蔣偉雄，曾令李，秦 鍵，劉華生，沈 輝，王 維

(1. 湖南第一師范學院信息科學與工程學院 長沙 410205；2. 國防科學技術大學控制科學與工程學院 長沙 410073；3. 中南大學湘雅三醫(yī)院放射科 長沙 410013)

健康危險行為是對人們的身體健康和精神狀態(tài)產(chǎn)生危害或潛在危害的行為[1]，與情感和認知有密切關系。尤其是青春期的個體，由于身心發(fā)展不平衡，更容易卷入危害健康的行為之中，但目前對青少年健康危險行為的研究主要是行為學的研究。文獻[2]對6 633名青少年的研究中發(fā)現(xiàn)，在所有的危險行為上有較高概率的高危險組占全體人員的13.6%，這對青少年的身心健康乃至成年后的生活造成了嚴重的傷害。實證研究發(fā)現(xiàn)，不同形式的健康危險行為(比如暴力攻擊、吸毒、違反紀律等)常常伴隨發(fā)生[3]，為了解釋這種現(xiàn)象，文獻[4]提出了危險行為理論，認為各種不同形式的危險行為是由潛在的共同問題行為因子決定的。這種潛在的問題行為因子是否跟大腦的網(wǎng)絡組織有關呢？可能跟哪些腦區(qū)有關，腦區(qū)間有怎樣的相互作用，以及又有怎樣的腦網(wǎng)絡特征？本文擬通過利用動態(tài)功能連接對健康危險性行為特征的預測來研究與青少年健康危險行為相關的腦網(wǎng)絡模式。

在目前有關功能連接的研究中，功能連接主要是通過計算在整個靜息態(tài)fMRI掃描時程中各腦區(qū)的時間序列相關性得到，稱之為靜態(tài)功能連接[5]。然而最近研究表明在靜息態(tài)下的功能連接也是動態(tài)變化的，顯示出顯著的振幅波動性[6]，而且在靜息態(tài)下觀測到的低頻振蕩呈現(xiàn)出復雜的空時結構，包含多個離散的穩(wěn)定模式[7]。因此，研究認為靜息態(tài)下功能連接的動態(tài)性反應了與認知和行為能力相關的腦區(qū)間動態(tài)的相互作用[8]。猜想這種動態(tài)的相互作用可能與青少年的健康危險行為相關。因此，本文的研究通過使用基于支持向量機(SVM)的回歸分析(SVR)利用動態(tài)功能連接對個體的健康危險行為評分進行預測，以實現(xiàn)對青少年健康危險行為的腦網(wǎng)絡研究。

1 材料與方法

1.1 對象

為獲得健康危險行為比較嚴重的對象，本文從湖南省少年犯管教所招募已到法定年齡的男性志愿者23名(進入時未到法定年齡)，并同時在社區(qū)召募了30名年齡和教育程度匹配的健康對象一起進行研究。所有的參與人員均為右利手，至少半年沒有吸毒或接觸酒精，也沒有精神類疾病(比如抑郁癥，焦慮癥和精神分裂癥)，年齡在18～23歲，教育年限6～9年，智商正常。

實驗前向所有參與人員告知實驗的相關過程及可能的不適，然后簽署知情同意書。本研究經(jīng)過湖南省少年犯管教所和中南大學湘雅三醫(yī)院倫理委員會同意。

1.2 健康危險性行為特征的測量

為了測量每一個對象的健康危險性行為特征分數(shù)，本文使用了HBICA量表(the health-risk behavior inventory for Chinese adolescents)[2]。HBICA量表是一個自我報告式的問卷調查，一共包含33個相關條目，每一個條目的內容用1～5分進行打分，1分表示該種行為從來沒有，5分表示該種行為經(jīng)常出現(xiàn)。總分在33～155的范圍內，分數(shù)越高表明危險性行為的水平越高。HBICA量表能有效地檢測青少年的危險性行為特征并有效的辨別出高危險性的個體，有著良好的信度(0.66～0.76)和效度(0.77～0.86)[2]。

1.3 圖像數(shù)據(jù)的獲取和預處理

所有參與者的靜息態(tài)fMRI數(shù)據(jù)均使用中南大學湘雅三醫(yī)院的Philips磁共振成像3T系統(tǒng)得到。掃描前，告知被試閉眼、放松，保持清醒，不要進行特定的認知活動，頭部保持不動。掃描后詢問被試是否在掃描中睡著，當時在想什么，來證實被試是否滿足上述條件。使用梯度平面回波成像(EPI)序列進行掃描，相關參數(shù)如下：TR：2 000 ms，TE：30 ms，F(xiàn)OV：240 mm，層數(shù)：36，層厚：4.0 mm，無間隙，翻轉角：90°，掃描矩陣128×128。掃描時程為400 s共得到200幅全腦圖像。

使用SPM8對靜息態(tài)fMRI數(shù)據(jù)進行預處理：考慮到磁場飽和的時間，去掉每個被試的前5幅圖像，對剩下的195幅圖像進行空間校正和頭動校正，去掉三維平移超過1 mm、三維旋轉超過1°的4個被試；然后空間標準化到EPI模板(MNI坐標)，重采樣為3×3×3的體素大??；再進行空間平滑和時間濾波，分別使用8 mm半高全寬的高斯核函數(shù)和Chebyshev帶通濾波器(0.01＜f＜0.1Hz)；最后對幾個無關的變量進行回歸，包括頭動參數(shù)、全腦平均信號、白質信號和腦脊液信號，以去除一些生理噪聲在功能連接分析中的潛在影響[9]。

1.4 動態(tài)功能連接網(wǎng)絡的構建和特征計算

按照功能把大腦分成160個感興趣腦區(qū)(ROI)[10]，根據(jù)此模板，本文求取動態(tài)功能連接網(wǎng)絡。首先對每個對象預處理后的全腦圖像計算每個ROI腦區(qū)內全部體素的平均時間序列，然后計算在滑動窗為40 s時任意兩個ROI腦區(qū)信號的Pearson相關系數(shù)，得到176個對稱的相關系數(shù)矩陣(160×160)表示的動態(tài)功能網(wǎng)絡，去除矩陣對角線上的元素，提取矩陣的下三角元素并進行Fisher’s Z-變換使其標準化，得到一個12 720維相關系數(shù)向量。最后求取相關系數(shù)時間序列的波動振幅(ALFF-FC)，ALFF-FC表示了每一條連接的動態(tài)特性，之前的研究表明ALFF-FC能很好的度量信號的波動，被定義為在低頻范圍內整體的信號能量[7,11]。為了去除由于滑動窗的使用而引入的冗余波動，本文根據(jù)滑動窗大小w對得到的相關系數(shù)時間序列進行1/w的低通濾波，再應用快速傅里葉變換(FFT)，并對FFT系數(shù)求和從而得到從0到1/w的動態(tài)功能連接頻段內的ALFF-FC指數(shù)[12]。相關系數(shù)向量的ALFF-FC值反應了全腦動態(tài)功能連接網(wǎng)絡的變化，作為下面預測分析的特征[13]。

1.5 利用連接特征對健康危險性行為分數(shù)的預測

為了確定全腦功能連接是否與這些晚期青少年的健康危險性行為相關，本文使用基于SVM的SVR檢驗了全腦連接特征是否能用于預測個體的健康危險性行為分數(shù)[10]。由于對象有限，使用了留一法交叉驗證，即在迭代過程中，留出一個對象的數(shù)據(jù)作為驗證，剩下的n-1個對象的數(shù)據(jù)作為訓練集。每一次迭代包括3步：1) 特征選擇，在訓練集中計算每一條連接與健康危險性行為的皮爾遜相關系數(shù)，并使用不同的p閾值選擇出與健康危險性有顯著相關的邊，本文選擇了典型的p閾值，即0.005，0.008，0.01，0.015，0.02；2) 模型建立，基于選出的連接數(shù)據(jù)使用支持向量回歸的方法訓練數(shù)據(jù)進行多項式核函數(shù)擬合；3) 預測，把留出的對象數(shù)據(jù)放入每一個模型以產(chǎn)生一個預測的健康危險性行為分數(shù)。所有的迭代完成之后，通過計算所有對象的預測值和實際測量值的皮爾遜相關系數(shù)來評估每一種模型的預測能力[14]。

為了進一步研究與HBICA的相關性呈現(xiàn)正的、負的特征網(wǎng)絡在對健康危險性行為的預測中所發(fā)揮的作用大小，本文根據(jù)特征選擇符號中的皮爾遜相關系數(shù)的符號(正或負)建立了正的特征模型和負的特征模型[14]，并分別重復上述迭代過程，通過訓練數(shù)據(jù)分別擬合了兩個方向的回歸，并對這兩個模型下的預測值和實際測量值的皮爾遜相關系數(shù)來評估正負特征網(wǎng)絡的預測能力。

1.6 與健康危險性行為相關的功能連接和腦網(wǎng)絡分析

由于留一法交叉驗證的屬性，在每一次迭代中所選擇的功能連接會略有差異，其中出現(xiàn)在每一輪交叉驗證里的功能連接被稱之為一致性的功能連接[10]。這些一致性功能連接呈現(xiàn)出了對健康危險性行為較強的預測能力。

基于一致功能連接，本文進一步進行網(wǎng)絡分析，文獻[10]按照功能把全腦分成6個網(wǎng)絡，即小腦、帶狀蓋網(wǎng)絡、默認網(wǎng)絡、額頂網(wǎng)絡、枕葉網(wǎng)絡和感覺運動網(wǎng)絡。為了考察各個網(wǎng)絡對預測能力的貢獻情況，計算這些網(wǎng)絡內邊和網(wǎng)絡間邊的權重，即把與網(wǎng)絡相關的連接權重加起來，如果功能連接屬于不同網(wǎng)絡，則每個相關網(wǎng)絡各取權重的一半。

2 結果

2.1 對健康危險性行為的預測結果

作為第一步，本文評估了全腦連接是否能預測晚期青少年的健康危險性行為?；谔卣鬟x擇閾值P＜0.01，預測和觀察值之間的相關系數(shù)r=0.388 2(P = 0.005 8)，產(chǎn)生了顯著的預測，其他閾值P＜0.008,0.015下也有顯著性，本文選取P＜0.01進行分析[14]。

對正的特征模型，基于特征選擇閾值P＜0.01，預測和觀察值之間的相關系數(shù)r=0.426 2 (P =0.002 3)，對負的特征模型在多項式核函數(shù)下沒有產(chǎn)生顯著的預測，但是負的特征模型在線性核函數(shù)下顯示出了顯著性r=0.446 2 (P =0.001 3)。

2.2 與健康危險性行為相關的功能連接和網(wǎng)絡分析

由于留一法交叉驗證中，每一次迭代中所選擇的訓練樣本集略有差異，當P＜0.01時，出現(xiàn)在每一輪交叉驗證里的一致性功能連接一共有31條(如表1、圖1所示)，可見這31條動態(tài)功能連接具有較強的預測能力，其中14條功能連接與健康危險性行為呈正相關，17條功能連接與健康危險性行為呈負相關。

表1 與HBICA相關的連接

圖1 與健康危險性行為(HBICA)相關的功能連接

為了考察各個網(wǎng)絡對健康危險性行為的預測能力情況，本文計算了這些網(wǎng)絡內邊和網(wǎng)絡間邊的權重。對每個網(wǎng)絡的特征權重計算結果分析發(fā)現(xiàn)感覺運動網(wǎng)絡，帶狀蓋網(wǎng)絡，默認網(wǎng)絡和額頂網(wǎng)絡相對有較大的總權重，意味著這4個網(wǎng)絡對健康危險性行為有較大的影響，如圖2所示。按照正負相關的進一步分析發(fā)現(xiàn)在正相關中感覺運動網(wǎng)絡相關性最強，而負相關中帶狀蓋網(wǎng)絡，默認網(wǎng)絡和額頂網(wǎng)絡有較強的預測能力。

圖2 網(wǎng)絡權重分析(T表示各網(wǎng)絡的總權重(total)，P表示正相關的網(wǎng)絡權重(positive)，N表示負相關的網(wǎng)絡權重(negative))

基于功能連接是屬于網(wǎng)絡內部的連接還是網(wǎng)絡之間的連接進行分類，發(fā)現(xiàn)在默認網(wǎng)絡內部和帶狀蓋網(wǎng)絡內部的連接相對較豐富，且與健康危險性行為呈負相關。其他網(wǎng)絡內部連接都比較少，絕大部分連接位于網(wǎng)絡之間，且主要呈現(xiàn)為帶狀蓋網(wǎng)絡和額頂網(wǎng)絡之間的連接，以及感覺運動網(wǎng)絡與帶狀蓋網(wǎng)絡、默認網(wǎng)絡和額頂網(wǎng)絡之間的連接呈現(xiàn)出了異常(見圖2和表1)。

2.3 有較大預測能力的腦區(qū)

不同腦區(qū)對預測的貢獻大小不同，有些腦區(qū)發(fā)揮的作用大，有些腦區(qū)發(fā)揮的作用小。本文利用腦區(qū)加權來標示腦區(qū)對預測所起的作用，即對所有跟該腦區(qū)相連的一致性功能連接進行權重求和并除以2。與一致性功能連接相關的腦區(qū)如圖1所示，球的直徑大小表示了腦區(qū)權重，直徑越大，預測能力越強。由圖可知幾個腦區(qū)相比其他腦區(qū)直徑更大，表明它們具有較強的預測能力，主要是位于帶狀蓋網(wǎng)絡的扣帶后回(post_cingulate)、丘腦(thalamus)、前額葉腹部(vFC)，位于感覺運動網(wǎng)絡的中央前回(precentral_gyrus)、頂葉中部及后部(parietal，post_parietal)、腦島(insula)，位于額頂控制網(wǎng)絡的前額葉前部(aPFC)，前額葉背側(dFC)，頂下小葉(IPL)，位于默認網(wǎng)絡的前扣帶回(ACC)，腹內側前額葉皮層(vmPFC)。

3 結 束 語

本文使用支持向量回歸分析發(fā)現(xiàn)全腦動態(tài)功能連接能較好地用于預測個體的健康危險性行為，可見全腦動態(tài)功能連接的波動是一個敏感而有信息量的指標，它提供了靜息態(tài)下大腦動態(tài)組織的重要信息[15]。

同時，也發(fā)現(xiàn)了與健康危險性行為相關的功能連接模式。這些連接絕大部分位于網(wǎng)絡之間，其中感覺運動網(wǎng)絡，帶狀蓋網(wǎng)絡，默認網(wǎng)絡和額頂網(wǎng)絡具有較強的預測能力。帶狀蓋網(wǎng)絡和額頂網(wǎng)絡是人類兩個分開而平行的控制網(wǎng)絡，它們之間是一種既分工又合作的關系[16]，這兩個網(wǎng)絡間的連接減弱意味著他們之間平衡性的破壞。這兩個網(wǎng)絡與感覺運動網(wǎng)絡的相關性變弱，可能導致個體對危險性行為的不敏感，或是對行為的控制能力變弱。研究中出現(xiàn)的腹內側前額葉皮層和扣帶回是大腦的默認網(wǎng)絡的重要腦區(qū)[17]，研究認為默認網(wǎng)絡執(zhí)行著一些重要功能，比如情感調整、自我監(jiān)測[18]，默認網(wǎng)絡自身連接的減弱和跟外界連接的改變可能反應了在自適應調整情感和自我監(jiān)測上出現(xiàn)了問題?？赡苷怯捎谶@些網(wǎng)絡內部和網(wǎng)絡之間連接出現(xiàn)了問題，從而導致了個體高危險性行為的發(fā)生。