抑郁症脑网络失调来自图论分析证据.docVIP

抑郁症脑网络失调来自图论分析证据 　　摘要 以脑成像数据为支撑，基于图论的复杂脑网络分析实现了在大尺度上对于大脑的整体定量分析，克服了传统抑郁症病理改变研究仅关注少数几个脑区的缺点。本文主要总结了：（1）基于图论的脑网络分析的概念：（2）基于图论的抑郁症研究现状；（3）以往传统研究的不足，抑郁症脑网络研究的当前总结和未来展望。总体来说：抑郁症病人脑网络的小世界属性依旧存在，但在节点指标上存在明显的异常，且随疾病发展呈线性变化。整个网络趋向于随机化。区域性的异常主要存在于默认网络和前额叶一边缘系统环路。未来研究中，任务状态下的脑网络构建和“最小生长树”技术的应用可能会为抑郁症病人的脑网络异常提供更多的信息。 　　关键词 抑郁症；复杂脑网络：图论；脑连接组 　　分类号 B845 　　1.引言 　　抑郁症（Maljor Depression Disorder）是最为常见的精神障碍之一，其终生患病率高达16%（Kessler et al.，2003）。该疾病以情绪低落为主要特征，伴随反复而持久的伤感，负罪感和无用感，具有很高的自杀率，给家庭和社会造成沉重的负担（Jia et al.，2010）。同时，因其疾病特点从而对全球的医疗系统造成了巨大负担。世界卫生组织在2002年把其列为消耗医疗资源的第四大疾病，并且预测到2020年，将会成为资源消耗的第二大疾病（Sartorius，2001）。 　　近年来，随着以核磁共振成像（MRI）为主的脑成像技术的发展，在抑郁症病人身上发现了多个脑区的结构和功能异常。结构上：抑郁症病人与正常控制组相比在MRI中表现出“边缘一皮质”通路的损伤，具体表现为抑郁症病人在杏仁核，右侧旁扣带回具有更小的灰质体积（sacher et al，2012），另有元分析发现通过右侧顶叶区域的白质纤维完整性降低（0soba et al，2013）；静息功能上：抑郁症病人在左侧海马旁回，右侧小脑后叶，右侧额中回表现出明显的比率低频振幅（Fractional Amplitude of Low-Frequency Fluctuation，fALFF）的下降（Liu et al，2013），在左侧枕中皮层，右侧顶下小叶，右侧楔前叶表现出局部一致性（Regional Homogeneity，ReHo）的上升（Liang et al，2013）。虽然传统结构和功能研究发现了一些异常的脑区，但是这些脑区结果往往分布广泛，难以从整体上理解和探讨抑郁症病人的病理性特征。 　　人脑是一个相互连接的复杂系统，以往抑郁症研究的发现仅仅是情感障碍病理改变这一只“大象”的一部分（受疾病影响的部分脑网络）（HulshoffPolBullmore，2013）。近年来的研究表明，人类大脑的结构和功能网络符合复杂网络模型（Chen，He，Rosa-Neto，Germann，Evans，2008；Salvador et al，2005），因此作为一个强大的复杂系统分析方法，复杂网络分析在临床上被应用于探索精神类疾病患者在各种图论分析指标上的异常（Menon，2011）。 　　本文首先介绍了基于图论的脑网络分析的基本理论和方法，其次总结近年来该方法在抑郁症研究中取得的进展，进而分析了现有研究中基本结果和潜在不足，最后展望了未来可能的发展方向。 　　2.基于图论的脑网络分析 　　2.1网络的图论描述 　　19世纪初期人类便意识到大脑系统是一个强大的复杂网络（swanson，2012），20世纪末期数学家们发现了复杂系统中无处不在的小世界属性。所谓小世界属性是复杂网络的一种中间状态，是功能整合和功能分化的平衡状态，是高效的信息交换的最佳形态（WattsStrogatz，1998）。近年来图论分析提供了一个强大的工具来描述复杂系统，通过图论，复杂的大脑系统可以被抽象成简单的几何图形表征，即许多的节点以及节点之间的关系（DaiHe，2014）。同时基于各类脑影像数据建构复杂脑网络的方法也被提出fHagmann et al，2007；He，Chen，Evans，2007；Salvador et al，2005）。但是证实脑网络符合小世界模型仅仅是理解大脑结构组织和功能产生机制的第一步（BullmoreSpores，2009），因此越来越多的网络定量分析指标被引入到脑网络研究当中。 　　2.2复杂脑网络的构建 　　目前网络分析主要运用的是大尺度脑网络（Large-Scale Brain Network），这时的节点主要是脑电图的电极，脑磁图的通道，通过大脑解剖或者功能模版定义的感兴趣区（Region of Interest，ROI）；边主要代表节点之间的功能或结构联系（cao，Shu，Cao，Wang，He，2014）。功能联系定义为两个节点信号强