基于体素的形态学分析技术在评价脑灰质体积改变对皮质下缺血性血管性痴呆患者执行功能影响中的应用 | ![]() |
1b. 安徽中医药大学第一附属医院影像科,安徽 合肥 230031;
2. 安徽中医药大学,安徽 合肥 230000;
3. 安徽中医药大学第三附属医院针灸康复一科,安徽 合肥 230000
皮质下缺血性血管性痴呆(subcortical ischemic vascular dementia,SIVD)是血管性痴呆的主要亚型,其以小血管病变为主要病因,以执行功能障碍为主要认知损害。既往研究[1]认为,SIVD患者的认知损害主要与腔隙性脑梗死和脑白质病变的病变部位及程度有关。然而,近年来研究[2]发现,SIVD患者的认知障碍与上述2种病变无直接联系,相对而言,脑萎缩可更好地评估其认知损害程度。目前有研究[3]表明,MRI脑灰质预测年龄与真实年龄之间的差异可能是早期痴呆风险筛查的生物学标志物,其结构的变化与整体认知有关。基于体素的形态学分析(voxel-based morphometry,VBM)是一种客观无偏移的脑结构影像分析技术,其从体素水平进行脑灰质体积和密度的测量,可检测微小改变,发现隐匿性脑结构损伤,在探索SIVD临床前期脑结构变化及其与认知功能障碍的相关性研究等方面显示出优越性。本研究采用VBM技术探索SIVD脑结构改变与执行功能的相关性,旨在为SIVD的病理生理研究提供参考依据。
1 资料与方法 1.1 一般资料纳入2017年1月至2018年1月安徽中医药大学第一附属医院收治的SIVD患者共17例作为SIVD组(剔除1例MRI扫描过程出现耳鸣者和2例躁动无法配合者)。选择周围社区征集的健康志愿者14例为健康对照组,均为右利手,并与SIVD组年龄、性别、受教育年限相匹配。
1.2 SIVD诊断、纳入、排除及剔除标准 1.2.1 诊断标准临床诊断标准[4]:①认知综合征,包括执行能力障碍综合征(无法完成目标的整合,在目标的计划、组织、执行等方面能力下降,并伴注意、抽象等思维能力下降);记忆缺损(可为轻度,短时记忆能力下降,遗忘程度较轻,但认知功能相对保留);认知功能下降,对日常生活活动造成干扰,排除脑血管病导致的躯体障碍。②脑血管病的证据,包括相关脑血管的影像学改变;既往病史或神经系统体征(如偏瘫、感觉障碍、步态障碍、构音障碍和锥体外系征)与皮质下脑血管病相一致。
CT诊断标准:①脑室旁白质弥漫性改变,包括斑片状或弥漫性对称性低衰减区(密度介于正常白质和脑脊液之间);至少1个腔隙性梗死灶。②无脑内出血、无大面积脑梗死及分水岭梗死;无脑积水体征和其他疾病(如结节病、放射性脑病和多发性硬化)引起的脑白质病变。
MRI诊断标准:①Binswanger型脑白质病变,即脑室周围和深部白质呈弥漫性高信号,其中脑室周围为延伸帽状(> 10 mm)高信号,深部白质为不规则晕(> 10 mm)、弥漫融合的不规则高信号(> 25 mm)或无局限病灶的白质弥漫性高信号;深部灰质腔隙性梗死灶。②腔隙性梗死型,包括至少5个多发腔隙性梗死灶;中度或重度的脑白质病变,如延伸帽状高信号、不规则晕高信号或弥漫融合高信号;无脑内出血、无大面积脑梗死及分水岭梗死;无脑积水体征和其他疾病(如结节病、放射性脑病和多发性硬化)引起的脑白质病变。
1.2.2 纳入标准① 符合SIVD诊断标准;②简易智能状态检查量表(MMSE)评分≤23分;③蒙特利尔认知评估量表(MoCA)≤14分;④长谷川痴呆修正量表(HDS-R)评分<15分;⑤缺血指数量表(HIS)≥7分;⑥自愿参加(或家属同意)并签署知情同意书。
1.2.3 排除标准① 严重焦虑、抑郁、精神分裂等神经精神疾病患者;②严重肝肾功能不全、对认知功能产生影响的全身性疾病患者;③严重头部外伤史者及嗜酒、吸毒或其他精神性药物滥用者;④颅内肿瘤、颅脑损伤等累及中枢神经系统疾病患者;⑤不能配合试验者(如拒绝签署知情同意书或不能坚持试验全程等);⑥MRI检查禁忌证者(装有心脏起搏器、患有幽闭恐惧症等)。
1.2.4 剔除标准① 误诊;②符合排除标准;③无任何检测记录者。
1.3 健康对照组纳入标准① 有独立的行为能力,且神经系统检查正常;②MMSE评分≥28分;③MoCA评分≥25分;④HDS-R评分≥30分;⑤无MRI检查禁忌证;⑥自愿签署知情同意书。
1.4 仪器与方法扫描序列及参数:FLAIR序列,共20层,TR 9 000 ms,TE 24 ms,翻转角111°,层厚5 mm,视野250 mm×250 mm,分辨率256×256;3D T1 BRAVO序列,共166层,TR 8.2 s,TE 3.2 s,翻转角12°,层厚1 mm,视野256 mm×256 mm,分辨率256×256,激励次数1。所有试验数据采集均由专业的影像医师操作。
1.5 数据处理数据处理及分析均在数字化影像技术实验室(国家中医药管理局三级实验室,编号TCM-2009-196)进行。采用Linux系统下的AFNI软件及FSL软件对数据进行处理分析。
3D结构像数据使用FSL-VBM工具包完成预处理,具体步骤如下:①格式转换。利用Mricron软件中的内置程序(dcm2nii)将所有受试者原始DICOM格式的数据转换成数据处理需要的nii格式。②数据准备。a.创建FSL-VBM的根目录(mkdir fsl_vbm),将2组每个个体转换为nii格式的数据,分别加上对应的前缀(如pat_145455.nii.gz,con_191878.nii.gz),放入FSL-VBM根目录下。b.在FSL-VBM根目录下创建包含所有受试者数据的模板列表(template_list)文件。c.将模板列表中的所有受试者数据创建一个web页面,快速浏览web页面,检查所有受试者的结构图像是否符合要求。③脑组织分割(fslvbm_1_bet)。将所有受试者数据放于新的文件夹(struc)下,对每个受试者的文件名添加后缀“_struc”(如pat_145455.nii_struc,con_191878.nii_struc)。运行脚本(fslvbm_1_bet-b)完成脑组织分割工作。此步骤得到去除头皮及颅外组织的结构图像(如pat_145455.nii_struc_brain,con_191878.nii_struc_brain)。④创建模板(fslvbm_2_ template)。a.基于体素不同,将脑组织分割成灰质、白质、脑脊液。对template_list文件下灰质图像(如pat_145455.nii_struc_GM,con_191878.nii_struc_GM)通过线性转换生成自定义“仿射”灰质模板(“template_GM_init”)。b.将template_list文件下灰质图像通过非线性转换联成4D图像(“template_4D_GM”)。c.将以上2步得到的图像通过标准空间对图像进行标准化,创建本研究所需要的灰质模板。⑤图像处理(fslvbm_3_proc)。a.将所有处于stats目录下受试者的灰质图像通过非线性转换配准到本研究自定义的灰质模板并级联成4D图像(“GM_merg”)。b.校正得到的灰质图像,避免局部缩放所产生的误差。c.在stats目录下,经校正后的灰质图像级联成4D图像(“GM_mod_merg”),采用半高全宽为3 mm的高斯函数对数据进行滤波、平滑化处理,生成GM_mod_merg _s3。⑥个体数据提取。利用AFNI软件中的程序(3dTcat),提取步骤⑤中级联数据的个体数据。
1.6 统计学分析运用AFNI软件对数据进行统计学分析;利用多重对比校正(FDR校正,P=0.001,α<0.05),提取体积 > 30个体素的脑区,认为该脑区差异有统计学意义,并将以上体素叠加生成伪彩图,记录体积萎缩脑区的蒙特利尔神经研究所标准立体空间坐标(MNI坐标)、Brodmann分区。此外,将SIVD组提取的个体数据与患者的年龄、病程、日常生活能力量表(ADL)、MoCA、神经功能缺陷量表(NFDS)积分之间行协变量相关分析。以P<0.05为差异有统计学意义。
2 结果 2.1 2组一般资料及认知功能对比结果(表 1)表 1 2组一般资料及认知功能比较 |
![]() |
2组在性别、年龄、受教育年限、吸烟和血管危险因素等方面差异均无统计学意义(均P > 0.05)。健康对照组均无心血管疾病及卒中病史,所以未进行HIS评分。
2.2 SIVD患者灰质体积变化脑区(表 2,图 1~3)表 2 SIVD患者灰质体积变化脑区 |
![]() |
![]() |
图 1 皮质下缺血性血管性痴呆(SIVD)组基于体素的形态学分析(VBM)脑激活区域(横轴位)(n=14,P=0.001,α<0.05,脑层面=30),蓝色代表萎缩,红色代表增生 |
![]() |
图 2 SIVD组VBM脑激活区域(冠状位)(n=14,P=0.001,α<0.05,脑层面=30),蓝色代表萎缩,红色代表增生 |
![]() |
图 3 SIVD组VBM脑激活区域(矢状位)(n=14,P=0.001,α<0.05,脑层面=30),蓝色代表萎缩,红色代表增生 |
与健康对照组相比,SIVD患者灰质体积显著减少,包括全脑的额叶、颞叶、前扣带回、眶额叶、枕叶、梭状回、楔前叶、海马、丘脑和右侧小脑区域,尤以额中回萎缩最明显。SIVD患者未发现有灰质体积增加的脑区。
2.3 脑灰质形态与认知功能之间的关系根据不同脑区灰质体素大小选取9个ROI区域,分别为GM1~9;利用SPM软件求得9个ROI区域的灰度值,并与ADL、MoCA、NFDS量表总积分及MoCA量表中各认知功能评分行相关性分析;结果表明,SIVD组MoCA量表中视空间与执行功能积分与前额叶灰质体积呈正相关,而与其他脑区局部灰度体积无显著相关,且ADL、NFDS量表总积分及MoCA量表中其他认知功能评分与各局部灰度体积均无显著相关。
3 讨论执行功能是大脑最重要的高级认知加工过程,其目的是为了实现某一特定目标,将各种具体的认知加工过程妥善地整合起来、协同操作。研究发现,执行功能的实现需不同脑区协同操作,任何脑区结构的异常均可导致认知功能损害。本研究显示,与健康对照组相比,SIVD组患者大脑灰质体积缩小,包括全脑的额叶、颞叶、前扣带回、眶额叶、枕叶、梭状回、楔前叶、海马、丘脑和右侧小脑区域,尤以额中回萎缩最明显;未发现有灰质体积增加的脑区。
3.1 额叶额叶作为脑执行功能的重要神经基础,其结构异常与执行功能损害联系密切。Garcia-Alvarez等[5]研究发现,额叶萎缩可独立地与认知功能相关,且主要与执行功能相关。本研究显示,SIVD患者在前额叶背外侧皮质(上、中额叶的中间部分)区域灰质体积显著减少,与既往研究一致。此外,还发现,SIVD患者前额叶灰质体积萎缩与执行功能障碍之间存在相关性,而与其他认知功能,如记忆、注意、言语等方面未发现明显相关性,再一次证明前额叶结构异常与执行功能损害联系密切,其可能是执行功能障碍的中枢机制。由此推测,SIVD患者执行功能障碍突出的原因可能与前额叶背外侧环路受到破坏有关。而患者不同认知的损害可能与累及的不同大脑区域有关[6]。
3.2 前扣带回前扣带回是大脑皮质和边缘系统功能联系的重要枢纽,参与行为规划、执行和情感调控等过程。从脑网络层面出发,扣带回也是各大脑网络的重要节点,是默认网络和突显网络的共同覆盖范围,与额顶叶皮层有广泛连接,易受皮质下血管病理变化的影响[7]。姜庆军等[8]发现,执行功能的完成是前额叶皮质和前扣带回共同参与的结果,其中前扣带回主要功能为发现冲突,前额叶主要功能为解决冲突。静息态fMRI研究[9]表明,前扣带回在执行控制任务中其背侧出现显著激活,与执行功能下降显著相关,另外在进行包含思维定势打破的目标时,前扣带回区域存在激活。本研究显示,SIVD患者在前扣带回区域出现脑灰质体积萎缩,可能与执行功能障碍有关。
3.3 基底节基底节包含尾状核、豆状核和内囊3个部分,主要参与运动功能的调节。但近年来研究[10]发现,基底节区与大脑皮质(前额叶、颞叶和丘脑等)之间存在广泛的结构和功能连接,主要负责执行功能和工作记忆,基底节区域灰质异常,可能破坏其连接性,导致患者记忆、言语、精神活动等执行功能障碍。金世娟[11]研究发现,基底节区的梗死灶与认知损伤关系密切,主要表现为执行功能、注意、延迟回忆及抽象思维能力损害。本研究结果显示,SIVD患者在丘脑、尾状核及杏仁核区域出现灰质体积减少,与以往研究[12]一致。
3.4 小脑既往对小脑的研究主要集中在运动控制和协调功能方面,然而近年来,越来越多的研究[13-14]表明,小脑在执行功能、视空间、工作记忆及情感过程中也发挥着重要作用,且与小脑后部联系密切。小脑与大脑皮质及边缘系统之间存在广泛的神经功能连接。小脑通过调控大脑特定区域的神经环路,尤其是额顶颞叶、边缘系统环路,影响脑区的认知功能[15-17]。Dayan等[15]研究发现,因小脑萎缩导致共济失调的患者,涉及高级认知功能、运动及情绪控制的大脑脑区局部灰质体积明显减少。研究[18-19]亦表明,大脑的不同区域在小脑的投射区亦不同,运动区域主要与小脑前叶的Ⅳ-Ⅴ以及Ⅷ区相关,而认知功能的执行主要与小脑后叶的Ⅵ、Crus Ⅰ、CrusⅡ和Ⅶb区有关,其中执行功能主要与两侧Crus Ⅰ区有关。本研究显示,SIVD患者在右侧小脑区域出现灰质体积萎缩,与既往研究结果一致,由此推测SIVD患者的认知损害与小脑灰质体积萎缩密切相关。
3.5 相关脑区海马通常被认为是受阿尔茨海默病影响最大的脑区之一,与记忆功能和方向密切相关,其脑区的异常结构可导致认知功能下降。海马作为与情景记忆相关脑网络的重要结构,对低灌注引起的缺血、缺氧十分敏感,长期慢性缺血可导致海马萎缩[20]。海马CA1区被认为是最易受到缺血和缺氧性疾病损伤的区域。本研究发现,SIVD患者在基底节、扣带前回及眶额叶区域存在灰质体积减少,而这些结构都属于海马CA1区信息流的下游投射区域。由此推断,SIVD患者出现海马及其相关投射区域的结构变化可能主要是由于缺血性或代谢性因素损伤海马CA1区所致。颞上回是调节复杂的社会互动及认知分析的主要脑区,与执行功能关系密切。本研究显示,SIVD患者存在左侧颞上回灰质结构异常。Yu等[21]研究认为,血管性认知功能障碍患者存在颞上回全局拓扑结构的显著破坏,且与认知功能评估具有相关性,与本研究一致。另有研究[22]发现,SIVD患者的脑岛灰质存在不同程度的萎缩。脑岛是整合高级认知功能的重要枢纽,与皮质及皮质下存在广泛的结构及功能连接,特别是眶额叶皮质及背外侧前额叶皮质,三者共同调控包括情感、动机、执行等在内的高级认知功能,脑岛萎缩可能导致认知功能障碍的发生。
综上所述,本研究采用VBM技术对SIVD引起认知障碍的机制进行初步探讨,认为脑萎缩与SIVD患者的执行功能障碍有着密切关联。在今后的研究中将扩大样本量,加入临床治疗方法,进一步研究治疗前后脑灰质的变化,以阐明临床治疗SIVD的中枢神经机制。
[1] |
ALVES G S, DE CARVALHO L A, SUDO F K, et al. A panel of clinical and neuropathological features of cerebrovascular disease through the novel neuroimaging methods[J]. Dement Neuropsychol, 2017, 11(4): 343-355. DOI:10.1590/1980-57642016dn11-040003 |
[2] |
LIU C, LI C, GUI L, et al. The pattern of brain gray matter impairments in patients with subcortical vascular dementia[J]. J Neurol Sci, 2014, 341(1-2): 110-118. DOI:10.1016/j.jns.2014.04.017 |
[3] |
WANG J, KNOL M J, TIULPIN A, et al. Gray matter age prediction as a biomarker for risk of dementia[J]. Proc Natl Acad Sci U S A, 2019, 116(42): 21213-21218. DOI:10.1073/pnas.1902376116 |
[4] |
ERKINJUNTTI T, INZITARI D, PANTONI L, et al. Research criteria for subcortical vascular dementia in clinical trials[J]. J Neural Transm Suppl, 2000, 59(59): 23-30. |
[5] |
GARCIA-ALVAREZ L, GOMAR J J, SOUSA A, et al. Breadth and depth of working memory and executive function compromises in mild cognitive impairment and their relationships to frontal lobe morphometry and functional competence[J]. Alzheimers Dement (Amst), 2019, 11: 170-179. DOI:10.1016/j.dadm.2018.12.010 |
[6] |
YOON H J, KIM S G, KIM S H, et al. Distinct neural correlates of executive function by amyloid positivity and associations with clinical progression in mild cognitive impairment[J]. Yonsei Med J, 2019, 60(10): 935-943. DOI:10.3349/ymj.2019.60.10.935 |
[7] |
LIU X, CHEN L, CHENG R, et al. Altered functional connectivity in patients with subcortical ischemic vascular disease:a restingstate fMRI study[J]. Brain Res, 2019, 1715: 126-133. DOI:10.1016/j.brainres.2019.03.022 |
[8] |
姜庆军, 李勃, 刘锴, 等. 对人脑执行功能激活区域间关系的因果分析研究[J]. 医学影像学杂志, 2013, 23(10): 1516-1519. DOI:10.3969/j.issn.1006-9011.2013.10.003 |
[9] |
KUMAR A, HAROON E, DARWIN C, et al. Gray matter prefrontal changes in type 2 diabetes detected using MRI[J]. J Magn Reson Imaging, 2008, 27(1): 14-19. DOI:10.1002/jmri.21224 |
[10] |
HARRINGTON D L, SHEN Q, THEILMANN R J, et al. Altered functional interactions of inhibition regions in cognitively normal Parkinson's disease[J]. Front Aging Neurosci, 2018, 10: 331. DOI:10.3389/fnagi.2018.00331 |
[11] |
金世娟.基底节梗死认知功能损害的临床分析[D].青岛: 青岛大学, 2015.
|
[12] |
GAO Y Y, NIE K, HUANG B, et al. Changes of brain structure in Parkinson's disease patients with mild cognitive impairment analyzed via VBM technology[J]. Neurosci Lett, 2017, 658: 121132. |
[13] |
COCOZZA S, COSTABILE T, PONTILLO G, et al. Cerebellum and cognition in Friedreich ataxia:a voxel-based morphometry and volumetric MRI study[J]. J Neurol, 2020, 267(2): 350-358. DOI:10.1007/s00415-019-09582-9 |
[14] |
YANG H G, WANG N, LUO X G, et al. Cerebellar atrophy and its contribution to motor and cognitive performance in multiple system atrophy[J]. Neuroimage Clin, 2019, 23: 101891. |
[15] |
DAYAN M, OLIVITO G, MOLINARI M, et al. Impact of cerebellar atrophy on cortical gray matter and cerebellar peduncles as assessed by voxel-based morphometry and high angular resolution diffusion imaging[J]. Funct Neurol, 2016, 31(4): 239248. |
[16] |
RASTOGI A, CASH R, DUNLOP K, et al. Modulation of cognitive cerebello-cerebral functional connectivity by lateral cerebellar continuous theta burst stimulation[J]. Neuroimage, 2017, 158: 4857. |
[17] |
VAN OVERWALLE F, MARIEN P. Functional connectivity between the cerebrum and cerebellum in social cognition:a multi-study analysis[J]. Neuroimage, 2016, 124(Pt A): 248-255. |
[18] |
MOORE D M, D'MELLO A M, MC GRATH L M, et al. The developmental relationship between specific cognitive domains and grey matter in the cerebellum[J]. Dev Cogn Neurosci, 2017, 24(C): 1-11. |
[19] |
SOKOLOV A A, MIALL R C, IVRY R B. The cerebellum:adaptive prediction for movement and cognition[J]. Trends Cogn Sci, 2017, 21(5): 313-332. |
[20] |
FAN Y Q, YANG J, CUI J C, et al. Moxibustion therapy improving delayed memory deficits via promoting neurogenesis and angiogenesis of hippocampus in a vascular dementia rat model[J]. J Acupunct Tuina Sci, 2019, 17(12): 383-394. |
[21] |
YU Y, ZHOU X, WANG H, et al. Small-world brain network and dynamic functional distribution in patients with subcortical vascular cognitive impairment[J]. PLoS One, 2015, 10(7): E0131893. |
[22] |
刘筱霜.皮层下缺血性血管疾病及与其相关认知功能障碍的多模态MRI研究[D].重庆: 重庆医科大学, 2019.
|