托马斯杰弗逊大学神经科系在Brain杂志上发表文章，基于任务的fMRI研究发现颞叶癫痫患者的语言网络动态重组异常，这一发现对外科手术有指导意义。研究者常常将大脑作为一个整体的静态结构，但是大脑作为一个动态交互的网络，这一动态特性在研究中经常被忽视。本文研究证实了大脑语言网络是一个动态的多区域交互的系统，在颞叶癫痫患者中，语言网络的瞬态动态性异常。
运用动态网络的研究方法，在静息态、进行言语流畅性任务状态下采集了50个颞叶癫痫患者、30个正常对照被试的功能磁共振数据。把16个和语言相关的脑区分成4个子系统。
结果发现：
（1）在任务状态下，病人和正常人中语言子系统之间的瞬态交互概率和频率都出现区域特殊性。
（2）左侧和右侧颞叶癫痫患者的左侧前额叶子系统内部的交互作用减弱。但是，左侧颞叶癫痫患者的左侧前额叶和右侧颞叶子系统的交互作用增强。
（3）所有被试的左侧颞叶和右侧前额叶的瞬态交互效应的灵活性变差。
（4）通过随机森林回归发现，相比于传统的基于激活的静态网络的分析方法，语言网络的动态特性能更精确地预测被试的言语流畅情况。
临床意义：动态网络测度可能作为一个有效的生物标记物来预测和神经系统疾病有关的语言障碍。通过基于动态网络研究，可以使我们对语言网络有更好的认识，辅助外科手术决策。
关键字： 任务态fMRI 癫痫 动态网络 语言
背景
作为一种神经疾病，颞叶癫痫引起大脑认知功能的重组。颞叶病灶的存在，导致病人出现非典型的语言表达模式，包括但并不限于：（1）优势半球从左半球转移至右半球；（2）一些语言相关的脑区的交叉、双侧优势转移至右半球；（3）半球内部重组，受损的语言区功能转移到邻近的健康脑区。
功能解剖学显示，语言的处理有两条通道，一个以左额叶为主（背侧流），另一个是双侧颞叶区（腹侧流），这些区域必须通过实时地和其他脑区交互以完成语言功能。比如，在进行动词生成任务时，为了满足不断变化的任务要求，大脑需要保持功能灵活性；为了维持正在进行的语言处理过程，大脑需要保持稳定性。实时中心-边缘模型可用于研究这个动态的过程。“灵活性”的定义为，随着时间的推移，一个脑区和其他脑区之间的信息交互变化情况。在语言系统中，中心脑区是灵活性比较小的脑区，边缘脑区是灵活性较大的脑区。
中心-边缘模型可以用来研究语言网络的动态配置情况，通过瞬态区域间信息交互的变化频率来量化动态网络配置。语言处理过程中脑区之间的瞬态交互情况还不清楚，比如，额叶是更多地和相邻的脑区还是和远距离脑区有更多交互作用？左侧脑区更多地和同侧的相邻脑区具有交互作用，还是和右侧的非优势半球的脑区？为了研究以上问题，本文将语言相关的脑区分成四个子系统，左侧额叶子系统（覆盖了大部分的背侧流），左侧颞叶子系统（覆盖了大部分的腹侧流），以及这两个子系统的对侧半球相对应的脑区，就像“布洛卡区”和“威尼克区”一样。一个脑区可能和其所在子系统有连接，被称为‘recruitment’；一个脑区可能和其他子系统的脑区有连接，被称为‘integration’。以上是基于频率的和基于概率的方法对动态网络进行分析。
运用上述方法，本文主要回答三个问题：
（1）在任务以及静息态下，和语言有关的脑区是否会呈现不同的系统内以及系统间的连接模式？
（2）由于疾病（比如颞叶癫痫）导致的语言网络重组，病人的动态配置有异常吗？这种异常在静息态以及任务态下都存在吗？
（3）和临床上应用的基于静息态激活的研究方法相比，语言系统的动态网络配置对于语言的障碍更敏感吗？
研究者采集了双侧颞叶癫痫以及正常对照的静息态以及语言任务态的fMRI数据。对于任务态数据，运用组内被试特异性的方法定义了16个和语言相关的感兴趣区。随后，用滑动窗的方法在静息态和任务态下计算区域一致性矩阵。运用动态网络分析的方法研究随着时间的推移区域之间的交互。对静息态和任务态下的网络配置情况进行量化分析。假设在任务态下，不同的子系统会展现不同的系统内以及系统间的交流模式，因为每个子系统有不同的作用，但是在静息态下不存在这种现象。另一个假设是颞叶癫痫病人在任务态下的网络动态性会出现混乱，相比于静息态基于激活的测度，这些网络动态测度会对语言障碍更加敏感。
研究方法
50个颞叶癫痫患者（25个左侧、25个右侧），30个正常对照，所有都是右利手，去除IQ<85的被试。用语义和语音流畅性任务评估被试的言语流畅性水平。
图1：该研究的总流程图。（A）16个和语言相关的roi，通过将任务激活区域和mask相乘，取前10%激活的体素。mask是基于前人的研究得到的。左右两侧定义语言子系统。（B）提取每个被试静息态以及任务态下的roi的时间序列。（C）用滑动窗的方法（长度/步长=40/20s，一共14个窗）计算得到区域间的相干性矩阵（D）通过最大化多层模块化质量函数来计算动态连接结构（E）在整个时间段内计算每个roi的动态交互特性（F）评估动态特性。
图2：实际的功能磁共振数据模型和对应的Null模型之间的比较。（A）三个Null模型图（B）左侧癫痫（C）右侧癫痫（D）健康对照
图3：区域特性（A）参与率（B）整合白色背景是基于任务态的灰色背景是基于静息态的
图4：变化的频率。（A）频率（B）交互。白色背景是基于任务态的，灰色背景是基于静息态的（C）左前额叶到其他三个子系统（D）右颞叶到其他三个子系统
图5：基于激活的分析的结果汇总（A）动词产生任务汇总的组激活图, 左侧颞叶癫痫患者（左），右侧颞叶癫痫患者（中），正常被试（右）（B）用引导程序方法计算的前额叶系统，颞叶系统以及整个语言网络系统的偏侧性指数（C）通过t值法计算的前额叶系统、颞叶系统以及整个语言网络系统的偏侧性指数
图6：动态特性和言语流畅性之间的Pearson相关分析。（A）平均参与率和言语流畅性之间没有显著的相关性（B）平均集成性和言语流畅性呈显著负相关（C）平均灵活性和言语流畅性有显著性正相关（D）平均交互性和言语流畅性显著正相关
图7：随机森林预测值和言语流畅性。（A）通过动态特性对言语流畅性进行预测（B）通过偏侧性指数对言语流畅性进行预测（C）用动态特性及偏侧性进行预测（D）基于500次重复随机森林模型筛选出的fMRI测度，作为显著性预测因子
讨论与总结
以布洛卡区为中心的左侧额叶作为中心系统；其他脑区，尤其是左侧颞叶和右侧额叶区域定义为边缘系统。研究结果发现，颞叶癫痫病人的左侧和右侧的边缘子系统的灵活性变弱，说明颞叶癫痫患者的病理有选择效应，会减弱边缘系统的功能而不是中心系统，这也许可以阐明病人语言流畅性障碍的本质。这可能暗示这些病人有完好的语言表达功能，但是由于语言系统的灵活性变差，导致他们适应任务要求改变的能力变弱。
在正常被试中，相比于中心系统内部的连接。中心系统和其他系统的连接很频繁。相反，对于右侧前额叶以及左侧颞叶这些边缘系统，相比于和其他系统间的连接，他们和各自系统内部的连接很频繁。基于灵活性和混乱性的分析，作为中心系统的左侧前额叶，在整个任务中都很稳定，主要和本系统的其他脑区连接。和此情况相反，左侧颞叶和右侧额叶这些边缘系统主要和其他系统的脑区连接。
对病人和正常人的比较，在任务期间，左侧和右侧颞叶癫痫病人的左侧额叶系统的系统间的交流减少，说明病人中心系统的稳定性变弱。对于左侧颞叶癫痫病人，左侧额叶和右侧颞叶系统的交流增强，而不是和本系统内的交流增强。这个发现证实了之前研究的结论：左侧颞叶癫痫会引起右半球脑区的激活和连接。
本研究还比较了静息态和任务态下，语言网络的动态配置情况，在静息态下和任务态下人脑都会有功能的整合。之前研究显示在静息态下，语言网络灵活性更高，在本研究的三组被试中都发现了这一现象。
本研究发现语言系统的灵活性和言语流畅性表现呈正相关。言语流畅性表现差的被试和系统间的交流增强有关，也就是和功能整合性增强有关。
左侧和右侧颞叶癫痫都发现左侧颞叶和右侧额叶边缘系统的灵活性减弱，在任务表现中，伴随着左侧额叶中心系统参与性降低。这个结果显示在左侧和右侧颞叶癫痫病人中言语障碍可能存在相同的病理机制。比如，抗癫痫药物导致认知处理速度降低，会导致两组病人的言语流畅性降低。右侧病理会影响右侧半球语言处理过程，惊厥导致的从右侧到左侧的扩散会影响左侧语言处理过程。本文结果显示左侧和右侧颞叶癫痫患者的语言障碍不是完全一致的，左侧病人的脑区整合性更高。
总之，我们的研究提供了在语言处理过程中，语言系统的动态组织的证据。结果显示在颞叶癫痫病人中，中心子系统和边缘子系统间的实时适应性交流异常，这从新的角度解释了由于神经疾病导致的语言障碍。我们的研究引入了新的角度和新的测量方法研究语言网络的动态性，加深我们对语言障碍的理解。
一句话简单总结：癫痫患者的动态网络特征存在特殊性，运用特定方法（如随机森林）预测言语流畅度时，精度更高。
编者按：感谢解读者的辛苦付出。
参考文献：He X, Bassett D S, Chaitanya G, et al. Disrupteddynamic network reconfiguration of the language system in temporal lobeepilepsy. [J]. Brain, 2018.
微信扫码或长按二维码选择识别二维码关注
其实开头点击“思影科技”四个蓝色字进行关注更方便
反正公众号做的挺用心的
获取原文：关注“思影科技”公众号，回复“原文”或“培训”，获取原文pdf及补充材料下载链接，同时欢迎浏览我们的培训通知:(直接点击下文紫色字，Will you?）
第四届磁共振脑网络数据处理班(需具备一定的功能影像基础）
第七届功能磁共振数据处理基础班（适合初学者）
更新通知：第三届磁共振DTI（弥散张量成像）数据处理班（多模态必备）
第一届动物磁共振脑影像数据处理班
思影数据处理业务一：功能磁共振（fMRI）数据处理（如果你不想自己处理）
