飞行员静息态脑功能度中心度特征研究

魏光兴，王梓安，徐开俊，陈 曦，王泉川，杨 泳

（中国民用航空飞行技术学院，广汉 618307）

0 引言

飞行安全始终是我国民航业的底线和生命线，而飞行安全不仅仅依靠于严格的飞行操控规章，更紧紧联系于飞行员自身的核心胜任力。2020 年12 月以来，民航局公布了《中国民航PLM 建设实施路线图》，飞行员技能全生命周期管理体系（professionalism lifecycle management system，PLM）［1］，目的是通过系列选拔、理论培训、实证演练等方法，增强民航飞行员飞行训练和管理的成效，从而提升飞行员的核心胜任力。在系列选拔的过程中，需要客观的评价准则，因此，本文从影像学的角度为选拔提供理论支撑。

功能磁共振成像（functional MRI，fMRI）是一种新兴的神经影像学方法，在国内外广泛应用，其原理是利用磁共振成像来测量神经元活动引起的血氧含量变化［2］，这种变化能反映脑功能的相干活动性。功能磁共振脑影像可以从脑神经机制的角度去探索个体接受长时间的飞行理论学习和飞行实证训练之后的脑功能的改变，是目前世界范围内研究脑科学的主要方式之一。李建福［3］通过磁共振成像方法发现长期规律的音乐训练会使得音乐家的感知和运动网络功能连接增强，同时音乐家大脑的结构可塑性会发生变化；温柔［4］通过静息态功能磁共振方法发现长期舞蹈训练可增强舞蹈专业学生视觉认知、动作表达等脑区的功能；Adamson等［5-6］发现通过长时间的飞行训练，接受到常态化的刺激后，根据飞行的熟练程度，飞行员的脑功能和脑结构会发生不一样的变化。根据实验室前期研究，经过长期飞行训练后，飞行员的脑内默认模式网络（default mode network，DMN）出现正态的变化，DMN 的连通性得到了增强［7］，对比地面普通职业者可见，长时间飞行训练使得飞行员的脑功能和脑结构都产生改变。Cheng 等［8］、刘洁等［9］分别使用分数低频振幅和局域一致性研究时，发现当飞行员处于噪音环境或低氧环境，会对其工作记忆和认知能力产生不好的影响。Causse 等［10］发现飞行员在进行飞行任务决策时，高度不确定性会使得飞行员的某些脑区活跃性大幅度提升，使得飞行员的即时决策能力得到增强。由此可见，飞行训练会导致大脑的结构和功能发生改变，因此，本研究采用基于体素水平的度中心度来研究飞行组和地面组的脑功能差异。

度中心度（DC）原理是通过分析单个体素与全脑所有体素之间的脑功能网络的连接强度，从而计算出该体素作为这个脑功能网络节点的皮尔逊相关系数数值，该数值体现了该节点的重要性，拥有重复性好、客观性强的优点。最开始这种方法适用于社会网络分析，Zuo 等［11］将这种方法引入静息态脑网络的研究，同时发现可以更好地探索出脑网络连接的状态。基于体素的度中心度分析方法，是把大脑中的每一个体素都看作一个脑网络节点，从而计算每个节点与全脑其他节点的相关性［12］，而每个节点的相关性大小直接表明了大脑体素水平的功能连接特征。DC 方法通常被用来研究某些精神类疾病或生理性特征［13-14］。Zhang 等［15］使用度中心度分析法探究无先兆头疼患者的感觉运动功能障碍机制，发现在患者的右侧前运动皮层的DC值较正常人明显降低，可能参与偏头痛的功能障碍机制；Wong 等［16］使用度中心度分析法发现，口面部超功能的习惯会影响颌骨运动的脑神经机制，从而使得磨牙症发生的可能提高。DC 分析方法目前还没有用于探究有潜在价值的飞行员大脑功能机制，而本研究可能会丰富人们对飞行员脑功能机制的认识。

作为特殊职业人员，飞行员在面对复杂飞行环境的时候，自身的认知能力，信息分析能力以及运动感知能力等方面是至关重要的［17-18］。这些能力不仅与某一特定区域相关，更是与整个脑功能网络息息相关。DC 是最直接和可量化的中心度测量方法，它可以将大脑局部区域的中心度描述为大脑功能网络中的节点，反映大脑网络的局部特征［19］，而DC 值的大小也决定了该节点在脑功能网络中的重要程度［20-21］。本文使用的是基于体素的DC 分析方法，由于它不用先确定脑感兴趣区域（Region of Interest，ROI），这样会使得定位的差异脑功能区域具有良好的再检验可信度，同时能更客观、全面地展示全脑各节点重要性等信息［22］。本研究属于回顾性研究，我国民用航空运输飞行员的招飞及训练选拔过程，更多的是通过教员的经验进行主观判断，缺乏一定的理论证据支撑。飞行安全不仅仅是与飞行器的完备性和质量相关，更相互匹配的应该是飞行员的整体素质，包括生理素质和专业素养。通过比较飞行员与地面普通专业人员的DC 值差异，定位有差异的脑功能网络区域，并试图探索飞行员特殊职业相关的脑功能机制。

1 方法

1.1 研究对象及纳入标准

本次实验的被试者分别由飞行员组成的飞行组和地面普通职业者组成的对照组。所有被试者入组时间为2018 年12 月至2019 年3 月，飞行组：包括飞行训练教员、民航飞行员以及通航飞行员，总共26 人，均为男性，年龄分布在23～25岁之间，飞行时间长度分布在200～9800小时内。对照组：共计24 名地面普通职业者，与飞行组年龄、性别、学历分别相匹配。参与实验人员的基本信息见表1，飞行组的飞行时长分布见表2。

表1 研究对象基本信息统计

表2 飞行小时数时长分布情况

参与实验人员的纳入标准：①均为右利手；②均未做过金属内嵌型手术；③实验时身体健康，无不良身体反应；④被试者及被试亲属均无精神类病史；⑤均为本科学历；⑥实验参与者均为自愿参与本实验项目研究，同时对实验内容均知情并得到本人同意。本实验经电子科技大学磁共振成像研究中心伦理与人体防护委员会批准，实验所有过程均在电子科技大学磁共振成像中心完成，被试者了解实验过程并在实验前签署实验同意书，批准文号2018-042002。

1.2 影像学数据采集

使用GE 3.0T MR750 磁共振成像仪，配备8通道相控阵头线圈。采用标准梯度回波脉冲序列进行fMRI 图像采集，具体扫描参数设置如下：翻转角（flip angle）=90°，层厚（thickness）=4mm（无间隔），扫描矩阵（Matrix）=64×64，视野（field of view）=24 cm×24 cm，重复时间（TR）/回波时间（TE）=2000 ms/30 ms。每名被试者在8分半内进行扫描，每次扫描全脑35 层，共采集255帧全脑。

在进入扫描室之前，进行了全身金属检查，以协助被试者佩戴耳塞。为防止被试者因不自觉的细微动作而过度移动头部，使用泡沫垫加固头部，并随即关灯。被试者躺下闭目休息，保持清醒，尽量不在脑海中进行任何有特点的、具体的思维活动。

1.3 影像学数据处理

1.3.1 预处理

使用基于Matlab2013b 平台的SPM12 和restplus软件，对RS-fMRI 数据进行预处理。数据预处理的步骤为：①将DICOM 数据格式进行转换；②去除前10 个时间点，保留剩余245 个时间点；③时间层校正；④头动校正；⑤空间标准化，将个体脑影像配准到蒙特利尔神经研究所（Montreal Neurological Institute，MNI），标准化空间3 mm×3 mm×3 mm；⑥去除线性飘移。

1.3.2 DC计算

通过restplus软件对预处理后的数据进行DC计算。DC 分析单个体素与全脑所有体素之间的脑功能网络连接强度，从而计算出这个体素作为脑功能网络节点的重要性。一般来说DC 有两种计算方法：加权DC（weighted DC,wDC）和二元DC（binarized DC,bDC）。因为加权DC 会考虑边的赋权情况，故通常以加权DC 的值继续分析，取阈值r0≥0.25。使用restplus 计算出DC，取Z变换后的结果进一步处理。

1.4 统计分析

使用Matlab2013b 平台进行数据分析，利用SPM12 工具包进行被试者DC 值的统计计算，而在统计分析时，将被试者的年龄作为协变量去除差异。为缩小关注脑区，首先对两组图像数据进行单样本t检验，然后对两个组的结果进行组间差异比较，最后在这个组间差异区间内使用双样本t检验统计定位飞行组和地面组的DC值存在的差异脑区。采用高斯随机场（Gaussian random-feild，GRF，P＜0.001，且团块数大于30）多重比较校正，对统计结果进行校正处理，校正后P＜0.001具有统计学意义，最后将结果叠加在Colin27 模板上进行展示。提取差异脑区的DC值与飞行小时数在SPSS26里做有统计学意义的皮尔逊相关性分析，P＜0.05 表示差异有统计学意义。

2 结果

2.1 单样本t检验结果

在数据预处理的头动校正阶段，以头动平移＞1.5 mm 或转动角度＞1.5°的标准去除被试，地面组去除1个，飞行组去除2个。

利用BrainNet viewer 工具包，将两组分别进行的单样本t检验结果转化为如图1所示。

图1 飞行组和地面组DC值的单样本t检验结果图（P＜0.05，GRF校正）

2.2 DC分析结果

在组间差异区间内对飞行组与对照组的RS-fMRI 基于体素的DC 值进行双样本t检验，发现有部分脑区DC 值存在显著差异（GRF 校正，P＜0.001，且团块中的体素个数大于30）。飞行组在左侧辅助运动区（Peak 点坐标：x=-6,y=0,z=78）的DC 值明显高于对照组，未发现DC值减小的脑区，见表3。利用BrainNet viewer 工具包对分析结果进行图像化，见图2。

图2 飞行组和地面组DC特征值的差异脑区结果图（P＜0.05，GRF校正）

表3 两组DC值有差异的脑区

2.3 差异脑区DC值与飞行小时数的相关性

利用SPSS26 软件从飞行组的左侧辅助运动区处提取的DC 值与其飞行小时数进行皮尔逊相关性分析。结果表明，飞行员左侧辅助运动区（MNI，x=-6,y=0,z=78）处DC 值与飞行组飞行时长呈正相关（双尾检验，r=0.450,P=0.027）。

3 讨论与结语

基于体素的DC 分析法可以计算静息态脑功能网络节点的重要性［23］。本文创新性地使用基于体素的DC 分析法研究飞行员静息态脑功能变化，发现飞行员与地面普通职业者相比，其左侧辅助运动区的DC 值出现明显升高，同时发现该值与飞行小时数呈正相关。探讨飞行员作为特殊职业的静息态脑功能变化，可以为飞行训练和选拔提供影像学方面的客观依据。

3.1 DC的差异脑区及其意义

辅助运动区（the supplementary motor area，SMA）位于Brodmann6 皮质区的内侧，该区域位于主要运动区的底部与扣带沟上部之间［24-27］。在已知的研究发现中，辅助运动区和人的运动控制有关，包括运动准备阶段中的任务排序、分析任务复杂性、运动起始等［26-29］。而辅助运动区又分为右侧辅助运动区和左侧辅助运动区，右侧辅助运动区的激活主要和运动准备阶段的感知任务相关，而左侧辅助运动区的激活主要倾向于运动准备阶段的信息筛选、运动起始等方面［30-31］。在以往的研究中，通常是以单一刺激和单一环境影响来探讨飞行员的飞行绩效［8,32］，而忽略了在整个飞行过程中飞行员在进行每一步操作前的整体协调配合。

根据调查发现，在整个运输飞行过程中，飞行员在获取信息时，95%的信息都是依靠视觉和听觉在飞行环境或飞行控制器面板获得的［33-34］，而在长时间的飞行过程中，飞行员处于“飞机—塔台”这个复杂环境，飞行员对飞机的大部分操作都需要由塔台呼叫告知，在每一次的呼叫时都会提供飞行员相应的下一步操作信息，在此阶段，飞行员需要通过筛选出需要关注的视听觉信息，然后对比较重要的信息进行下一步处理，包括失速告警、紧急情况下听觉预警信息的识别等［33，35］。当塔台呼叫飞机按指令进行空域转变、盘旋、转场等动作行为时，飞行员需要于这时刻在脑海中想象出这一步操作后飞机姿态的变化［36-37］，再与塔台确认信息时，需要做好准备工作以及保持进行操作的正确姿势，以便能收到塔台确认后及时改变飞机飞行姿态［38-40］。并且在整个飞行过程中，飞行员会对获得的视听觉信息保持长时间的高度关注，同时根据自己长时间的飞行经历来判断所获取的信息的准确性、真实性和完整性［40］。结合于团队之前的研究成果，飞行员脑功能机制方面主要与舌回、中央后回以及楔叶相关，主要表现于飞行员的视听觉信息处理、工作记忆以及语言表达等方面有一定程度的增强［41］；而DMN 高级神经功能网络的变化同样揭示了飞行员在进行飞行任务时，需要接受大量的空间信息，同时做出“回忆过去—规划未来”的意识活动［7］，本文的发现也在一定程度上丰富了对于飞行员脑功能机制的研究。而从飞行小时数与飞行员差异脑区提出的DC 值的相关性了解到，该差异脑区DC 值的增长和飞行小时数呈显著正相关，因此，长时间的飞行经历以及长时间处于复杂信息环境的影响，可能使得飞行员左侧辅助运动区的DC值显著上升。

3.2 不足与展望

本研究结果仅基于小样本数据，未来需要对大样本数据进行相应的验证和扩展，同时也会选出飞行小时数较长的并且有代表性的飞行员进行下一步研究，也会做一些有关飞行训练的纵向研究，探索经过长时间飞行或飞行训练后的脑区变化，可以为以后的飞行训练和飞行员选拔提供脑影像学的依据。

综上所述，本研究通过使用基于体素水平的DC 分析方法，分析比较在静息态的状态下飞行员和地面普通职业者于体素层面上脑网络功能连接的差异，结果显示飞行员在信息识别与筛选、动作起势等方面的敏锐程度有显著提高。通过差异脑区DC 值与飞行小时数呈现的正相关性发现，飞行时间越长飞行员在信息识别与筛选、动作起始等方面的敏锐性和迅捷性越高。由于现阶段的飞行员考核制度更多的是主观性的判断，该结果有望为飞行员飞行技能培养提供理论参考，同时也可为飞行员脑机制的研究提供影像学的支撑。