正常成人腦部結構、靜息態功能和彌散張量磁共振成像的可重復性分析

呂艷秋 鄭丹丹 胡迪 程華 胡格麗 彭蕓

功能性腦成像是神經科學研究中常用的一種技術，在識別大腦中負責感覺、運動控制和認知等功能的區域［1］及發現由疾病引起的腦功能的改變發揮了重要的價值［2-3］。由于長時間和多中心方法在臨床研究中的應用越來越多，縱向MR研究對于研究病理生理條件或治療后大腦的結構和功能變化越來越重要，因此，不論是橫向多參與單位聯合的多中心研究項目，還是縱向長時間對比的研究項目，都對檢測結果的穩定性和可重復性有強依賴性。本研究通過計算在神經退行性疾病中常用且特別重要的7個皮質下結構的體積［4］、5個常用靜息態功能磁共振成像（rest state functional magnetic resonance imaging， rs-fMRI）腦網絡的時間信噪比（temporal signal-to-noise ratio，tSNR）及彌散張量成像（diffusion tensor imaging，DTI）的各向異性分數（fractional anisotropy， FA）值，探討正常成人腦部結構像、rs-fMRI和DTI采用同一掃描儀和不同掃描儀的可重復性。

方法

1. 臨床資料

招募健康志愿者6名（男：4名；女：2名），年齡為24～32歲。所有受試者均為右利手，均受過高等教育，既往體健。排除標準：顱腦外傷，腦部器質性病變，精神類疾病史，近期服用過精神類藥物或激素。所有受試者均在2臺掃描儀上各進行2次采集；不同掃描儀上同一天進行，同一掃描儀上隔1周進行，用以評估不同掃描儀的和同一掃描儀的可重復性。對于每個受試者，2臺掃描儀的掃描時間大致相同。研究人員建議受試者在掃描當天禁止劇烈運動和飲用含咖啡因類飲料［5］。掃描前，所有受試者均獲得書面知情同意。

2. MR檢查方法

所有數據均采用Philips Achieva TX 3.0 T和Philips Ingenia CX 3.0 T磁共振掃描儀進行采集，對應的采集線圈分別為8通道顱腦線圈和15通道dstream顱腦線圈。掃描序列包括高分辨率腦容積結構3D T1W序列、靜息態腦功能成像序列rs-fMRI及單次激發自旋回波平面成像（SE-EPI）的DTI序列。掃描參數如下：

（1）矢狀位3D T1W：TR/TE= 8.3 ms/3.8 ms（Ingenia CX）、7.3 ms/3.4 ms（Achieva TX），翻轉角=80°，體素=1 mm×1 mm×1 mm，信號平均次數（NSA）為1，層數為170。

（2）軸位rs-fMRI：TR/TE=2000 ms/24 ms，翻轉角=60°，體素=3.44 mm×3.44 mm，層厚3 mm，層間距1 mm，層數為40，NSA為1，每次采集200個時間點。

（3）軸位DTI：TR/TE=9000 ms/85 ms，翻轉角=90°，體素=2 mm×2 mm，層厚2 mm，層間距1 mm，30個彌散敏感梯度方向，b值為0、1000 s/mm2，NSA為1，層數為74。數據采集過程中，被試頭部用海綿墊固定來減少頭動，整個掃描過程中，要求閉上眼睛并保持清醒放松狀態，不思考事情。

3. 數據處理

在分析之前，所有MR圖像都經過經驗豐富的影像科醫師閱讀，所有受試者均未發現任何形態學異常，同時，確定信號均勻性和排除偽影干擾，包括奈奎斯特重影，運動和渦流偽影。

3.1 3D T1W結構像處理

采用開源工具FreeSurfer V6.0 （Martinos Center for Biomedical Imaging， Harvard-MIT， Boston-USA）軟件分析健康志愿者的高分辨率3D T1W結構像，首先經過標準化、顱骨剝離、空間配比，然后進行分割。FreeSurfer自動識別丘腦（右）、豆狀核（右）、海馬（右）、杏仁核（右）、腦干、白質（white matter， WM）和腦脊液（cerebrospinal fluid， CSF）作為感興趣區（regions of interest，ROI），最后分別獲得7個ROI的體積數據。

3.2 rs-fMRI數據處理

通過rs-fMRI數據處理助手DPARSFA（Data Processing Assistant For Resting-State fMRI Advanced Edition；http：//rfmri.org/DPABI）軟件包進行預處理。先將DICOM格式數據源轉換為NIFTI（神經影像技術方案）格式。預處理步驟如下：

（1）去除前10個時間點數據，在掃描初始階段，考慮磁化矢量不穩定及受試不適應等影響，去掉前10個時間點數據。

（2）頭動校正。不同圖像對齊，所有受試者在X，Y，Z任一坐標軸方向頭動平移小于2 mm且圍繞任一坐標軸方向旋轉小于2°。

（3）空間標準化。借助3D T1W結構像將功能數據標準化至MNI空間，以便進行組水平統計分析。

（4）空間平滑。對數據采用8 mm×8 mm×8 mm全寬半高的高斯平滑核進行空間平滑提高信噪比并減少配準誤差。

對于靜息態功能數據，ROI內的tSNR被估計為ROI內所有體素的平均信號除以時間上的標準偏差的比率［6］。此次分析了5個功能網的tSNR，即灰質（grey matter， GM）、默認網絡（default mode network， DMN）、腹側注意力網絡（ventral attention network， VAN）、視覺網絡（visual network， VIS）和感覺運動網絡（somatomotor network， SM）。

3.3 DTI數據處理

對于DTI數據，由于胼胝體是衰老中研究最多的白質結構之一，且其不同節段受衰老的影響并不均勻［7］，所以本研究利用FSL（FMRIB Software Library，http：//www.fmrib.ox.ac.uk/fsl）軟件，經過渦流矯正，去除非腦組織以及擬合等預處理后［8］，并擬合DTI模型，最后提取FA值、MD值；然后使用FSL中的‘flirt’和‘fnirt’將原始的FA值和MD值轉化到JHU-ICBM-FA-1 mm模板；使用JHU-ICBM-1 mm圖譜自動分割胼胝體的3個代表性區域，即胼胝體膝部（genu of corpus callosum， GCC）、胼胝體體部（body of corpus callosum， BCC）和胼胝體壓部（splenium of corpus callosum， SCC），并分別標記為3、4、5索引（圖1）。然后計算GCC、BCC、SCC和全腦的FA值的平均值和標準差。

圖1 轉換為U-ICBM-FA-1 mm模板后胼胝體區域的自動劃分通過軟件配準分割完成的胼胝體分區，分別標記為3、4、5索引，3～5分別代表胼胝體膝部、胼胝體體部及胼胝體壓部

4. 統計學分析

利用SPSS 19.0統計軟件進行數據處理和統計學分析。采用組內相關系數（intra-class correlation coefficient， ICC）測量數據的可重復性。ICC采用絕對一致且單一度量的雙向隨機模型評估測量值之間的絕對一致性。ICC＜0.20為重復性較差，0.21～0.40為重復性一般，0.41～0.60為重復性中等，0.61～0.80為重復性好，0.81～1.0為重復性非常好。

結果

1. 3D T1W結構像不同腦區體積一致性分析

對于3D T1W結構像數據，同臺掃描儀在各個腦區測量體積中均具有較好至非常好的可重復性（表1），其中掃描儀1在右側海馬、腦干和白質的ICC分別為0.90、0.94和0.98，掃描儀2在腦干和白質的ICC分別為0.91和0.98。掃描儀1在右側杏仁核的ICC為0.71，低于其他腦區，而掃描儀2在右側海馬的ICC為0.81，低于其他腦區。對于3D T1W結構像數據，2臺掃描儀在各個腦區測量體積中除了右側杏仁核重復性為較好外（ICC=0.73），在其余6個腦區的可重復性均為非常好（表2），其中腦干和白質的ICC值均為0.98，右側豆狀核的ICC值為0.97，右側海馬的ICC值為0.96。

表1 同臺掃描儀測量的不同腦區體積的時間一致性比較

表2 2臺掃描儀在不同腦區測量體積的機器間一致性比較

2. rs-fMRI不同網絡的tSNR一致性分析

對rs-fMRI，分析了5個常見的功能網絡的tSNR。計算了2臺掃描儀的不同時間的不同網絡的tSNR的平均值和標準差，并進行同臺掃描儀及不同掃描儀間的ICC值評估。同臺掃描儀，在感覺運動網絡（SM）中的tSNR均表現出最高的可重復性（掃描儀1：ICC=0.85；掃描儀2：ICC=0.87），而在默認網絡（DMN）中，只獲得較好的可重復性（ICC=0.67和ICC=0.68），詳見圖2。2臺掃描儀在不同功能網絡的tSNR機器間可重復性分布在中等到較好的區間（表3）。

表3 2臺掃描儀在不同功能網絡的tSNR機器間一致性比較

圖2 同臺掃描儀不同時間點的5個功能網絡tSNR的平均值和標準誤差及相應的ICC值

3. DTI數據FA的一致性分析

在DTI中，同臺掃描儀在GCC和BCC區域，FA值具有較好的可重復性，而在SCC和全腦分析中，FA值均有非常好的可重復性，其中在全腦分別達到0.91和0.90（表4）。在不同掃描儀間的可重復分析中，全腦、BCC和SCC中FA值的ICC分別為0.92、0.98和0.81。然而，GCC區域FA值的ICC值僅為0.45（表5）。

表4 同臺掃描儀測量的不同腦區FA值的時間一致性比較

表5 2臺掃描儀測量的不同腦區FA值機器間一致性比較

討論

本研究報告了一組用于量化結構像、rs-fMRI和DTI的可重復性的指標，無論是在2個時間點的同一掃描儀之間還是在2個不同的掃描儀之間，對于體積數據的度量都是高度可重復的。rs-fMRI數據分析顯示受試者網絡在除DMN以外均具有較穩定的時間信噪比。全腦各向異性分析時，在不同掃描儀和同一掃描儀中，FA的測量值差異很小，然而，當進一步分析時，GCC中FA的可重復性在不同掃描儀上表現一般，這可能受到配準和分割的影響。在分析數據時，特別是涉及DMN和GCC分析時，需考慮rs-fMRI和DTI成像相關研究中不同掃描儀的影響。這些發現為跨機型設備的縱向工作，特別是腦結構定量研究提供了統計驗證，為多中心和縱向功能性腦成像的研究提供了參考。

通過研究得出，在相同場強情況下，即使采用不同掃描儀，在不同的掃描時間，使用FreeSurfer自動分割軟件從大腦結構MRI數據得出的人類皮質下定量體積，依然具有顯著的可重復性，該結論與Jovicich等［9］的研究結果基本一致。相對而言，杏仁核的一致性低于其他區域，可能由于其解剖結構較小，更易受誤差影響。

在靜息態研究中，tSNR是影響rs-fMRI可靠性的一個重要因素，可以很好地衡量功能圖像質量［10］。此次研究選擇多個常用靜息態網絡而不是解剖ROI來計算tSNR，主要考慮網絡表現出相似或相干的自發波動，而小的解剖ROI由于配準問題可能會引入額外的誤差。Huang等［11］的研究中，DMN網絡的可重復性低于與ATT網絡，與本文結果中DMN網絡可重復性較差類似。然而，與T1和DTI測量不同，連接強度在很大程度上取決于數據收集期間受試者的生理認知狀態，因此它可能不是測試成像硬件可靠性和環境變化的合適度量。

使用基于ROI的分析，Vollmar等［11］的研究表明，使用2臺相同的3T掃描儀，在設備內和設備間重新掃描之間，FA測量值的變化始終很低。本研究結果顯示，在不同掃描儀之間的比較中，GCC的可重復性相對其他區域較差，這與Huang等［10］的研究中，SCC表現差于其他腦區的結果比較接近。這可能是由于ROI選擇、掃描儀類型、場強、線圈、方向數量、數據分析和個體差異的不同所帶來的結果偏差，尤其是胼胝體進行亞分區之后，更易受到配準和分割方案的影響。

國內外已有不少研究對功能性磁共振腦成像的質量控制方法或者可重復性評價進行了探討［13-15］。相比以往研究，此次研究在2臺不同的掃描儀上進行，且對于結構像數據通過標準模板配準和自動分割，進行了更多腦區的細致分析；分析了rs-fMRI中多個常見網絡，并指出不同網絡中存在的時間信噪比差異；而在DTI分析中，重點分析了胼胝體的FA值可重復性。此次研究存在以下不足：首先，由于沒有ACR標準水膜，無法計算相應的ACR標準參數，因此未進行膜體實驗；其次，本研究為樣本量較少的單中心研究，且涉及機型不夠豐富，建議未來進行大規模的多站點重復性研究。