分享:
分享到微信朋友圈
X
综述
缺血性脑白质病变的rs-fMRI研究进展
张辉 丁菊容 鄢成东 奉晨宇 李原 刘乙宏 张玉娇 丁鑫

Cite this article as: Zhang H, Ding JR, Yan CD, et al. Research progress of rs-fMRI in brain ischemic white matter lesions[J]. Chin J Magn Reson Imaging, 2022, 13(4): 154-157.本文引用格式:张辉, 丁菊容, 鄢成东, 等. 缺血性脑白质病变的rs-fMRI研究进展[J]. 磁共振成像, 2022, 13(4): 154-157. DOI:10.12015/issn.1674-8034.2022.04.034.


[摘要] 缺血性脑白质病变(white matter lesions,WML)表现为大脑结构和功能发生实质性的受损,常见于60岁以上的老年人,主要影响患者的认知功能、运动功能以及日常交流,但是其发病机制至今尚不明确。静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技术是一种在静息状态下无创地探测脑部自发神经活动的新兴技术,常被用于研究WML患者认知行为功能障碍的病理机制。本文综述了rs-fMRI分析方法在WML中的研究进展,包括局部一致性、功能连接、静息态网络、图论分析和低频振幅。
[Abstract] Ischemic white matter lesions (WML) involves substantial damage to brain structure and function, which is common in elderly adults over 60 years old, mainly affecting cognitive function, motor function, and daily communication. However, the pathogenesis of WML is still unclear. Resting-state functional magnetic resonance imaging (rs-fMRI) is an emerging technology to detect spontaneous neural activity in the brain in resting state noninvasively, and is often used to study the pathological mechanism of cognitive and behavioral dysfunction in WML patients. This paper reviews the research progress of rs-fMRI analysis methods in WML, including regional homogeneity, functional connection, resting-state network, graph theory analysis, and amplitude of low-frequency fluctuation.
[关键词] 脑白质病变;静息态功能磁共振成像;认知障碍;局部一致性;功能连接;低频振幅
[Keywords] white matter lesions;resting-state functional magnetic resonance imaging;cognitive impairment;regional homogeneity;functional connectivity;amplitude of low-frequency fluctuation

张辉 1, 2   丁菊容 1, 2*   鄢成东 1   奉晨宇 1   李原 1   刘乙宏 1   张玉娇 3   丁鑫 4  

1 四川轻化工大学自动化与信息工程学院,宜宾 644000

2 四川轻化工大学人工智能四川省重点实验室,宜宾 644000

3 成都医学院临床医学院,成都 610000

4 成都医学院第一附属医院神经内科,成都 610000

丁菊容,E-mail:jurongding@gmail.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 国家自然科学基金 81401482 四川省医学会•四川省医学科研课题计划 S19082 四川轻化工大学人才引进项目 2020RC31
收稿日期:2021-11-30
接受日期:2022-04-07
中图分类号:R445.2  R742 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.04.034
本文引用格式:张辉, 丁菊容, 鄢成东, 等. 缺血性脑白质病变的rs-fMRI研究进展[J]. 磁共振成像, 2022, 13(4): 154-157. DOI:10.12015/issn.1674-8034.2022.04.034.

       缺血性脑白质病变(white matter lesions,WML)是老年人中常见的脑小血管疾病之一,通常位于脑室周围和皮质下。WML也称为脑白质疏松症或白质高信号,在MRI上表现为高信号[1]。WML的进展缓慢、隐匿性强、患病率随年龄的增长而增长[2, 3],但是其发病机制尚不明确。WML为局部脑血流灌注不良[4],其病理基础包括神经纤维的髓鞘丢失、微血管病变、少突胶质细胞损伤、星形胶质细胞增生等[5]。神经心理学和神经影像学研究的结果表明,WML可能导致认知和运动功能下降,尤其是执行功能、记忆和注意力的下降[6]。静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)不仅易于信号的采集、信噪比高,而且能够很轻易地识别不同患者群体的功能区域[7]。因此,rs-fMRI常被用于测量患者的自发性大脑活动,识别神经元活动异常的区域。采用局部一致性(regional homogeneity,ReHo)、功能连接、静息态网络、图论分析以及低频振幅(amplitude of low-frequency fluctuation,ALFF)对WML患者的rs-fMRI数据进行分析,可以有效地探究WML患者的潜在发病机制。

1 ReHo分析

       ReHo通常使用肯德尔一致性系数来衡量给定体素与相邻体素的时间序列同步性,其优点可直接观察到局部脑区神经活动的时间同步性[8],这有助于探究WML患者脑局部活动的异常。

       2017年Ding等[9]发现与健康受试者相比,WML患者在默认模式网络(default mode network,DMN)、背侧注意网络(dorsal attention network,DAN)以及额顶控制网络(frontal-parietal control network,FPCN)的ReHo值出现显著异常。DMN和DAN是两个相对立的网络,DMN负责内部定向认知[10],DAN负责外部定向认知[11],两者分别对内部和外部定向认知做出相反的反应[12]。FPCN在解剖学上被认为是用来整合调节来自DAN和DMN两个相对大脑系统的信息[13]。这些研究结果表明,FPCN的大脑活动异常可能会对DMN和DAN做出错误的调控,从而影响了患者的认知功能。此外,2019年Ye等[14]发现伴有认知障碍的WML患者在左侧颞中回、右侧颞上回和颞横回的ReHo值显著高于正常对照组。此前,有研究表明WML能够引发颞叶的萎缩而导致患者存在语言记忆上的缺陷[15, 16]。这些研究表明,大脑颞叶的自发性大脑活动异常是导致WML患者认知障碍的一个原因。

       Ding等[9]的研究还发现与正常组相比,WML患者在右侧小脑、中央前回、中央后回、双侧辅助运动区的ReHo值异常。这提示WML患者的运动神经网络活动可能出现紊乱。值得注意的是,ReHo的减少主要发生在患者的前脑区域,而ReHo的增加则发生在其后脑区域,这可能表明大脑后部的自发性大脑活动调控失败。

       ReHo分析反映的是大脑局部区域功能的一致性和连通性,具有很高的重测信度[8]。不足之处是ReHo无法检测出远程区域之间的大脑活动同步信息以及某个脑区的活动强度。

2 功能连接分析

       脑功能连接描述的是不同脑区的功能性信号在时间维度上的相关程度,反映不同脑区之间的连接强度。1995年Biswal等[17]首次提出利用两个脑区的rs-fMRI时间序列信号之间的相关系数来测量两个脑区之间的功能连接,以反映大脑区域间的信息传递情况。探讨WML患者脑区之间的功能连接有助于理解WML患者不同脑区之间的信息传递情况,以及WML通过皮质功能引起认知行为功能障碍的潜在机制。

       Ishibashi等[18]发现WML患者在额叶、顶叶和颞叶内侧出现局部脑血流量的减少,这与WML患者的认知功能下降密切相关。与无认知障碍的WML患者相比,伴有认知障碍的WML患者存在广泛增强功能连接[14,19]。2020年Kumar等[20]发现弥散性融合病灶的WML患者存在功能连接的广泛增强;而在额叶与颞叶之间的功能连接降低。此外,轻度和中重度的WML患者在丘脑间黏合与额中回之间的功能连接显著高于正常人;中重度的WML患者在丘脑间黏合和中央前回之间的功能连接显著高于轻度的WML患者和正常人[21]。这些研究表明,大脑额叶、顶叶、枕叶和颞叶等区域的功能连接异常与WML患者的认知障碍有关。此外,对于病情严重的患者,发现其特定脑区的功能连接会显著增强,这可能是减轻WML对认知功能影响的一种缓解机制。

       功能连接密度(functional connectivity density,FCD)是利用静息态功能连接数据集,在局部功能连接集群上分析时间维度上的相关性[22]。FCD克服了基于种子点功能连接的局限性,刻画的是某区域的信息处理情况。FCD包括短程FCD和远程FCD,其中短程FCD定义为体素与其局部范围内所有体素之间的功能连接数,也称为局部FCD;远程FCD定义为全局FCD减去局部FCD之间的功能连接数,其中全局FCD定义为体素与大脑中所有其他体素之间的功能连接数。

       Ding等[6]发现与正常人相比,WML患者在右侧颞中回、右侧颞上回、中央前回和左侧尾状核的短程FCD显著降低;在角回和顶下回的短程FCD显著增加;以及在右侧中央前回和额中回出现显著增强的远程FCD。作者认为短程FCD的增加是对颞叶区域短程FCD降低的一种代偿机制,远程FCD增加可能是一种皮质功能重组现象,是对中央前回和左侧尾状核中短程FCD减少的一种代偿反应。以往的研究表明[23, 24],大脑皮层在结构和功能上具有可塑性,尤其是在离受损区域较远的皮层区域。

       功能连接分析对于是否需要回归全局信号存在争议,越来越多的研究表明全局信号的回归可能会产生虚假的功能连接差异[25]。此外,功能连接不能直接描述出某区域大脑活动的强度。

3 静息态网络

       大脑是一个非常复杂的系统,研究发现大脑中存在着一些空间一致性的活动模式,即静息态网络[26],维持着我们的日常行为功能。静息态网络能够反映大脑特定的感知和认知功能,在临床神经精神疾病中对静息态网络进行研究将有助于探索患者认知行为障碍的大脑工作机制[27, 28]

       认知和行为的异常不仅与特定的皮质功能障碍有关,还与每个功能子网络之间的相互作用模式有关[29]。Ding等[30]在研究WML患者的功能连接模式时发现,与正常组相比,WML患者在DMN、DAN、FPCN、感觉运动网络、听觉网络和视觉网络等网络之间的功能连接显著异常。值得注意的是,WML患者在听觉网络和视觉网络内的功能连接降低。在某种程度上,感觉运动网络、听觉网络和视觉网络之间的网络连接减少,可能是由于听觉和视觉网络内部功能连接的中断造成的。

       2019年Chen等[31]发现WML患者在突显网络和DMN之间的功能连接强度随着认知功能受损的逐渐加重而降低。有趣的是,无论有无认知功能的损伤,WML患者在突显网络和中央执行网络之间的功能连接均降低,但却随着患者认知障碍的加重而逐渐增强。此外,2020年Shi等[32]发现正常人、伴有非痴呆型血管性认知障碍的WML患者和伴有血管性痴呆的WML患者三组受试者在脑网络之间的有效连接差异有统计学意义。但是随着患者认知功能的逐渐受损,静息态网络之间的有效连接显著降低。这些研究表明在WML患者认知障碍发展的早期,网络连接的代偿性增强。但是这种代偿性反应可能会在认知功能逐渐恶化的过程中受损。

       总的来说,与正常组相比、WML患者在静息态网络的内部以及网络之间的功能连接存在异常。在认知障碍发展的早期,WML患者脑功能网络之间的功能连接增加可能是一种补偿反应。但这种补偿反应在认知功能受损逐渐严重的过程中可能会消失。

       静息态网络分析是从脑功能网络的角度去理解大脑,这有助于理解WML与认知和运动功能受损的关系。由于大脑区域的划分尺度和方法并不一致,因此存在特定的区域同时属于多个静息态网络的情况。此外,静息态网络在认知神经科学中的应用以及对认知神经相关因素的理解存在争议[33],即静息态网络与认知功能网络在空间和拓扑结构上不一致,对静息态网络的研究并不能完全理解认知功能网络[34];对静息态网络的研究还会受到众多因素的影响,例如年龄[35]、疾病的病理机制以及患者的认知水平[32]。对此,在今后的研究中,可以对患者的静息态网络进行动态研究,从而更全面地探索静息态网络对认知功能网络的影响。

4 图论分析

       大脑是一个复杂的脑网络,具有独特的小世界拓扑性质。图论分析从大脑网络信息传输的角度来描述大脑网络的小世界拓扑属性[36]。图论指标主要包括:特征路径长度、聚类系数、全局效率、局部效率和节点效率[37]。人脑网络具有很高的聚类系数和更短的特征路径长度[38],在信息传递中具有很高的局部和全局效率[39],被称为是信息处理效率最高的一种网络,能够确保以最大的限度提高各神经元之间的信息处理能力。

       2019年Chen等[37]以脑室周围白质高信号(periventricular white matter hyperintensity,PWMH)患者作为研究对象,结果发现,伴有非痴呆型认知障碍的PWMH患者在额顶网络的全局效率显著低于认知正常的PWMH患者和正常人,在额顶网络和带状盖脑网络的局部效率明显低于认知正常的PWMH患者。这些发现表明伴有非痴呆型认知障碍的PWMH患者的功能网络受损,进而影响了WMH患者的认知功能。

       同年Wang等[40]发现与正常人相比,伴有非痴呆型血管性认知障碍的WML患者和伴有血管性痴呆的WML患者表现出较低的节点效率。与伴有非痴呆型认知障碍的WML患者相比,伴有血管性痴呆的WML患者在左侧中央沟盖表现出更低的节点效率。此外,与正常人相比,WML患者的脑功能网络表现出较长的特征路径长度[40]和较低的全局效率[37,40]。较长的特征路径长度表明大脑相隔较远区域之间的信息处理被中断,全局效率的降低可能是脑功能具有可塑性的标志。

       此外,2020年Yang等[41]发现与正常组相比,伴有认知障碍的WML患者和无认知障碍的WML患者的脑结构网络出现全局效率降低,特征路径长度增长。在节点水平上,与无认知障碍的WML患者相比,伴有认知障碍的WML患者在右中央前回和右侧颞中回表现出较长的特征路径长度,在右侧颞中回表现出较低的全局效率。对于认知功能受损更为严重的WML患者,发现在节点水平表现出更长的特征路径长度以及更低的全局效率。

       整体而言,伴有认知障碍的WML患者出现了脑网络的紊乱。对于认知功能受损更为严重的WML患者,其脑网络紊乱程度会显著增加。

       图论分析描述的是脑网络的拓扑组织结构,可以从局部和全局两个角度分析大脑网络[42]。目前存在多种脑网络节点和边的定义方法,因此图论指标的改变能否完全解释患者大脑功能的变化还需要进一步的验证。

5 ALFF

       将每个体素的血氧水平依赖时间信号进行带通滤波(0.01~0.08 Hz)处理,利用快速傅里叶变换将滤波后的时间序列变换到频域获得其功率谱,计算功率谱中每个频率的平方根,并在0.01~0.08 Hz内获得的均方根即为ALFF[43]。比率低频振幅(fractional amplitude of low-frequency fluctuation,fALFF)定义为低频范围(0.01~0.08 Hz)的每个频率的功率与整个频率范围(0~0.25 Hz)的功率比值[44],其优点是提高了检测自发活动的敏感性和特异性。ALFF和fALFF反映的是静息状态下局部自发活动状态,这直接反映大脑在特定区域的活动强度。

       先前的研究发现,无认知障碍的WML患者在左侧楔前叶的ALFF值升高[45],伴有认知障碍的WML患者和伴有血管性轻度认知障碍的WML患者在楔前叶的ALFF值降低[46, 47]。相比于无认知障碍的WML患者,伴有认知障碍的WML患者左侧楔前叶的ALFF值显著降低[45]。此外,2020年Yokosawa等[48]发现楔前叶自发性大脑活动的异常与早期的轻度障碍有着密切联系。这些研究表明,大脑楔前叶的自发性大脑活动异常对于理解伴有认知障碍的WML患者的病理生理机制具有重要意义。

       Li等[45]利用ALFF检测WML患者的自发性大脑活动,发现与正常对照组相比,无认知障碍的WML患者在左侧颞中回的ALFF值升高。伴有认知障碍的WML患者在左侧颞中回的ALFF值显著低于无认知障碍的WML患者。2019年Wang等[46]研究发现与伴有血管性轻度认知障碍的WML患者相比,伴有血管性痴呆的WML患者在右侧颞下回的ALFF值显著降低。此外,Rizvi等[15]早已发现额叶、顶叶和枕叶内的白质病变是通过内侧颞叶的萎缩影响记忆功能。这些研究表明,WML可能会引起颞叶的自发性大脑活动异常,从而导致WML患者的认知功能受损。

       与正常对照组相比,WML患者在右侧中央前回、中央后回[47]、左侧海马旁回[49]的ALFF值显著异常。伴有血管性轻度认知障碍的WML患者在辅助运动区的ALFF值增高[50]。此外,Ding等[51]发现与认知正常的局灶性脑白质损伤(punctate white matter lesions,PWML)患者相比,伴有认知障碍的PWML患者在左侧中央前回、右侧楔前叶和右侧小脑的fALFF值异常。作者认为,左侧中央前回和右侧楔前叶的自发性大脑活动异常与PWML相关认知功能子区域的功能障碍有关。此外,PWML对大脑额叶功能的损害还会加速帕金森病患者步态障碍的恶化[52]

       ALFF和fALFF揭示了区域的自发大脑活动信号强度,从能量角度反映大脑中各体素活动水平的高低。但也存在不足之处:ALFF易受对脑活动无关的生理噪声的影响,fALFF对于群体和个体之间的差异敏感度低于ALFF[53]

6 局限性与展望

       当下针对WML的大多数研究存在研究样本量较少、研究方法单一等问题,实验结果有待进一步验证。因此,今后的研究可以从以下几个方面展开:第一,进一步扩大研究样本数量;第二,将fMRI与其他成像技术相结合,或者结合相关的流行病理学、病理生理学以及遗传学,采用多模态的研究方法研究WML的发病机制;第三,由于WML进展缓慢且隐匿性强,因此WML所引起的相关疾病值得进一步的研究和预防。

       目前对WML的rs-fMRI数据大多采用ReHo、功能连接、静息态网络、图论分析和ALFF等方法进行研究,以此来探究WML患者的脑功能机制。通过不同的rs-fMRI分析方法,可以发现WML患者在DMN、FPCN以及小脑区域存在自发大脑活动的异常,这为阐明WML患者伴有认知行为功能障碍的病理机制提供了影像学证据。此外,大脑在WML恶化的不同阶段会对特定脑区的功能进行代偿,但随着WML患者认知功能的逐渐受损,这种代偿可能不再有效。

[1]
Lin J, Wang D, Lan L, et al. Multiple Factors Involved in the Pathogenesis of White Matter Lesions[J]. Biomed Res Int, 2017, 2017: 9372050. DOI: 10.1155/2017/9372050.
[2]
Longstreth WT, Jr., Manolio TA, Arnold A, et al. Clinical correlates of white matter findings on cranial magnetic resonance imaging of 3301 elderly people. The Cardiovascular Health Study[J]. Stroke, 1996, 27(8): 1274-82. DOI: 10.1161/01.str.27.8.1274.
[3]
Franchetti MK, Bharadwaj PK, Nguyen LA, et al. Interaction of Age and Self-reported Physical Sports Activity on White Matter Hyperintensity Volume in Healthy Older Adults[J]. Front Aging Neurosci, 2020, 12: 576025. DOI: 10.3389/fnagi.2020.576025.
[4]
Skrobot OA, Attems J, Esiri M, et al. Vascular cognitive impairment neuropathology guidelines (VCING): the contribution of cerebrovascular pathology to cognitive impairment[J]. Brain, 2016, 139(11): 2957-2969. DOI: 10.1093/brain/aww214.
[5]
窦海彤, 和梅, 李欣. 缺血性脑白质病变的神经影像学及病理学研究进展[J]. 神经损伤与功能重建, 2019, 14(10): 519-522. DOI: 10.16780/j.cnki.sjssgncj.2019.10.010.
Dou HT, He M, Li X. Advances in neuroimaging and pathology of ischemic white matter lesions[J]. Nerve Injury and Functional Reconstruction, 2019, 14(10): 519-522.
[6]
Ding JR, Ding X, Hua B, et al. Abnormal functional connectivity density in patients with ischemic white matter lesions: An observational study[J]. Medicine (Baltimore), 2016, 95(36): e4625. DOI: 10.1097/MD.0000000000004625.
[7]
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.
[8]
Shan X, Qiu Y, Pan P, et al. Disrupted Regional Homogeneity in Drug-Naive Patients With Bipolar Disorder[J]. Front Psychiatry, 2020, 11: 825. DOI: 10.3389/fpsyt.2020.00825.
[9]
Ding X, Ding J, Hua B, et al. Abnormal cortical functional activity in patients with ischemic white matter lesions: A resting-state functional magnetic resonance imaging study[J]. Neurosci Lett, 2017, 644: 10-17. DOI: 10.1016/j.neulet.2017.02.015.
[10]
Buckner RL, Andrews-Hanna JR, Schacter DL. The brain's default network: anatomy, function, and relevance to disease[J]. Ann N Y Acad Sci, 2008, 1124: 1-38. DOI: 10.1196/annals.1440.011.
[11]
Corbetta M, Shulman GL. Control of goal-directed and stimulus-driven attention in the brain[J]. Nat Rev Neurosci, 2002, 3(3): 201-215. DOI: 10.1038/nrn755.
[12]
Qian S, Zhang J, Yan S, et al. Disrupted Anti-correlation Between the Default and Dorsal Attention Networks During Hyperthermia Exposure: An fMRI Study[J]. Front Hum Neurosci, 2020, 14: 564272. DOI: 10.3389/fnhum.2020.564272.
[13]
Gao W, Lin W. Frontal parietal control network regulates the anti-correlated default and dorsal attention networks[J]. Hum Brain Mapp, 2012, 33(1): 192-202. DOI: 10.1002/hbm.21204.
[14]
Ye Q, Chen X, Qin R, et al. Enhanced Regional Homogeneity and Functional Connectivity in Subjects With White Matter Hyperintensities and Cognitive Impairment[J]. Front Neurosci, 2019, 13: 695. DOI: 10.3389/fnins.2019.00695.
[15]
Rizvi B, Narkhede A, Last BS, et al. The effect of white matter hyperintensities on cognition is mediated by cortical atrophy[J]. Neurobiol Aging, 2018, 64: 25-32. DOI: 10.1016/j.neurobiolaging.2017.12.006.
[16]
Swardfager W, Cogo-Moreira H, Masellis M, et al. The effect of white matter hyperintensities on verbal memory: Mediation by temporal lobe atrophy[J]. Neurology, 2018, 90(8): e673-e682. DOI: 10.1212/WNL.0000000000004983.
[17]
Biswal B, Yetkin FZ, Haughton VM, et al. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI[J]. Magn Reson Med, 1995, 34(4): 537-541. DOI: 10.1002/mrm.1910340409.
[18]
Ishibashi M, Kimura N, Aso Y, et al. Effects of white matter lesions on brain perfusion in patients with mild cognitive impairment[J]. Clin Neurol Neurosurg, 2018, 168: 7-11. DOI: 10.1016/j.clineuro.2018.02.030.
[19]
Chen X, Huang L, Ye Q, et al. Disrupted functional and structural connectivity within default mode network contribute to WMH-related cognitive impairment[J]. Neuroimage Clin, 2019, 24: 102088. DOI: 10.1016/j.nicl.2019.102088.
[20]
Kumar D, Vipin A, Wong B, et al. Differential Effects of Confluent and Nonconfluent White Matter Hyperintensities on Functional Connectivity in Mild Cognitive Impairment[J]. Brain Connect, 2020, 10(10): 547-554. DOI: 10.1089/brain.2020.0784.
[21]
Chen C, Wang X, Cao S, et al. Thalamocortical Functional Connectivity in Patients With White Matter Hyperintensities[J]. Front Aging Neurosci, 2021, 13: 632237. DOI: 10.3389/fnagi.2021.632237.
[22]
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.
[23]
Nudo RJ, Wise BM, Sifuentes F, et al. Neural substrates for the effects of rehabilitative training on motor recovery after ischemic infarct[J]. Science, 1996, 272(5269): 1791-1794. DOI: 10.1126/science.272.5269.1791.
[24]
Hordacre B, Austin D, Brown KE, et al. Evidence for a Window of Enhanced Plasticity in the Human Motor Cortex Following Ischemic Stroke[J]. Neurorehabil Neural Repair, 2021, 35(4): 307-320. DOI: 10.1177/1545968321992330.
[25]
Edde M, Leroux G, Altena E, et al. Functional brain connectivity changes across the human life span: From fetal development to old age[J]. J Neurosci Res, 2021, 99(1): 236-262. DOI: 10.1002/jnr.24669.
[26]
Smith SM, Vidaurre D, Beckmann CF, et al. Functional connectomics from rs-fMRI[J]. Trends Cogn Sci, 2013, 17(12): 666-682. DOI: 10.1016/j.tics.2013.09.016.
[27]
Castellanos FX, Di Martino A, Craddock RC, et al. Clinical applications of the functional connectome[J]. Neuroimage, 2013, 80: 527-540. DOI: 10.1016/j.neuroimage.2013.04.083.
[28]
Ding JR, Zhu F, Hua B, et al. Presurgical localization and spatial shift of resting state networks in patients with brain metastases[J]. Brain Imaging Behav, 2019, 13(2): 408-420. DOI: 10.1007/s11682-018-9864-6.
[29]
Van Den Heuvel MP, Hulshoff Pol HE. Exploring the brain network: a review on rs-fMRI functional connectivity[J]. Eur Neuropsychopharmacol, 2010, 20(8): 519-534. DOI: 10.1016/j.euroneuro.2010.03.008.
[30]
Ding JR, Ding X, Hua B, et al. Altered connectivity patterns among resting state networks in patients with ischemic white matter lesions[J]. Brain Imaging Behav, 2018, 12(5): 1239-1250. DOI: 10.1007/s11682-017-9793-9.
[31]
Chen H, Li Y, Liu Q, et al. Abnormal Interactions of the Salience Network, Central Executive Network, and Default-Mode Network in Patients With Different Cognitive Impairment Loads Caused by Leukoaraiosis[J]. Front Neural Circuits, 2019, 13: 42. DOI: 10.3389/fncir.2019.00042.
[32]
Shi Q, Chen H, Jia Q, et al. Altered Granger Causal Connectivity of Resting-State Neural Networks in Patients With Leukoaraiosis-Associated Cognitive Impairment-A Cross-Sectional Study[J]. Front Neurol, 2020, 11: 457. DOI: 10.3389/fneur.2020.00457.
[33]
Vriend C, Wagenmakers MJ, Van Den Heuvel OA, et al. Resting-state network topology and planning ability in healthy adults[J]. Brain Struct Funct, 2020, 225(1): 365-374. DOI: 10.1007/s00429-019-02004-6.
[34]
Davis SW, Stanley ML, Moscovitch M, et al. Resting-state networks do not determine cognitive function networks: a commentary on Campbell and Schacter (2016)[J]. Lang Cogn Neurosci, 2017, 32(6): 669-673. DOI: 10.1080/23273798.2016.1252847.
[35]
Campbell KL, Schacter DL. Aging and the Resting State: Is Cognition Obsolete?[J]. Lang Cogn Neurosci, 2017, 32(6): 661-668. DOI: 10.1080/23273798.2016.1227858.
[36]
尹如娇. 带状疱疹后遗神经痛患者脑rs-fMRI研究进展[J]. 实用放射学杂志, 2018, 34(3): 459-462. DOI: 10.3969/j.issn.1002-1671.2018.03.035.
Yan RJ. Research progress of resting-stating functional MRI in patients with postherpetic neuralgia[J]. J Pract Radiol, 2018, 34(3): 459-462.
[37]
Chen H, Huang L, Yang D, et al. Nodal Global Efficiency in Front-Parietal Lobe Mediated Periventricular White Matter Hyperintensity (PWMH)-Related Cognitive Impairment[J]. Front Aging Neurosci, 2019, 11: 347. DOI: 10.3389/fnagi.2019.00347.
[38]
Sporns O, Zwi JD. The small world of the cerebral cortex[J]. Neuroinformatics, 2004, 2(2): 145-162. DOI: 10.1385/NI:2:2:145.
[39]
Liu H, Hu H, Wang H, et al. A Brain Network Constructed on an L1-Norm Regression Model Is More Sensitive in Detecting Small World Network Changes in Early AD[J]. Neural Plast, 2020, 2020: 9436406. DOI: 10.1155/2020/9436406.
[40]
Wang J, Chen Y, Liang H, et al. The Role of Disturbed Small-World Networks in Patients with White Matter Lesions and Cognitive Impairment Revealed by Resting State Function Magnetic Resonance Images (rs-fMRI)[J]. Med Sci Monit, 2019, 25: 341-356. DOI: 10.12659/MSM.913396.
[41]
Yang D, Huang L, Luo C, et al. Impaired Structural Network Properties Caused by White Matter Hyperintensity Related to Cognitive Decline[J]. Front Neurol, 2020, 11: 250. DOI: 10.3389/fneur.2020.00250.
[42]
Tan Y, Chen J, Liao W, et al. Brain Function Network and Young Adult Smokers: A Graph Theory Analysis Study[J]. Front Psychiatry, 2019, 10: 590. DOI: 10.3389/fpsyt.2019.00590.
[43]
Zang YF, He Y, Zhu CZ, et al. Altered baseline brain activity in children with ADHD revealed by resting-state functional MRI[J]. Brain Dev, 2007, 29(2): 83-91. DOI: 10.1016/j.braindev.2006.07.002.
[44]
Zou QH, Zhu CZ, Yang Y, et al. An improved approach to detection of amplitude of low-frequency fluctuation (ALFF) for rs-fMRI: fractional ALFF[J]. J Neurosci Methods, 2008, 172(1): 137-141. DOI: 10.1016/j.jneumeth.2008.04.012.
[45]
Li C, Yang J, Yin X, et al. Abnormal intrinsic brain activity patterns in leukoaraiosis with and without cognitive impairment[J]. Behav Brain Res, 2015, 292: 409-413. DOI: 10.1016/j.bbr.2015.06.033.
[46]
Wang J, Chen H, Liang H, et al. Low-Frequency Fluctuations Amplitude Signals Exhibit Abnormalities of Intrinsic Brain Activities and Reflect Cognitive Impairment in Leukoaraiosis Patients[J]. Med Sci Monit, 2019, 25: 5219-5228. DOI: 10.12659/MSM.915528.
[47]
李倩, 赵路清, 胡风云. 脑白质疏松症患者认知功能损害的特点及其静息态功能磁共振观察[J]. 中华医学杂志, 2017, 97(45): 3529-3533. DOI: 10.3760/cma.j.issn.0376-2491.2017.45.003.
Li Q, Zhao LQ, Hu FY. Characteristics of cognitive impairment and the resting state functional MRI in patients with leukoaraiosis[J]. Natl Med J China, 2017, 97(45): 3529-3533. DOI: 10.3760/cma.j.issn.0376-2491.2017.45.003.
[48]
Yokosawa K, Kimura K, Takase R, et al. Functional decline of the precuneus associated with mild cognitive impairment: Magnetoencephalographic observations[J]. PLoS One, 2020, 15(9): e0239577. DOI: 10.1371/journal.pone.0239577.
[49]
Cheng R, Qi H, Liu Y, et al. Abnormal amplitude of low-frequency fluctuations and functional connectivity of resting-state functional magnetic resonance imaging in patients with leukoaraiosis[J]. Brain Behav, 2017, 7(6): e00714. DOI: 10.1002/brb3.714.
[50]
杨君, 李传明, 刘晨, 等. 缺血性脑白质病变伴轻度认知功能障碍患者记忆障碍的静息态功能磁共振成像[J]. 中国医学影像技术, 2015, 31(4): 512-517. DOI: 10.13929/j.1003-3289.2015.04.007.
Yang J, Li CM, Liu C, et al. Resting-state functional MRI in memory deficit of patients with ischemic white matter lesions and mild cognitive impairment[J]. Chin J Med Imaging Technol, 2015, 31(4): 512-517. DOI: 10.13929/j.1003-3289.2015.04.007.
[51]
Ding X, Wu J, Zhou Z, et al. Specific locations within the white matter and cortex are involved in the cognitive impairments associated with periventricular white matter lesions (PWMLs)[J]. Behav Brain Res, 2015, 289: 9-18. DOI: 10.1016/j.bbr.2015.04.021.
[52]
Toda K, Iijima M, Kitagawa K. Periventricular White Matter Lesions Influence Gait Functions in Parkinson's Disease[J]. Eur Neurol, 2019, 81(3-4): 120-127. DOI: 10.1159/000499908.
[53]
Agarwal S, Lu H, Pillai JJ. Value of Frequency Domain Resting-State Functional Magnetic Resonance Imaging Metrics Amplitude of Low-Frequency Fluctuation and Fractional Amplitude of Low-Frequency Fluctuation in the Assessment of Brain Tumor-Induced Neurovascular Uncoupling[J]. Brain Connect, 2017, 7(6): 382-389. DOI: 10.1089/brain.2016.0480.

上一篇 颞叶癫痫患者小脑结构与功能改变的磁共振成像研究进展
下一篇 深度学习和影像组学在脑胶质瘤中的研究进展
  
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