静息态脑功能网络中核心节点的定位及其方法比较

生物医学工程研究ＪｏｕｒｎａｌｏｆＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈ２０１３，３２（３）：１４５～１４９国家自然科学基金资助项目（６１０７５１０７）；江苏省临床医学科技专项基金项目（ＢＬ２０１２０４１）。

△通信作者　Ｅｍａｉｌ：ｗｊｆｙｕｎｚｈｕ＠１６３．ｃｏｍ静息态脑功能网络中核心节点的定位及其方法比较武江芬１△，钱志余１，陶玲１，丁尚文１（南京航空航天大学自动化学院，江苏南京　２１００１６）摘要：本研究致力于对核心节点的定位方法进行比较，并将核心节点映射到相应的解剖区域。

分别采用节点度法和介数中心度法求出网络中的核心节点，并通过参数易损性对两种方法进行比较，即分别去掉每一个核心节点，比较网络的全局效率受影响的程度，再进一步将采用介数中心度法将求出的核心节点定位到相应的解剖区域。

结果表明采用介数中心度求出的核心节点易损性更大、实验结果的一致性更好，是更为有效的核心节点定义方法，正常人核心节点对应的解剖区域主要集中在顶叶和额叶。

结果为进一步探索核心节点在脑网络中的作用奠定了基础，并为进一步研究功能网络的信息传输在解剖结构上的映射提供了帮助。

关键词：静息态脑功能网络；核心节点；节点度；介数中心度；易损性；脑区定位中图分类号：Ｒ３１８；Ｑ－３１ 文献标识码：Ａ 文章编号：１６７２６２７８（２０１３）０３０１４５０５ＴｈｅＣｏｍｐａｒｉｓｏｎｏｆＯｒｉｅｎｔａｔｉｏｎａｎｄＭｅｔｈｏｄｓｏｆＨｕｂｓｉｎｔｈｅＲｅｓｔｉｎｇＳｔａｔｅＦｕｎｃｔｉｏｎａｌＢｒａｉｎＮｅｔｗｏｒｋＷＵＪｉａｎｇｆｅｎ１，ＱＩＡＮＺｈｉｙｕ１，ＴＡＯＬｉｎｇ１，ＤＩＮＧＳｈａｎｇｗｅｎ１（１．ＣｏｌｌｅｇｅｏｆＡｕｔｏｍａｔｉｏｎ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ＆Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１００１６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｃｏｍｐａｒｅｔｈｅｍｅｔｈｏｄｓｏｒｉｅｎｔａｔｉｎｇｏｆｈｕｂｓａｎｄｍａｐｐｉｎｇｉｔｔｏｔｈｅａｎａｔｏｍｉｃａｌｂｒａｉｎｒｅｇｉｏｎｓ．Ｉｎｔｈｉｓｉｓｓｕｅ，ｗｅａｐｐｌｉｅｄｔｗｏｍｅｔｈｏｄｓｔｏｆｉｎｄｔｈｅｈｕｂｓｉｎｔｈｅｎｅｔｗｏｒｋｒｅｓｐｅｃｔｉｖｅｌｙ，ｎｏｄｅｄｅｇｒｅｅａｎｄｂｅｔｗｅｅｎｎｅｓｓｃｅｎｔｒａｌｉｔｙ（ＢＣ）．Ｔｈｅｎｖｕｌｎｅｒａｂｉｌｉｔｙｗａｓｅｍｐｌｏｙｅｄｔｏｃｏｍｐａｒｅｔｈｅｔｗｏｍｅｔｈｏｄｓ，ｗｈｉｃｈｎｅｅｄｓｔｏｄｅｌｅｔｅｎｏｄｓｉｎｔｈｅｎｅｔｗｏｒｋａｎｄｃｏｍｐａｒｅｔｈｅｇｌｏｂａｌｅｆｆｉｃｉｅｎｃｙｂｅｔｗｅｅｎｔｈｅｉｎｔａｃｔｎｅｔｗｏｒｋａｎｄｌｅｓｉｏｎｅｄｎｅｔｗｏｒｋ．ＩｔｓｈｏｗｅｄｔｈａｔＢＣｍｅｔｈｏｄｗａｓａｍｏｒｅｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｓｉｎｃｅｔｈｅｈｕｂ′ｓｖｕｌｎｅｒａｂｉｌｉｔｙｏｆＢＣｍｅｔｈｏｄｗａｓｌａｒｇｅｒｔｈａｎｎｏｄｅｄｅｇｒｅｅｍｅｔｈｏｄａｎｄｔｈｅｃｏｎｓｉｓｔｅｎｃｙｗａｓｂｅｔｔｅｒ．ＷｅｆｕｒｔｈｅｒａｐｐｌｉｅｄＢＣｍｅｔｈｏｄｔｏｔｈｅａｎａｔｏｍｉｃａｌｏｒｉｅｎｔａｔｉｏｎｏｆｈｕｂｓ，ｗｈｉｃｈｆｏｕｎｄｔｈａｔｈｕｂｓｇａｔｈｅｒｉｎｔｈｅｆｒｏｎｔａｌａｎｄｐａｒｉｅｔａｌｌｏｂｅｏｎｔｈｅｐｒｅｖｉｏｕｓｒｅｓｕｌｔ．Ｔｈｅｒｅｓｕｌｔｓｌａｙｆｏｕｎｄａｔｉｏｎｆｏｒｓｔｕｄｙｉｎｇｔｈｅｆｕｎｃｔｉｏｎｏｆｔｈｅｈｕｂｓｉｎｔｈｅｎｅｔｗｏｒｋ．Ｉｔｉｓｈｅｌｐｆｕｌｆｏｒｔｈｅｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｏｆｔｈｅａｎａｔｏｍｉｃａｌｍａｐｐｉｎｇｉｎｉｎｆｏｒｍａｔｉｏｎｄｅｌｉｖｅｒｙ．Ｋｅｙｗｏｒｄｓ：Ｒｅｓｔｉｎｇｓｔａｔｅｆｕｎｃｔｉｏｎａｌｂｒａｉｎｎｅｔｗｏｒｄ（ＲＳＮ）；Ｈｕｂｓ；Ｎｏｄｅｄｅｇｒｅｅ；Ｂｅｔｗｅｅｎｎｅｓｓｃｅｎｔｒａｌｉｔｙ；Ｖｕｌｎｅｒａｂｉｌｉｔｙ；Ｂｒａｉｎｒｅｇｉｏｎｏｒｉｅｎｔａｔｉｏｎ１　引　言人脑是由多个神经元、神经元集群以及多个脑区相互连接而成的复杂结构网络，各部分之间的神经元相互配合完成脑的各种功能［１－２］。

相对于解剖结构上存在的神经网络而言，大脑功能网络是个抽象的网络，众多研究结果表明大脑功能网络具有小世界属性和模块化结构等拓扑属性［３－４］。

网络的基本结构是节点和连线。

网络中存在的少量核心节点对网络的全局信息传递效率起着非常重要的作用，其损失将会严重影响整个网络的完整性和连通性［５－６］。

准确寻找核心节点，并将核心节生物医学工程研究第３２卷　点投射到大脑相应的解剖区域，对于神经外科手术导航中避开重要功能区及其手术前后认知损伤的评估具有重要的临床价值［７］。

如何定义核心节点目前尚无统一的标准和方法，文献中采用较多的是节点度法和介数中心度法，但这两种方法求出的核心节点差异很大［８－１０］。

本研究通过参数易损性对两种方法进行比较：首先对正常人静息态ｆＭＲＩ数据进行功能网络构建；然后分别用节点度法和介数中心度法求出网络的核心节点；接着分别去掉每一个核心节点，比较网络的全局效率受影响的程度，结果发现用介数中心度法求出的核心节点易损性更大，并且实验结果的一致性更好，是更为有效的核心节点定义方法。

在此基础上，采用介数中心度法定义核心节点，并定位核心节点对应的解剖区域。

２　实验数据与方法本研究的ｆＭＲＩ数据来源于南京脑科医院医学影像科，１０例健康志愿者，所有被试者均采用ＳＩＥＭＥＮＳ公司Ｖｅｒｉｏ／３．０ＴＭＲ超导磁共振扫描仪进行结构像与功能像数据采集，被试者均被要求闭眼静躺于磁共振中，尽量不进行特定的思维活动，同时调暗磁共振室内的灯光。

梯度场强４５ｍＴ／ｍ，梯度切换率为１５０ｍＴ．ｍ－１．ｍｓ－１，采用自旋回波（ＳＥ）序列的扫描方式。

ＳＥ序列主要扫描参数：ＴＲ＝２３００ｍｓ，ＴＥ＝２．９８ｍｓ，采集矩阵２５６×２５６，层厚＝３ｍｍ，层间隔＝３ｍｍ，体素＝０．９４×０．９４×３．００ｍｍ３。

首先对数据进行预处理，再利用自动解剖标定（ａｕｔｏｍａｔｅｄａｎａｔｏｍｉｃａｌｌａｂｅｌｉｎｇ，ＡＡＬ）模板将大脑分割成９０个脑区（左右大脑各４５个）［１１］，一个脑区为网络的一个节点，并为各脑区进行编号。

对于每一个被试的静息ｆＭＲＩ数据，计算每个时间点的每个脑区的平均ＢＯＬＤ信号强度，从而得到９０个脑区的平均时间序列，计算这９０个时间序列两两之间的相关系数，得到一个９０×９０的相关系数矩阵Ｅ，结果见图１。

图中颜色由蓝变红，表示连接的强度不断增大。

进一步通过设定阈值构建二值化系数矩阵，见图２，图中白色表示有连接，黑色表示无连接，忽略脑区自身的相关性，对角线为黑色。

本研究在满足平均度大于节点的自然对的前提下，将阈值设定为０．１２５，可以满足网络中所有的点都连通。

后面的分析在此基础上进行。

图１　相关系数矩阵Ｆｉｇ１　Ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘ图２　二值化相关系数矩阵Ｆｉｇ２　Ｂｉｎａｒｙｚａｔｉｏｎｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘ３　寻找核心节点大量研究结果表明，大脑在静息态下的功能活动是有特定的规律和组织形式的，各个脑区的神经群相互关联形成网络通路，并且显示出与小世界网络类似的拓扑特性。

常用来描述网络的特征度量参数有：度、簇系数、平均路径长度、网络成本、全局效率和局部效率等［１２－１３］。

在脑网络中，通常通过计算网络的节点度、介数中心度和节点效率等来描述大脑网络中的核心区域，定义核心节点［８］。

某一节点的度是指与其相关联的边的数目，它反映该节点在网络中的重要程度和影响力。

节点度体现了一个脑区某一节点在整体网络信息传输中的作用，其值越大，对大脑信息传输越重要。

３．１　度拟合为了便于观察和分析节点度分布，分别计算每６４１　第３期武江芬，等：静息态脑功能网络中核心节点的定位及其方法比较个被试者静息态网络的每一个脑区的节点度，并按指数分布、幂律分布和指数截断幂律分布进行度分布拟合，拟合结果见图３，其中为度分布曲线，－为拟合好的曲线，＋为指数曲线，－．为幂分布曲线，横坐标反映度的大小，纵坐标反映度的累积概率分布。

从图中可以看出，拟合曲线的斜率由小逐渐增大，表明脑静息态功能网络中节点度分布符合指数截尾的幂分布，并且满足小世界网络中度分布的标准形式；同时网络的累积概率分布随度增加而减少，表明网络中具有少量核心节点，这些核心节点具有众多的连接，在网络中起着重要的作用。

为了更直观的观察节点的度概率分布，绘制被试者的节点度的分布直方图，见图４，可以看出度值主要分布在０～１５之间，而度值在２０～２８之间的节点相对较少。

这为进一步求解网络中的核心节点奠定了理论基础。

图３　度分布拟合曲线Ｆｉｇ３　Ｄｅｇｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｍａｔｃｈｅｄｃｕｒｖｅ图４　度分布直图Ｆｉｇ４　Ｄｅｇｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｈｉｓｔｏｇｒａｍ３．２　核心节点的计算核心节点在大脑功能网络不同部分之间的信息传递中起着重要作用，决定着网络中神经信息的整合效率和网络结构的稳定性和鲁棒性［１４－１５］。

寻找核心节点是分析功能网络的基础，目前核心节点的定义主要有两种方法：节点度法和介数中心度法。

某一节点的度是指与其相关联的边的数目，某一节点的介数中心度是指网络中任意两点之间的最短路径中通过该节点路径数所占的比例。

设两个脑区（如第ｉ个脑区和第ｊ个脑区）之间的相关系数构成的Ｎ×Ｎ邻接矩阵为Ｅ，Ｅ（ｉ，ｊ）为矩阵中的一个元素，则节点ｉ的度Ｋｉ表达为：Ｋｉ＝∑Ｎｊ＝１Ｅ（ｉ，ｊ）（１）节点的介数中心度Ｃｉ表达为：Ｃｉ＝１　ρｈｊ（ｉ）ρｈｊ（２） 其中Ｎ为节点个数，ρｈｊ（ｉ）为网络中任意两点的最短路径中通过节点ｉ的数量，ρｈｊ为任意两点的最短路径的数量。

节点度法定义的核心节点为网络中度比较高的点，其阈值为节点度值的平均值加上度值分布的标准差。

介数中心度法定义的核心节点为介数中心度比较高的点，其阈值也为介数中心度值的平均值加上介数中心度值分布的标准差［８，１６］。

分别应用以上两种方法求出的１０个被试的核心节点统计见图５、图６，各个节点所对应的脑区名称及编号参考文献基于静息态ｆＭＲＩ的癫痫病机制基础研究［１７］。

图５　介数中心度法求出的核心节点分布Ｆｉｇ５　Ｈｕｂｓｄｉｓｔｒｉｂｕｔｉｏｎｂｙｂｅｔｗｅｅｎｎｅｓｓ－ｃｅｎｔｒｉｃｉｔｙ图５和图６为１０个被试的核心节点的分布图，横轴为被试者的编号，总共有１０个被试，纵轴为节点编号，总共有９０个节点。

由以上两幅图，可以看出介中心度法求出的核心节点分布相对更加集７４１生物医学工程研究第３２卷　中。