21-11文献2

Altered single-subject gray matter structural networks in drug-naïve attention deficit hyperactivity disorder children
药物性注意力缺陷多动障碍儿童个体灰质结构网络的改变
human brain mapping，华西医院gong qi yong团队
drug-naïve 药物性，长时间服用药物的

我这个文献栏目主要集中于神经影像学的方法学，文献一般来自neuro image, human brain mapping等杂志，包括但不限于功能像、结构像的各种计算方法，包括机器学习。

alter 改变, altered network 改变的网络

摘要：
既往已经在注意缺点多动障碍（attention deficit hyperactivity disorder, ADHD）患者中观察到大脑结构协方差网络的拓扑组织改变。然而，这些结果不一致（inconsistent），可能与混淆的药物效应有关。此外，由于传统上结构网络都是在组水平构建，个体结构特征的可变性仍有待更好的表征。84名药物性的ADHD儿童和83名年龄匹配的健康对照组使用MRI的大脑结构像。基于灰质的区域相似性得到个体灰质网络，然后使用图论分析网络拓扑属性。使用非参数置换检验对比每个拓扑矩阵的组间差异。与健康受试者相比，ADHD患者的灰质网络揭示了显著的拓扑表征改变，包括更高的全局和局部效率及聚类系数，以及更短的路径长度。此外，ADHD患者展示出皮质纹状体回路（corticostriatal circuitry）的异常中心度，这些回路包括额叶上回（superior frontl gyrus），眶额叶回（orbitofrontal gyrus），内侧额上回（medial superior frontal gyrus），中央前回（precentral gyrus），颞中回（middle temporal gyrus），苍白球（pallidum）—所有p<0.05且经过了FDR校正。改变的全局和节点拓扑效率与多动症状严重程度和Stroop上的表现以及威斯康星州卡片分类测试（Wisconsin Card Sorting Test tests）有关系—所有p<0.05, FDR校正。ADHD联合型和注意力不集中亚型通过杏仁核（amygdala）的节点属性进行区分—p<0.05, FDR校正。在药物性ADHD患者中发现灰质网络拓扑属性的改变（alterations），尤其是额侧环（frontostriatal loops）和杏仁核。这些改变可能导致（contribute to）ADHD患者的认知功能损伤和冲动行为。

方法：
（1）受试者
这项试验包含118例ADHD儿童和104名健康折。ADHD儿童（7-16岁），排除左利手（Annett’s Hand Preference Questionnaire 评估），所有受试者均提供书面知情同意（written informed assent）或合适的同意（consent as appropriate）。
（2）行为和认知评估
The revised Conners’ Parent Rating Scale、the Child Behavior Checklist、The Stroop Color Word Test、The WCST (64-card version)。
（3）MRI数据参数
T1加权图像：TR=1900ms, TE=2.5ms, FA=9°, 256x256mm, 176个矢状切片, thickness=1x1x1
（4）数据处理
结构像预处理在SPM8软件中进行。总的来说，用统一的分割模型将个体的结构像分割成灰质、白质和脑脊液。所有自动分割结果进行审视确认，然后空间配准到MNI坐标空间，这个空间用于我们研究中所有的受试者。最后，数据被重新切成2x2x2的体素然后进行空间平滑（6mm的全宽半高的高斯平滑核）。值得注意的是（of note），一名有经验的神经放射学专家检查了所有受试者的常规MRI成像检查（an experienced neuroradiologist inspected conventional MR imaging examinations ），以排除过度的头动伪影（excessive head artifacts）或震动伪影（vitration artifacts）和严重的神经放射学异常（gross neuroradiologic abnormalities）。因此，有34名患者和21名健康对照者因为过度的头动伪影从统计分析中排除，剩下84例药物性ADHD患者（44例为ADHD合并亚型，40例为注意力不集中的亚型），与83例健康对照者纳入统计分析。
（5）个体结构网络构建
基于区域间相似性，使用之前Tijms描述的完全自动化数据驱动型方法来构建个体灰质网络。具体而言，每个受试者的灰质分割部分分成一组立方体，包含3x3x3的体素。每个立方体定位为网络的节点，根据区域相似性通过皮尔逊相关系数计算立方体之间的边。找出种子点立方块不同旋转的最大相关系数来评估立方体相似性，因为两个立方体的旋转角度会降低相似性值。随后通过二值化相似矩阵构建无方向非权重的图，只保留经过FDR校正后的显著相关部分(Genovese, Lazar, & Nichols, 2002)。因为网络的属性随网络的大小而变化（vary with），因此十分有必要在个体控制研究中标准化得到的（derived）灰质网络来确保所有受试者拥有相同的节点数量。考虑到这些原因，我们跟随了Batalle（Batalle et al. 2013)）提出的方法，基于统一的包含有90个节点的AAL模板来标准化个体灰质网络。特别的是，每个立方体都分配给包含最多数量的立方体体素的ALL区域。两个AAL区域的连接强度被定义为节点间实际显著相关与总可能连接的比值。因此限定了（circumscribe）0-1的范围。这个过程建立了每个受试者的90×90的有权重的标准化的网络。
（6）网络属性
网络数据使用GRETNA软件计算，在相关性矩阵中使用0.1-0.34间隔为0.01的稀疏度阈值。选择稀疏度范围是确保阈值网络的小世界性。反应稀疏度参数评估的值，AUC，在每个网络矩阵中被计算，以便提供1个脑网络拓扑组织的总标量。
全局水平与节点水平的脑网络拓扑属性值都在每一个稀疏度阈值下计算。小世界全局参数包括聚类系数Cp，标准化聚类系数γ，表征路径长度Lp，标准表征路径长度λ，和小世界参数σ。网络效率参数包括全局效率和局部效率。节点水平的属性包括节点效率，节点度和介数中心度。
使用SPSS软件，两样本t检验来计算age，IQ, balabala量表的组间差异，用卡方检验计算性别差异。
基于网络的统计方法（NBS，www.nitrc.org/ projects/nbs/）用于确定配对区域的具体配对，在节点表征中展示组间差异。第一，

traditionally：following ideas and methods that have existed for a long time, rather than doing anything new or different.