI: 10.1016/j.neuroimage.2011.05.024.
[13]
Tuladhar AM, Lawrence A, Norris DG, et al. Disruption of rich club organisation in cerebral small vessel disease[J]. Hum Brain Mapp, 2017, 38(4): 1751-1766. DOI: 10.1002/hbm.23479.
[14]
Sang LQ, Liu C, Wang L, et al. Disrupted brain structural connectivity network in subcortical ischemic vascular cognitive impairment with no dementia[J]. Front Aging Neurosci, 2020, 12(12): 6. DOI: 10.3389/fnagi.2020.00006.
[15]
Gogolla N. The insular cortex[J]. Curr Biol, 2017, 27(12): R580-R586. DOI: 10.1016/j.cub.2017.05.010.
[16]
Menon V, Uddin LQ. Saliency, switching, attention and control: a network model of insula function[J]. Brain Struct Funct, 2010, 214(5-6): 655-667. DOI: 10.1007/s00429-010-0262-0.
[17]
Zhou X, Hu XP, Zhang C, et al. Aberrant functional connectivity and structural atrophy in subcortical vascular cognitive impairment: relationship with cognitive impairments[J]. Front Aging Neurosci, 2016, 8(8): 14. DOI: 10.3389/fnagi.2016.00014.
[18]
Chen L, Song JR, Cheng RT, et al. Cortical thinning in the medial temporal lobe and precuneus is related to cognitive deficits in patients with subcortical ischemic vascular disease[J]. Front Aging Neurosci, 2020, 12(12): 614833. DOI: 10.3389/fnagi.2020.614833.
[19]
Liu CX, Shi L, Zhu WH, et al. Fiber connectivity density in cerebral small-vessel disease patients with mild cognitive impairment and cerebral small-vessel disease patients with normal cognition[J]. Front Neurosci, 2020, 14(14): 83. DOI: 10.3389/fnins.2020.00083.
[20]
Liu C, Li CM, Yin XT, et al. Abnormal intrinsic brain activity patterns in patients with subcortical ischemic vascular dementia[J]. PLoS One, 2014, 9(2): e87880. DOI: 10.1371/journal.pone.0087880.
[21]
Yi LY, Liang X, Liu DM, et al. Disrupted topological organization of resting-state functional brain network in subcortical vascular mild cognitive impairment[J]. CNS Neurosci Ther, 2015, 21(10): 846-854. DOI: 10.1111/cns.12424.
[22]
Kim HJ, Cha J, Lee JM, et al. Distinctive resting state network disruptions among alzheimer's disease, subcortical vascular dementia, and mixed dementia patients[J]. J Alzheimers Dis, 2016, 50(3): 709-718. DOI: 10.3233/JAD-150637.
[23]
Li CM, Zheng J, Wang J, et al. An fmri Stroop task study of prefrontal cortical function in normal aging, mild cognitive impairment, and alzheimer's disease[J]. Curr Alzheimer Res, 2009, 6(6): 525-530. DOI: 10.2174/156720509790147142.
[24]
Fei F, Jie B, Zhang DQ. Frequent and discriminative subnetwork mining for mild cognitive impairment classification[J]. Brain Connectivity, 2014, 4(5): 347-360. DOI: 10.1089/brain.2013.0214.
[25]
Thong JY, Du J, Ratnarajah N, et al. Abnormalities of cortical thickness, subcortical shapes, and white matter integrity in subcortical vascular cognitive impairment[J]. Hum Brain Mapp, 2014, 35(5): 2320-2332. DOI: 10.1002/hbm.22330.
[26]
Sang LQ, Chen L, Wang L, et al. Progressively disrupted brain functional connectivity network in subcortical ischemic vascular cognitive impairment patients[J]. Front Neurol, 2018, 9(9): 94. DOI: 10.3389/fneur.2018.00094.
[27]
Pascual B, Prieto E, Arbizu J, et al. Brain glucose metabolism in vascular white matter disease with dementia: Differentiation from alzheimer disease[J]. Stroke, 2010, 41(12): 2889-2893. DOI: 10.1161/STROKEAHA.110.591552.
[28]
Qin Q, Tang Y, Dou XJ, et al. Default mode network integrity changes contribute to cognitive deficits in subcortical vascular cognitive impairment, no dementia[J]. Brain Imaging Behav, 2021, 15(1): 255-265. DOI: 10.1007/s11682-019-00252-y.
[29]
Yi LY, Wang JH, Jia LF, et al. Structural and functional changes in subcortical vascular mild cognitive impairment: a combined voxel-based morphometry and resting-state fmri study[J]. PLoS One, 2012, 7(9): e44758. DOI: 10.1371/journal.pone.0044758.
[30]
Feng MM, Zhang YQ, Liu Y, et al. White matter structural network analysis to differentiate alzheimer's disease and subcortical ischemic vascular dementia[J]. Front Aging Neurosci, 2021, 13(13): 650377. DOI: 10.3389/fnagi.2021.650377.
[31]
Schulz M, Malherbe C, Cheng B, et al. Functional connectivity changes in cerebral small vessel disease-a systematic review of the resting-state mri literature[J]. BMC Med, 2021, 19(1): 103. DOI: 10.1186/s12916-021-01962-1.

上一篇 基于扩散张量成像的纹理分析对帕金森病诊断价值的研究
下一篇 基于高分辨MRI对轻、重度弯曲的基底动脉斑块特征的研究
  
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