脑肿瘤患者手术前后脑结构网络拓扑属性研究

薛 莉 陶 玲 钱志余 俞 宙 孙金洋

(南京航空航天大学自动化学院，南京 211106)

脑肿瘤患者手术前后脑结构网络拓扑属性研究

薛 莉 陶 玲*钱志余 俞 宙 孙金洋

(南京航空航天大学自动化学院，南京 211106)

主要研究脑肿瘤的存在及手术对患者全脑及半脑结构网络拓扑属性的影响。结合弥散张量成像技术(DTI)和图论方法，对10例健康志愿者以及10例脑肿瘤患者进行术前术后全脑及半脑结构网络构建，获得两组受试者脑结构网络拓扑属性参数，以及反映脑认知功能的各项网络指标，并对其进行统计对比分析。结果显示，部分局部参数(包括Ki、Li、Enodal、Ci和Eilocal)在手术前后具有明显差异，且术前组均优于术后组；全脑及半脑各全局网络参数显示，各项参数术前组均优于术后组；同时半脑结构网络分析显示，位于不同脑半球的脑肿瘤对患者脑结构网络所造成的损伤均无统计学差异(P>0.05)。肿瘤的存在以及手术均使得脑肿瘤患者脑结构网络发生改变，大脑的半脑优势化趋势明显降低；手术后结构网络拓扑特性的改变以及小世界属性的增强，验证大脑本身存在的代偿机制以及功能重组现象。

弥散张量成像；大脑结构网络；脑肿瘤；切除手术；网络拓扑属性

引言

脑肿瘤是神经系统常见疾病之一，致死率高，发病率呈现逐年升高的趋势[1-2]。有研究指出，脑肿瘤会导致大脑中某些特定纤维束的完整性发生改变[3]，进而影响到整个大脑的神经代谢活动，使患者的认知功能下降[3-4]。目前，常见的脑肿瘤治疗方法主要包括外科切除、放射治疗、射频消融[5-7]等，外科治疗手段旨在缓解患者的脑积水、脑出血等一系列症状，减缓肿瘤恶化程度[8]，但是大多数针对脑肿瘤的医学治疗手段都会导致病人的认知功能发生改变[9]。Tallen G等人于2015年做出一项研究，研究显示脑肿瘤切除手术的成功与否与医生的经验、手术方案、肿瘤切除程度有着密切的联系，且随着年龄的增长，患者会出现中风、癫痫、运动神经失调以及视力下降等手术后遗症[10]。相关研究表明，大脑是一个有机功能作用的整体，其局部的病变不仅仅导致局部功能的改变，还间接、次级地影响其他功能信息的传递模式，最终导致脑神经系统疾病患者的大脑整体网络存在异常模式。再加之，不同个体的大脑解剖功能也有很大的差异，某些低级别脑肿瘤患者并没有表现出明显的认知障碍，或者在手术后很快出现功能代偿现象，认知损伤在术后逐步恢复。这些问题使得探讨大脑病灶及手术对大脑结构网络影响，并分析其潜在的脑功能可塑性，具有重要的价值。

本研究结合图论以及神经影像学技术，对脑肿瘤患者手术前后全脑及半脑结构网络各项参数指标进行统计对比分析，探讨肿瘤的存在以及手术对患者脑结构网络的影响，为探索脑肿瘤患者存在的脑功能重组和代偿机制提供帮助。

1 材料和方法

1.1 数据采集

本研究的磁共振数据均来源于南京脑科医院医学影像科。共有10例脑肿瘤患者(46～67岁，平均年龄59岁，女/男=3/7)参与研究，均为右利手。另有10例健康志愿者作为正常对照组(42～61岁，平均年龄54岁，女/男=4/6)，均无颅内病灶及神经精神疾病史。两组受试者均以书面或口头形式被告知本研究内容并同意参加实验，研究经南京脑科医院伦理委员会批准通过。

1.2 影像学扫描参数

数据采集采用SIEMENS公司Verio/3.0T MR扫描仪。T1结构像采集使用MPRAGE序列，扫描参数：TR=1 900 ms，TE=2.49 ms，层厚=1 mm，FA=9°，TI=900 ms，FOV=250 mm×250 mm，采集矩阵=256×256，体素=1 mm×1 mm×1 mm。DTI数据采集使用EPI序列，扫描参数：层厚=3 mm，扫描层数=45，TR=6 500 ms，TE=95 ms，采集矩阵=128×128，FOV=240 mm×240 mm，BW=1447 Hz/Px，共31个梯度方向(其中第一个方向的b值为0 s/mm2，其他方向b值为1 000 s/mm2)。

1.3 数据预处理

整个预处理过程在SPM8软件下进行，将个体DTI与AAL模板进行配准，定义每个脑区为一个节点，结合纤维束跟踪结果(DTIstudio)，定义两脑区之间的纤维束为边，以每对脑区之间的纤维束数目为边的权重，得到90×90的加权矩阵，再设定阈值，将该加权矩阵转化成二值矩阵[11]，再根据此二值矩阵提取出左右两个半脑各自的二值矩阵，这两个二值矩阵即为左右半脑各自的脑结构网络。

1.4 复杂网络分析

人类大脑网络的拓扑特性可以用复杂网络分析方法进行定量描述，定义节点簇系数(Ci)、网络平均簇系数(Cp)、节点度(Ki)、网络节点平均度(Kp)、最短路径长度(Li)、特征路径长度(Lp)、全局效率(Eglob)、节点局部效率(Eilocal)、网络局部效率(Eloc)、节点效率(Enodal)、介数值(bi)、损伤性(Vi)、网络强度(Sp)等参数[12]，在此基础上对构建的脑结构网络进行参数的对比分析。对于复杂网络的小世界属性，可以通过标准化簇系数和标准化特征路径长度来度量[13]。若一真实网络满足γ=Cp，real/Cp,rand≫1，λ=Lp,real/Lp,rand≈1，那么该脑网络就可作为小世界网络来进行处理。

1.5 统计分析

利用SPSS软件对手术前后全脑网络的局部参数做双样本t检验，对术前术后组的全脑网络全局参数做配对样本t检验，将术前组及术后组分别与正常对照组做独立样本t检验。为分析肿瘤患侧及切除手术对患侧半脑网络全局参数造成的影响，本研究对患侧半脑结构网络全局参数做双因素方差分析(以P<0.05作为检验标准)。

2 结果

2.1 全脑结构网络比较

2.1.1局部参数比较

对术前组与术后组的全脑结构网络的局部参数(Ki、Li、Enodal、Ci和Eilocal)行双样本双尾t检验，结果见图1。检测出包括左侧中央沟盖(ROL.L)、左侧楔叶(CUN.L)、右侧枕上回(SOG.R)、右侧顶上回(SPG.R)、左侧颞中回(MTG.L)、右侧角回(ANG.R)、左侧楔前叶(PCUN.L)在内的7个脑区存在着明显的局部参数差异，且检测到显著差异的任意脑区的任意局部参数均显示术前组优于术后组，说明手术造成了脑结构网络中局部功能的破坏。术前、术后组局部参数比较结果如图1所示。

图1 术前、术后组局部参数比较结果Fig.1 Comparisons of local parameter of brain network between pre-operation and post-operation

2.1.2 全局参数比较

使用SPSS软件，对术前及术后组的全脑网络全局参数(Cp、Eglob、Eloc、Kp、Lp、Sp、σ、γ、λ)做配对样本t检验，再将术前组、术后组分别与正常组全脑网络全局参数做独立样本t检验，统计结果见图2。

术前与术后组各项参数进行配对样本t检验，结果显示，不管是复杂网络参数还是小世界特性参数，手术前后均不具有明显差异，且各项参数均显示术前优于术后；术前组与正常组相比，平均路径长度(Lp)以及小世界特性λ均显示出明显差异；术后组较正常组而言，在全局效率(Eglob)、节点度(Kp)、特征路径长度(Lp)、网络强度(Sp)等复杂网络参数以及小世界特性参数σ、γ、λ均显示出差异性。

图2 术前-正常-术后组全局参数比较结果(注：*P<0.05，**P<0.01)Fig.2 Comparisons of global parameters of brain network among pre-operation, controls and post-operation.

2.2 半脑结构网络比较

为了进一步研究手术对脑结构网络及神经功能的影响，对患者进行术前术后患侧半脑网络的构建和网络参数的分析，双因素方差分析结果如表1所示。其反映的是术前术后患侧半脑网络全局参数的变化，可以看出手术前后“肿瘤患侧”的半脑结构网络的全局参数未有显著差异。图3所示为患侧半脑手术前后全局参数均值，结果显示术后各项半脑结构网络参数均低于术前组的相应参数。

表1 肿瘤患侧、手术对全局参数影响的方差分析Tab.1 Affected side, operation effect on global parameters revealed by ANOVA

注：*P<0.05表示有统计学差异。

Note: Significant group differences at*P<0.05.

图3 患侧半脑手术前后全局脑网络参数Fig.3 Global parameters of affected side network among pre-operation and post-operation.

3 讨论

3.1 全脑结构网络分析

本研究对脑肿瘤患者术前、术后以及正常3类情况的脑结构网络进行构建，并从全脑局部以及全局参数、半脑全局参数的角度评价肿瘤及肿瘤切除手术对患者全脑结构网络的影响。

最短路径长度是指一个节点到另一个节点的路径中包含边数最少的那条路径所含边数，最短路径在网络信息传输和交换中起重要作用[14]。节点效率是衡量节点特性的一项重要指标，反应某单一节点与其他节点之间的信息传播能力，值越大，表示在网络信息传输中的地位越高[15]。研究结果显示，最短路径长度和节点效率在多数脑区存在显著差异，这表明手术造成了患者大脑结构网络重组，各脑区信息传输路径发生变化，且这些变化是不利的。

术前、术后组与正常组行双样本t检验结果显示，仅平均路径长度(Lp)在手术前后与正常组之间均具有明显差异，且在术后组与正常组行t检验后的结果中显示出差异性增强的趋势，意味着肿瘤患者在进行信息传输时，通道发生改变，且在手术之后变化更为明显，说明手术在引起患者脑结构网络发生变化这方面的影响更为强烈。

小世界网络具有较高簇系数和较短的特征路径长度，术前与术后患者脑结构网络都具有小世界特性(均满足：γ>1，λ≈1，σ=(γ/λ)≫1)，且手术前后均无明显差异[16]。术前及术后的小世界特性较正常组均有所增强，且术后增强更为明显。意味着手术一段时间之后，患者脑网络会发生一定的代偿机制和功能重组，恢复到术前的水平。大脑的网络重组依赖于脑的可塑性，分为功能可塑性和结构可塑性两种[17-19]。对全脑各项参数的研究，证实了脑网络重组的存在。

3.2 半脑结构网络分析

本研究对患者的患侧半脑的脑结构网络进行构建，目的在于探究由于肿瘤的占位和切除手术对不同患侧脑结构网络和脑认知功能的影响。

大量研究表明，正常大脑都存在一定程度的偏侧性，大脑的偏侧化主要体现在半脑的局部脑区某些功能的优势化[20]。有研究指出，特定型语言障碍会导致大脑偏侧化异常，患者较正常人半脑优势化趋势明显降低[21]。由双因素方差分析结果可知，无论肿瘤位于哪侧脑半球，各项半脑全局参数均未显示出明显差异，由此可以推断，肿瘤无论位于哪一侧脑半球，对患者所造成的认知损伤是一样的。术前组半脑网络全局参数均优于术后组，这与之前的全脑网络全局参数所得结果相一致，可知手术在一定程度上确实对患者的脑结构造成不利影响，进而可间接导致认知能力的相应变化。“是否手术”作为影响因子的方差分析显示，手术前后各项半脑全局网络参数无明显差异，同样被认为可能是网络功能重组现象所致。

对全脑以及半脑结构网络分析结果验证了脑肿瘤患者出现的功能重组现象，可通过借鉴该脑肿瘤患者脑结构网络变化分析方法，对手术治疗效果做出一定的术后疗效评估。由于数据量的限制，本研究得到的手术前后网络拓扑特性变化不够明显。后续，随着样本量的增多，研究将会更为全面和具体。

4 结论

本研究基于弥散张量成像技术，使用图论对脑肿瘤患者术前术后的全脑以及半脑进行脑结构网络的构建。全脑网络拓扑属性研究表明，脑肿瘤的存在以及脑肿瘤切除手术均会使正常大脑原本的信息传输路径发生改变，进而对正常脑网络形态造成影响。在进行肿瘤切除手术一段时间后，可以恢复到术前水平，但是与正常人仍有一定差距，这与大多数临床研究相符。术前与术后组局部参数进行配对样本t检验得到某些脑区存在显著差异，但是检测出的全局参数差异不够明显，验证了脑网络重组的存在。半脑分析结果显示，肿瘤的存在使得半脑优势化趋势降低，患侧半脑术前各参数均优于术后，这些研究结果与大多数临床表现一致。由此可知，通过分析患者脑结构网络手术前后拓扑特性，进而分析脑肿瘤以及肿瘤切除手术对患者的影响，可对手术效果进行评估，为评价患者术后生存质量提供参考。

[1] 陆娜, 冯晓源, 何慧瑾. 脑肿瘤的MR诊断进展[J]. 磁共振成像, 2011, 2(1):71-74.

[2] 江涛. 脑胶质瘤治疗技术与进展[M].北京：人民卫生出版社, 2011.

[3] Richter A,Woernle CM,Krayenbühl N,et al. Affective symptoms and white matter changes in brain tumor patients[J]. World Neurosurgery, 2015, 84(4):927-932.

[4] 侯庆石. 脑肿瘤患者认知功能的评测及其影响因素分析 [D]. 广州：南方医科大学, 2013.

[5] 左常阳, 罗毅男. 弥散张量成像在脑肿瘤诊断及手术切除中的应用 [J]. 中国微侵袭神经外科杂志, 2008, 13(11): 526-528.

[6] 高云生. 图像引导的头颈部肿瘤放射治疗 [D]. 上海：复旦大学, 2010.

[7] 李鹏. 脑肿瘤射频消融手术规划关键技术研究 [D]. 北京：北京工业大学, 2013.

[8] Piepmeier J, Baehring JM. Surgical resection for patients with benign primary brain tumors and low grade gliomas [J]. Journal of Neuro-Oncology, 2004, 69(1-3): 55-65.

[9] Taphoorn MJ, Klein M. Cognitive deficits in adult patients with brain tumours[J]. Lancet Neurology, 2004, 3(3):159-168.

[10] Tallen G,ReschA, Calaminus G, et al. Strategies to improvethe quality of survival for childhood braintumour survivors[J]. European Journal of Paediatric Neurology, 2015, 19(6): 619-639.

[11] 余敏, 陶玲, 钱志余, 等. 基于弥散张量成像的脑结构网络参数研究 [J]. 北京生物医学工程, 2014, 33(5): 446-451.

[12] Rubinov M, Sporns O. Complex network measures of brain connectivity: Uses and interpretations [J]. Neuroimage, 2010, 52(3): 1059-1069.

[13] CaeyenberghsK, Leemans A, Decker CD,et al. Brain connectivity and postural control in young traumatic brain injury patients: A diffusion MRI based network analysis [J]. Neuroimage Clinical, 2012, 1(1): 106-115.

[14] Liu Yong, Liang Meng, Zhou Yuan, et al. Disrupted small-world networks in schizophrenia[J]. Brain, 2008, 131(4): 945-961.

[15] Su Tsungwei, Hsu Tunwei, Lin Yiching, et al. Schizophrenia symptoms and brain network efficiency: A resting-state fMRI study [J]. Psychiatry Research, 2015, 234(2): 208-218.

[16] Wang Bin, Fan Yuanyuan, Lu Min, et al. Brain anatomical networks in world class gymnasts: a DTI tractography study [J]. Neuroimage, 2012, 65(1): 476-487.

[17] Wang Wei, Collinger JL, Perez MA, et al. Neural interface technology for rehabilitation: exploiting and promoting neuroplasticity [J]. Physical Medicine & Rehabilitation Clinics of North America, 2010, 21(1): 157-178.

[18] 郑秀丽, 敖纯利, 沈抒, 等. 大脑高级皮质功能可塑性的认知神经心理学研究进展 [J]. 中国康复医学杂志, 2007, 22(11): 1044-1046.

[19] 刘小燮. 脑机交互结合功能性电刺激康复训练新技术对慢性期脑卒中大脑可塑性的影响 [D]. 北京：中国人民解放军医学院, 2014.

[20] Nielsen JA, Zielinski BA, Ferguson M A, et al. An evaluation of the left-brain vs. right-brain hypothesis with resting state functional connectivity magnetic resonance imaging [J].PLoS ONE, 2013, 8(8): e71275-e71286.

[21] Whitehouse AJO, Bishop DVM. Cerebral dominance for language function in adults with specific language impairment or autism [J]. Brain A Journal of Neurology, 2008, 131(12): 3193-3200.

Research on Cerebral Structural Network of Brain Tumor Patients before and after Surgery

Xue Li Tao Ling*Qian Zhiyu Yu Zhou Sun Jinyang

(CollegeofAutomation,NanjingUniversityofAeronautics&Astronautics,Nanjing211106,China)

diffusion tensor imaging; human brain anatomical networks; brain tumor; resective surgery; topological properties of the network

10.3969/j.issn.0258-8021. 2017. 02.014

2016-04-20，， 录用日期:2016-10-08

国家自然科学基金(61275199)；中央高校基本科研业务费专项(NS2015032)

R318

D

0258-8021(2017) 02-0228-05

*通信作者(Corresponding author)，E-mail: taoling@nuaa.edu.cn.