利用多模態光學腦成像研究前額葉靜息態功能連接

黃 雯， 李 軍

(華南師范大學華南先進光電子研究院，廣州 510006)

利用多模態光學腦成像研究前額葉靜息態功能連接

黃 雯， 李 軍*

(華南師范大學華南先進光電子研究院，廣州 510006)

利用多模態光學腦成像測量了人腦前額葉的靜息態功能連接. 分別用近紅外光譜(NIRS)和漫射相關譜(DCS)在人體大腦前額葉的相同位置記錄了大腦8 min的自發波動信號，測量覆蓋區域包括左側額下皮層(IFC)及左背外側前額葉(DLPFC). 低頻段血氧代謝信號(包括含氧血紅蛋白、脫氧血紅蛋白及總血紅蛋白濃度)用來揭示基于血氧信號的靜息態功能連接，而相同頻段的腦血流信號用來確定基于腦血流的靜息態功能連接. 2類血液動力學參量的靜息態功能連接均表明：背外側前額葉區域內的連接大于背外側前額葉與額下皮層之間的區域間連接，顯示相鄰的背外側前額葉和額下皮層屬于不同的功能區域. 此外基于2類血液動力學參量的功能連接的定量比較發現，基于血氧代謝的連接強度更大，表明在同一個功能區內，靜息時血氧代謝信號的時間同步性更高.

多模態光學腦成像； 靜息態功能連接； 前額葉

光學腦成像是近年來出現的一種利用近紅外光源的無損腦功能成像技術[1-5]. 近紅外光(700～1 000 nm)對生物活體組織有較好的穿透性，采用光纖照射并檢測含有皮層光學參數信息及散射子動態信息的光信號，通過一定的物理模型和生理模型可以將檢測到的信號轉化為皮層的血液動力學參數，如皮層內的血氧代謝水平及血流，進而通過神經血管耦合機制獲得皮層的神經活動信息.

光學腦成像分為近紅外光譜技術(Near-Infrared Spectroscopy, NIRS)[1-3]和漫射相關譜技術(Diffuse Correlation Spectroscopy, DCS, 也稱Diffusing-Wave Spectroscopy, DWS)[4-5]. NIRS的使用較早，應用廣泛. DCS比較新，近年來才應用于腦功能研究中[4-8]. 有研究表明在腦功能檢測上，DCS測量的腦血流比NIRS測量的血氧濃度具有更大的對比度[9]，或者說具有更高的信號靈敏度.

目前，利用光學腦成像對人腦功能開展的研究有：使用NIRS研究在執行高級的任務時前額葉的響應模式，包括語言[10]、記憶(如N-back task)[11]、認知任務等；合作任務中前額葉的激活及功能區間的相關性等[12]. 利用DCS對頂葉運動皮層的功能檢測及研究，包括左右半球的不對稱性[6]、視覺刺激下枕葉視覺皮層的響應[7-8]等.

近年來，研究人員使用NIRS對靜息態功能連接(Resting-State Functional Connectivity, RSFC)開展了廣泛研究[13-17]. 但是至今尚無使用DCS測量人腦靜息態功能連接的報道.

因此，本文利用NIRS和DCS對前額葉的自發活動分別記錄，光學探頭覆蓋區域包括左側背外側前額葉(Dorsolateral Prefrontal Cortex, DLPFC)和左額下皮層(Inferior Frontal Cortex, IFC). 測量了基于血氧代謝(如含氧血紅蛋白HbO2、脫氧血紅蛋白Hb及總血紅蛋白HbT)的靜息態功能連接，即RSFC (HbO2)、 RSFC(Hb)和RSFC(HbT)以及基于腦血流(CBF)的靜息態功能連接RSFC(CBF)，包括左DLPFC區域內連接及DLPFC與IFG的區域間連接，定量比較了兩類血液動力學參量下的靜息態連接性.

1 研究材料和方法

1.1 實驗對象

10名健康的成年人(均為理科碩士研究生志愿者，年齡24～28歲，平均年齡26.3歲，其中男性8人，女性2人). 所有被試在實驗之前均了解、同意實驗內容及步驟，并簽署一份實驗知情書.

1.2 實驗設備

多模態光學腦成像系統包括一臺近紅外光譜儀(NIRS)和一套漫射相關譜系統(DCS). 近紅外光通過發射光纖束投射到測量處頭皮，經皮層漫反射回來的光通過接收光纖束接收并傳回系統. 光纖固定在一個定制的橡皮墊上，便于光纖和頭皮的良好耦合.

實驗所用近紅外光譜是一套光源強度可高頻調制的系統(OxiplexTS，美國ISS公司)，包括2個波長的近紅外光(690、830 nm)光源， 以5 Hz的采樣頻率對所有被試靜息態下前額葉光強度的波動進行測量，然后通過修正的Beer-Lambert定律，轉化成HbO2、Hb和HbT的濃度(任意單位，非實際濃度).

漫射相關譜系統是一個定制系統，包括具有長相干長度的單縱模連續波激光光源(780 nm，CrystaLaser，美國)、2根發射光纖、4根單模接收光纖、4個單光子雪崩光電二極管以及數字相關器. 漫射相關譜測量的原始信號是光強度I(t)的自相關函數

它是隨時間衰減的信號(理論上隨時間從最大值2衰減到1). 光強度自相關函數衰減率

DR可表示腦血流的速度[7-8]. 測量時漫射相關譜的采樣頻率是1Hz.

1.3 實驗方法

實驗在一間安靜昏暗的房間里進行，被試閉眼靜坐，頭上佩戴一頂特制的光纖固定帽，盡量避免頭部的擺動. 光源光纖和探測器光纖則通過光纖帽固定在被試頭上以確保光纖與被試頭皮的緊密貼合，從而保證入射光與頭皮的良好耦合. 利用國際EEG 10-20系統來定位大腦前額葉皮層的測量區域(圖1)，其中S1、S2為光源，D1～D4為探測器. S1固定在額下和背外側前額葉的分界處，探測器D1位于額下皮層，而D3位于背外側前額葉. S1和D1及D3的距離均為2.8 cm，S1-D2的距離是1.0 cm.

圖1 基于國際EEG 10-20系統的光學探頭布局示意圖

Figure 1 Diagram of locations of optical probes in reference to the international EEG 10-20 system

光學腦成像測量時，探測的深度與光源-探測器的距離有關. 由于光源和探測器的距離短，S1-D2組成的測量通道只能檢測S1附近頭皮的血液動力學信號. 而具有較長光源-探測器的通道可以探測到皮層區域，如S1-D1可以檢測額下皮層，S1-D3通道檢測背外側前額葉. 光源S2及探測器D4位于背外側前額葉. S2與D3的距離是2.8 cm，與D4的距離是1.0 cm. S2-D3通道檢測背外側前額葉，S2-D4通道測量S2附近頭皮的血液動力學信號. 本實驗中NIRS與DCS的光學探頭布局一致，其目的在于實現背外側前額葉區域內及背外側前額葉與額下皮層區域間靜息態功能連接的同時測量. 分別使用NIRS和DCS記錄8 min的自發腦血流動力學參量的波動曲線.

2 數據處理

由于人體血液動力學參量常常存在非常緩慢的波動，因此處理數據時，對于每個被試的8 min NIRS測試數據(HbO、Hb和HbT)和DCS數據(DR)進行處理[18]：對原始時序數據進行二階多項式擬合，然后從原始時序數據中減去擬合值，將得到的剩余殘差代入下一步數據處理中，從而去除原始信號的第一和第二階漂移. 圖2是對DCS信號(DR)的去漂移處理效果圖.

圖2 DCS原始信號、二階多項式擬合及其殘差

Figure 2 The raw DCS signal, the 2-order polynomial fit and the residual

有研究表明，大腦前額葉自發信號在0.03～0.08 Hz頻段受全局系統血流動力學信號成分的干擾較小[19]，因此為了抑制全局信號的干擾，首先采用0.03～0.08 Hz的帶通濾波器濾波. 此外，為了進一步去除可能殘存的并不特定于皮層的全局信號(如頭皮的信號)，利用回歸的方法，將短的光源-探測器通道(如S1-D2和S2-D4)信號作為回歸成分，去除來自頭皮的干擾[20]. 例如，圖3顯示了利用短源-探測器通道(S1-D2)的回歸效果，回歸之前，無論S1-D1還是S1-D3都與S1-D2 之間具有較大的相關性(皮爾遜相關系數r)：S1-D1和S1-D3通道之間的相關系數r(S1-D1,S1-D3)=0.719，S1-D1和S1-D2通道間的相關系數r(S1-D1,S1-D2)=0.781，S1-D3和S1-D2通道間的相關系數r(S1-D3,S1-D2)=0.783. 回歸之后，S1-D1和S1-D3通道之間的相關系數r(S1-D1,S1-D3)=0.275, S1-D1和S1-D2通道間的相關系數r(S1-D1,S1-D2)=0.005, S1-D3和S1-D2通道間的相關系數r(S1-D3,S1-D2)=0.001. 無論S1-D1還是S1-D3都與S1-D2之間不再有相關性，即來自頭皮的干擾信號得到有效的抑制. 因此，回歸后S1-D1和S1-D3通道之間的相關性才能反映皮層之間的功能連接性. 而回歸之前，因為含有來自頭皮的共同信號成分，S1-D1與S1-D3之間的相關性被夸大.

圖3 以S1-D2通道信號為回歸成分在回歸前后的各通道腦血流信號曲線

Figure 3 Cerebral blood flow curves before and after the regression with the signal of S1-D2 as regressor

通過上述方法處理(濾波和回歸)后，系統血流動力學信號的干擾已經得到抑制，然后計算任意2個通道信號之間的時域相關系數r，以量化2個通道測量點皮層區域間的連接性. 為檢驗相關系數之間差異的統計顯著性，將相關系數首先通過Fisher變換轉換成Z值，然后使用z檢驗(z-test).

3 結果與討論

根據測量時光學探頭的布局，S1-D1與S1-D3通道之間的相關系數表示額下皮層與背外側前額葉的區域間連接性，而S1-D3與S2-D3通道之間的相關系數表示背外側前額葉區域內連接. 采用不同血液動力學信號(HbO2、Hb、HbT及CBF)的相關系數(圖4)來量化的靜息態功能連接強度.

圖4 4種血液動力學信號區域內及區域間靜息態功能連接強度

Figure 4 Resting-state functional connectivity (RSFC) for the intra-regional and inter-regional obtained from 4 hemodynamic variables

基于HbO2的區域內連接強度為0.81±0.10，區域間連接強度為0.16±0.28；基于Hb的區域內連接強度為0.45±0.26，區域間連接強度為0.25±0.25；基于HbT的區域內連接強度為0.80±0.12，區域間連接強度為0.19±0.28；基于CBF的區域內連接強度為0.43±0.15，區域間連接強度為0.09±0.23； z檢驗表明，基于HbO2、HbT及CBF的靜息態功能連接均呈現，背外側前額葉區域內連接強度大于背外側前額葉與額下皮層的區域間連接. 基于Hb的連接未出現出這種差異，主要是自發活動時Hb信號幅度低(Hb信號功率僅為HbO2或HbT的30%左右)，信號本身有較小的信噪比，因此連接性(相關系數)的計算出現較大的誤差，導致差異在統計檢驗下不顯著.

從大腦解剖結構上看，額下皮層與背外側前額葉是相鄰的. 但是在功能上，額下皮層是語言區的一部分，而左背外側前額葉有短期工作記憶的功能，兩者不在同一個功能區內. 基于血氧代謝水平和腦血流的靜息態功能連接，均顯示了這2個相鄰的皮層區域之間具有較低的連接強度.

定量比較背外側前額葉的區域內連接性發現，基于HbO2和HbT的連接強度大于基于CBF的連接強度，表明靜息時在皮層的一個功能區內，血氧代謝信號的時間同步性高于血流的同步性. 這可能意味著大腦靜息時，皮層內神經的活動與血氧水平有更強的耦合性. 因為在基礎血容量基本滿足靜息態神經活動的代謝需求時，就不需要通過調動更高血流而提高局部的血液供應，表現為血流的變化與神經活動的同步性降低.

在實驗中，設置的NIRS與DCS通道空間布局相同，并分別在30 min內對大腦自發活動進行了測量. 這樣安排主要是由于如果同時工作，則NIRS與DCS兩個系統之間存在串擾，即NIRS的光源會干擾DCS的探測信號，而DCS的光源也會干擾NIRS接收的信號. 靜息態功能連接性呈現一定的穩定性[16]，因此，間隔較短時間比較差異的測量不會對結果造成明顯的影響，特別是不會導致連接強度之間定量對比的變化.

4 結論

本文使用多模態光學腦成像研究人腦前額葉的自發活動，特別是首次使用了漫射相關譜技術測量了靜息態功能連接性. 結果顯示，NIRS揭示的基于血氧代謝的功能連接性與DCS揭示的基于腦血流的功能連接性具有相同的定量結構，即背外側前額葉的區域內功能連接強于背外側前額葉與額下皮層之間的區域間連接. 此外發現，在靜息狀態下，同一個功能區內的血氧信號時間同步性高于血流信號的時間同步性，可能意味著靜息時神經活動與血氧的耦合性更高.

[1] HILLMAN E M. Optical brain imaging in vivo:techniques and applications from animal to man [J]. Journal of Biomedical Optics,2007,12(5):051402.

[2] WOLF M,FERRARI M,QUARESIMA V. Progress of near-infrared spectroscopy and topography for brain and muscle clinical applications [J]. Journal of Biomedical Optics,2007,12(6):062104.

[3] EHLIS A C,SCHNEIDER S,DRESLER T,et al. Application of functional near-infrared spectroscopy in psychiatry [J]. Neuroimage,2014,85(1):478-488.

[4] DURDURAN T,YODH A G. Diffuse correlation spectroscopy for non-invasive,micro-vascular cerebral blood flow measurement [J]. Neuroimage,2014,85:51-63.

[5] BUCKLEY E M,PARTHASARATHY A B,GRANT P E,et al. Diffuse correlation spectroscopy for measurement of cerebral blood flow:future prospects [J]. Neurophotonics,2014,1(1):011009.

[6] LI J,DIETSCHE G,IFTIME D,et al. Noninvasive detection of functional brain activity with near-infrared diffusing-wave spectroscopy [J]. Journal of Biomedical Optics,2005,10(4):044002.

[7] JAILLON F,LI J,DIETSCHE G,et al. Activity of the human visual cortex measured non-invasively by diffusing-wave spectroscopy [J]. Optics Express,2007,15(11):6643-6650.

[8] LI J,NINCK M,KOBAN L,et al. Transient functional blood flow change in the human brain measured noninvasively by diffusing-wave spectroscopy[J]. Optics Letters,2008,33(19):2233-2235.

[9] SELB J,BOAS D A,CHAN S T,et al. Sensitivity of near-infrared spectroscopy and diffuse correlation spectroscopy to brain hemodynamics:simulations and experimental findings during hypercapnia[J]. Neurophotonics,2014,1(1):015005.

[10]QUARESIMA V,BISCONTI S,FERRARI M. A brief review on the use of functional near-infrared spectroscopy (fNIRS) for language imaging studies in human newborns and adults [J]. Brain and Language,2012,121(2):79-89.

[11]HOSHI Y. Functional near-infrared optical imaging:utility and limitations in human brain mapping [J]. Psychophysiology,2003,40(4):511-520.

[12]FUNANE T,KIGUCHI M,ATSUMORI H,et al. Synchronous activity of two people’s prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy[J]. Journal of Biomedical Optics,2011,16(7):077011.

[13]WHITE B R,SNYDER A Z,COHEN A L,et al. Resting-state functional connectivity in the human brain revealed with diffuse optical tomography [J]. Neuroimage,2009,47(1):148-156.

[14]LU C M,ZHANG Y J,BISWAL B B,et al. Use of fNIRS to assess resting state functional connectivity[J]. Journal of Neuroscience Methods,2010,186(2):242-249.

[15]MESQUITA R C,FRANCESCHINI M A,BOAS D A. Resting state functional connectivity of the whole head with near-infrared spectroscopy[J]. Biomedical Optics Express,2010,1(1):324-336.

[16]ZHANG H,DUAN L,ZHANG Y J,et al. Test-retest assessment of independent component analysis-derived resting-state functional connectivity based on functional near-infrared spectroscopy[J]. Neuroimage,2011,55(2):607-615.

[17]LI J,QIU L. Temporal correlation of spontaneous hemodynamic activity in language areas measured with functional near-infrared spectroscopy [J]. Biomedical Optics Express,2014,5(2):587-595.

[18]DUAN L,ZHANG Y J,ZHU C Z. Quantitative comparison of resting-state functional connectivity derived from fNIRS and fMRI:a simultaneous recording study [J]. Neuroimage,2012,60(4):2008-2018.

[19] 李軍，邱麗娜. 大腦前額葉皮層自發活動與連接的性別差異[J]. 華南師范大學學報(自然科學版)，2016,48(60):67-72.

LI J,QIU L N. Sex-related differences in the prefrontal spontaneous activity and connectivity [J]. Journal of South China Normal University (Natural Science Edition),2016,48(6):67-72.

[20]SAAGER R B,BERGER A J. Direct characterization and removal of interfering absorption trends in two-layer turbid media [J]. Journal of the Optical Society of America A,2005,22(9):1874-1882.

【中文責編：譚春林 英文審校：李海航】

Using Multimodal Optical Brain Imaging to Investigate Resting-State Functional Connectivity in Frontal Cortex

HUANG Wen，LI Jun*

(South China Academy of Advanced Optoelectronis, South China Normal University, Guangzhou 510006, China)

Multimodal optical imaging is used to investigate resting-state functional connectivity (RSFC) in the frontal cortex. 8 minutes of spontaneous activity of brain is separately recorded by near infrared spectroscopy (NIRS) and diffuse correlation spectroscopy (DCS). The measured area includes left inferior frontal cortex (IFC) and left dorsolateral prefrontal cortex (DLPFC). Low frequency component of blood oxygenation signal (i.e., oxygenated hemoglobin, deoxygenated hemoglobin and total hemoglobin) is used to reveal oxygenation-based RSFC, while the cerebral blood flow signal in the same frequency range is used to identify cerebral blood flow-based RSFC. Both blood oxygenation-based and cerebral blood flow-based RSFC show that the intra-regional connectivity within DLPFC is stronger than the inter-regional connectivity between DLPFC and IFC, implying that DLPFC and IFC, each belongs to a distinct functional area, though they are anatomically adjacent. Quantitative comparison between RSFC revealed by the two classes of hemodynamic variables shows the oxygenation-based RSFC is stronger than the cerebral blood flow-based RSFC, indicating the blood oxygenation in a functional area is more synchronized in time than the cerebral blood in resting-state.

multimodal optical brain imaging; resting-state functional connectivity; frontal cortex

2017-01-06 《華南師范大學學報(自然科學版)》網址：http://journal.scnu.edu.cn/n

國家自然科學基金項目(8160153)；廣東省自然科學基金項目(2014A030310502)；中國博士后科學基金項目(2015M580725，2016T90791)

B845.1

A

1000-5463(2017)04-0011-05

*通訊作者:李軍，教授，Email:jun.li@coer-scnu.org.