分享:
分享到微信朋友圈
X
基础研究
基于静息态度中心度的T2DM共病抑郁脑功能研究
李周乐 赵莲萍 黄刚 柳瑞芳 田静 陆亚姗 韦佳

Cite this article as: Li ZL, Zhao LP, Huang G, et al. Brain function study in T2DM comorbidity depression based on resting state degree centrality[J]. Chin J Magn Reson Imaging, 2022, 13(2): 37-41.本文引用格式:李周乐, 赵莲萍, 黄刚, 等. 基于静息态度中心度的T2DM共病抑郁脑功能研究[J]. 磁共振成像, 2022, 13(2): 37-41. DOI:10.12015/issn.1674-8034.2022.02.008.


[摘要] 目的 采用静息态功能磁共振成像基于图论的度中心度(degree centrality,DC)方法,重点探讨2型糖尿病共病抑郁(type 2 diabetes comorbid depression,T2DD)脑功能网络连接属性的异常模式,进一步阐明T2DD的神经影像学机制。材料与方法 前瞻性纳入T2DD者52例、2型糖尿病(type 2 diabetes mellitus,T2DM)不伴抑郁者59例和健康对照者57例行头颅MR扫描,采集临床变量、评测认知心理量表。比较三组间全脑DC值,并提取差异显著脑区的DC值与临床变量、认知心理量表评分行相关分析。结果 与健康对照组和T2DM不伴抑郁组相比,T2DD组有更低的认知评分、抑郁评分和焦虑评分;与健康对照组相比,T2DM不伴抑郁组右后扣带回DC值减低,T2DD组右颞横回DC值增加(高斯随机场校正,体素水平P<0.005,簇水平P<0.05),T2DM不伴抑郁组及T2DD组DC值与临床变量和认知心理量表评分间未发现显著相关。结论 T2DD患者伴有更严重的情绪异常和认知功能受损,在静息状态下,其右侧颞横回脑功能网络拓扑属性异常,可能是T2DD脑损害的潜在神经影像生物学标记。
[Abstract] Objective To explore the abnormal patterns of brain functional networks in type 2 diabetes comorbid depression (T2DD) by using Degree Centrality (DC) method of resting state functional magnetic resonance imaging. To further elucidate the neuroimaging mechanisms of T2DD.Materials and Methods Fifty-six T2DD patients, 59 type 2 diabetes mellitus (T2DM) patients without depression and 57 healthy volunteers were prospectively enrolled. The whole brain DC values of the three groups were compared, and the correlation analysis between the DC values of the brain regions with significant differences and clinical variables and cognitive psychological scale was extracted.Results Compared with control group and T2DM without depression group, T2DD group had lower cognitive score, depression score and anxiety score. Compared with the control group, the DC value of the right posterior cingulate gyrus decreased in T2DM without depression group, and the DC value of the right transverse temporal gyrus increased in T2DD group (GRF correction, voxel P<0.001, cluster P<0.05), no correlation was found between the DC values of these brain regions and the clinical data and the cognitive psychosocial scale scoring.Conclusions T2DD patients are associated with more severe emotional abnormalities and cognitive impairment. In resting state, abnormal topology of the functional network of the right transverse temporal gyrus may be a potential neuroimaging biological marker of T2DD brain damage.
[关键词] 糖尿病,2型;抑郁;共病;脑功能成像
[Keywords] diabetes mellitus, type 2;depression;comorbidity;functional brain imaging

李周乐 1   赵莲萍 2*   黄刚 2   柳瑞芳 1   田静 1   陆亚姗 2   韦佳 3  

1 甘肃中医药大学第一临床医学院(甘肃省人民医院),兰州 730000

2 甘肃省人民医院放射科,兰州 730000

3 甘肃省人民医院功能科,兰州 730000

赵莲萍,E-mail:lianping_zhao007@163.com

作者利益冲突声明:全部作者均声明无利益冲突。


基金项目: 国家自然科学基金 81901724,81860306 甘肃省自然科学基金 20JR5RA156,21JR7RA593 甘肃省人民医院院内科研项目 19SYPYA-2 中国科学院2020年度“西部青年学者”项目
收稿日期:2021-09-01
接受日期:2022-01-24
中图分类号:R445.2  R749.24 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.02.008
本文引用格式:李周乐, 赵莲萍, 黄刚, 等. 基于静息态度中心度的T2DM共病抑郁脑功能研究[J]. 磁共振成像, 2022, 13(2): 37-41. DOI:10.12015/issn.1674-8034.2022.02.008

       2型糖尿病(type 2 diabetes mellitus,T2DM)是一种慢性代谢性疾病,根据国际糖尿病联盟的数据,至2040年,全球糖尿病患患者数将增加到6.5亿[1],其中90%为T2DM[2],T2DM中抑郁的患病率较正常人群约增加2.5倍,其与抑郁之间存在双向联系,互为影响[3]。T2DM共病抑郁(type 2 diabetes comorbid depression,T2DD)会导致患者依存性差,甚至加重T2DM的并发症,会为个人、家庭和社会带来沉重负担。目前,T2DD的神经病理生理机制尚不明确。基于静息态功能磁共振成像(resting-state functional magnetic resonance imaging,rs-fMRI)技术的度中心度(degree centrality,DC)参数可在体素水平上检测全脑中不同节点之间的拓扑功能网络变化[4],可以全面、客观地反映大脑功能异常区域,该方法已用于抑郁[5]、T2DM[6]及T2DM伴认知损伤的研究[7, 8],但尚未见用于T2DD的研究报道。因此,结合临床变量和认知心理学量表评估,本研究采用rs-fMRI基于图论的DC分析方法探索T2DD患者的脑网络节点变化,为进一步阐明T2DD的神经病理生理机制提供功能影像学依据。

1 研究对象与方法

1.1 研究对象

       本研究已在中国临床试验注册中心注册,注册号:chiCTR1900021383。本研究为前瞻性研究,患者组:2017年11月至2020年2月入甘肃省人民医院内分泌诊疗中心就诊的T2DD者56例、T2DM不伴抑郁者61例。T2DD组纳入标准:(1)符合1999年世界卫生组织T2DM诊断标准,病程>1年,无糖尿病高渗高血糖状态、糖尿病酮症酸中毒、糖尿病肾病、糖尿病足、糖尿病下肢血管病变等并发症;(2)年龄40~70岁,汉族,男女不限;(3) 24项汉密尔顿抑郁量表(Hamilton Depression Scale,HAMD-24)评分≥8分[9, 10]。T2DM不伴抑郁组纳入标准:(1)符合1999年世界卫生组织T2DM诊断标准,病程>1年,无糖尿病高渗高血糖状态、糖尿病酮症酸中毒、糖尿病肾病、糖尿病足、糖尿病下肢血管病变等并发症;(2)年龄40~70岁,汉族,男女不限;(3) HAMD-24评分<8分。

       健康对照组(healthy controls,HCs):2017年11月至2020年2月以广告招募身心健康的志愿者。入组标准:(1)指尖采血测随机血糖,血糖范围在3.9~7.8mmol/L;(2)年龄40~70岁,汉族,男女不限;(3) HAMD-24评分<8分。

       三组共同排除标准:(1)受教育年限<6年;(2)非右利手;(3)有重大躯体疾病史和颅脑外伤史;(4)有心、脑血管疾病史,如冠心病、主动脉瘤、脑出血等;(5)既往精神疾病史、一级亲属患精神障碍或遗传性神经系统疾病;(6)有酒精或药物依赖;(7)有其他内分泌系统疾病,如甲亢、席汉综合征等;(8)有明显的听力或视力障碍;(9)有磁共振成像检查禁忌证。

       所有受试者均签署知情同意书。本研究已通过甘肃省人民医院医学伦理委员会审核(2017-188)。

1.2 临床变量采集及认知心理量表评定

       临床变量采集:(1)收集所有受试者的一般人口学资料和临床变量,包括年龄、性别、受教育程度、体质量指数,病例组采集空腹血糖、空腹胰岛素、甘油三酯、总胆固醇、低密度脂蛋白和糖化血红蛋白(HbA1c),对照组指尖采血测随机血糖;(2)认知心理量表评定:用蒙特利尔认知评估量表(Montreal Congnitive Assessment,MoCA)评估一般认知功能,汉密尔顿焦虑量表(Hamilton Anxiety Scale,HAMA)、HAMD-24量表评估焦虑抑郁情绪。

1.3 MRI数据采集

       MRI扫描采用德国西门子公司生产的3.0 T超导磁共振机(MAGNETOM Skyra 3.0 T) 32通道相控阵表面头线圈采集数据。在扫描过程中嘱受试者闭眼、保持清醒,静息平卧,尽量不做专注思维活动,用海绵垫固定头部以减少头部运动、用耳塞降低外界噪音。所有MR扫描操作由1名经过专门培训的放射科医生完成。先扫描常规序列(T1WI、T2WI、T2-FLAIR及DWI)排除有颅脑器质性病变者,之后采集矢状面三维颅脑容积T1WI结构像和横轴面rs-fMRI数据,扫描参数如表1

表1  3D-T1WI及rs-fMRI的数据采集扫描参数
Tab. 1  Data acquisition parameters of 3D-T1WI and rs-fMRI

1.4 MRI数据处理

       基于Matlab,采用SPM12和DPABI_V4.2对所有rs-fMRI图像进行预处理,主要步骤如下:进行DICOM格式转换、剔除前10个时间点,时间校正、头动校正(剔除头动平动>2.5 mm,或转动>2.5°的受试者数据),空间标准化(重采样为3 mm×3 mm×3 mm)到标准蒙特利尔神经研究所模板,空间平滑(平滑核半高全宽为6 mm)去线性漂移及带通滤波(0.01~0.1 Hz),将脑白质、脑脊液信号、全脑均值信号及Friston 24头动参数进行协变量回归处理,以减少其影响,提高结果的准确性。

       DC值计算:采用DPARSFA软件基于图论方法以默认脑模板计算灰质内任意体素对之间的功能连接,设置阈值r>0.25[11]。对每个体素计算与其有显著功能连接(r>0.25)的其他体素数量,得到其显著相关性权重总合DC,再与全脑DC均值相除得到标准化DC值,最后进行Z转换得到每个受试的Z值化加权DC值图。

1.5 统计分析

       采用SPSS 25.0软件进行人口学资料及临床变量统计分析。性别采用卡方检验;符合正态分布的计量资料采用平均值±标准差描述,两组间采用t检验进行统计分析,三组间采用单因素方差分析进行统计;对于不符合正态分布的计量资料采用中位数(四分位数间距)描述,三组间比较采用K-W检验,两组间比较采用曼-惠特尼U检验。均以P<0.05为差异有统计学意义。

       DC值的组间比较:将年龄、性别、受教育程度及头动参数作为协变量,在DPARSF软件中行单因素方差分析,计算三组间有显著差异的脑区,同时行事后检验两两比较DC值显著差异的脑区(高斯随机场多重比较校正,以体素水平P<0.005,簇水平P<0.05)。

       相关分析:提取差异显著脑区的DC值,分别与临床变量、认知心理量表评分进行Pearson相关分析,以P<0.05表示差异具有统计学意义。

2 结果

2.1 人口学资料结果

       预处理时因头动过大(平动>2.5 mm,或转动>2.5°),T2DD组剔除4例,T2DM不伴抑郁组剔除2例,最终T2DD组、T2DM不伴抑郁组和HCs分别纳入52例、59例和57例受试者。与HCs相比,T2DD组MoCA评分降低、HAMD-24及HAMA评分增加;与T2DM不伴抑郁组相比,T2DD组HAMD-24评分及HAMA评分增加,差异有统计学意义(P<0.05);T2DM不伴抑郁组与HCs间认知心理量表评分及三组受试者的年龄、性别、受教育年限、体质量指数等差异均无统计学意义(P>0.05),见表2

表2  T2DD、T2DM不伴抑郁和HCs三组间基本资料对比
Tab. 2  Demographic data of T2DD, T2DM without depression and HCs group were compared

2.2 三组间全脑DC值单因素方差分析及Post-hoc组间两两比较结果

       相较于HCs,T2DM不伴抑郁组患者右侧后扣带回DC值减低,T2DD组患者右侧颞横回DC值增加,T2DM不伴抑郁和T2DD组间DC值差异无统计学意义,见表3图1

图1  T2DM不伴抑郁组、T2DD组与健康对照组DC值Post-hoc组间两两比较结果。1A:T2DM不伴抑郁组DC值在后扣带回减低(冷色);1B:T2DD组DC值在颞横回显著增加(暖色)。T2DM:2型糖尿病;T2DD:2型糖尿病共病抑郁;DC:度中心度。
图2  2A:T2DD组颞横回DC值与临床变量和认知心理量表评分间的Pearson相关分析;2B:T2DM不伴抑郁组后扣带回DC值与临床变量和认知心理量表评分间的Pearson相关分析(蓝色为正相关,橙色为负相关)。BMI:体质量指数;DC:度中心度;HAMD-24:汉密尔顿抑郁量表-24;HAMA:汉密尔顿抑郁焦虑量表;HbA1C:糖化血红蛋白;MoCA:蒙特利尔认知评估量表。
Fig. 1  Comparison of DC values between the T2DM without depression group, the T2DD group and the healthy control group. 1A: DC value in T2DM without depression group significantly decreased in posterior cingulate gyrus (cool colors). 1B: The DC value in T2DD group was significantly increased in the heschl gyrus (warm colors). T2DM is type 2 diabetes mellitus, T2DD is type 2 diabetes comorbidities depression, DC is degree centrality.
Fig. 2  2A: Pearson correlation analysis between the DC value of the heschL gyrus and clinical variables and cognitive psychology scale score in T2DD group; 2B: Pearson correlation analysis between the DC value of the posterior cingulate gyrus and clinical variables and cognitive psychology scale score in T2DM group (Blue is positively correlated, orange is negatively correlated). BMI is body mass index, DC is degree centrality, HAMD-24 is Hamilton Depression Scale -24, HAMA is Hamilton Anxiety Scale, HbA1C is glycosylated hemoglobin, MoCA is Montreal Congnitive Assessment.
表3  T2DD、T2DM不伴抑郁与HCs三组间全脑DC值对比分析结果
Tab. 3  Analysis of DC values between T2DD ,T2DM without depression and HCs group

2.3 相关分析结果

       Pearson相关分析显示,T2DM不伴抑郁组和T2DD组差异显著脑区的DC值与临床变量和认知心理量表评分间未发现显著相关(图2)。

3 讨论

       本研究采用DC分析法对T2DD和T2DM不伴抑郁患者进行研究,发现与HCs相比,T2DM不伴抑郁组患者右侧后扣带回DC值减低,T2DD组患者右侧颞横回DC值增加。同时,T2DD组还存在HAMD-24和HAMA评分显著升高,MoCA评分显著降低。目前国内外基于rs-fMRI的DC研究集中在抑郁、T2DM和认知障碍等方面,而未见用DC技术研究T2DD的报道。本研究结合临床变量和认知心理学评估,是首次应用基于图论的DC方法研究T2DD的脑功能变化,可为进一步阐明T2DD的神经病理机制提供客观神经影像学依据。

3.1 T2DD患者认知心理评分异常的神经生理机制

       抑郁是糖尿病常见的共病疾病之一[12],却在临床诊疗过程中未被重视。T2DM与抑郁互为危险因素,抑郁会增加T2DM的患病风险[13],T2DM也会增加抑郁的患病风险[14],加速认知功能减退[15]。在神经生物学机制方面,T2DM和抑郁都会激活下丘脑-垂体-肾上腺轴,引起血浆皮质醇水平升高[16],导致糖皮质激素受体高表达的脑区功能受损[17],这些脑区涉及默认网络[18]、额顶网络[19]及控制网络[20],其损伤会影响患者的认知功能和情绪调节[7,21, 22],这可能是T2DD组较对照组认知评分显著减低、抑郁评分显著增高的病理生理学基础。

3.2 T2DM不伴抑郁组与对照组的差异脑区及其意义

       本研究发现T2DM不伴抑郁组后扣带回DC值降低,表明其与大脑功能连接数量和强度的下降。后扣带回是构成边缘系统和默认网络的核心脑区之一,它在解剖上与额、顶、颞叶和海马下托存在广泛连接[23],主要参与工作情景记忆及空间注意和自我评价[24]。有学者发现T2DM患者有后扣带回ALFF值明显减低,且与血糖波动呈负相关[25],高血糖和胰岛素抵抗导致线粒体功能障碍致使活性氧生成,导致能量底物代谢异常和细胞凋亡[26]。研究发现T2DM还会导致患者大脑皮层-纹状体-边缘网络(包括后扣带回)的脑灰质体积减少[27, 28]及脑白质萎缩[29],后扣带皮层与额、颞、顶叶及基底节区、小脑和脑干的功能连接减低,均支持本研究结果,提示后扣带回功能活动减低可能是T2DM患者脑损伤的重要潜在神经影像生物学标记。

3.3 T2DD组与对照组的差异脑区及其意义

       颞横回掩于外侧裂以内,是重要的初级听觉皮层,参与听觉信息处理与语义理解[30]。本研究中,T2DD患者颞横回DC值较对照组显著增高,提示颞横回局部拓扑功能属性增强。学者用弥散张量成像技术研究发现颞横回除了参与听觉网络,也间接与额叶联通[31],额叶参与认知及情绪的管理[32, 33],研究发现低水平的血清素会损伤DMN (包括额叶)和听力网络[34],血清素是调节认知、情绪的关键神经递质,血清素的紊乱还会导致抑郁[35],而糖尿病患者存在血清素的降低,可导致听力损伤[36],出现听觉语言学习能力的下降[37],因此推测颞横回可能是T2DD的易损脑区之一,可为T2DD脑功能的改变提供新的研究方向。本研究中T2DD组抑郁程度均为轻度,因此推测颞横回DC值的增高可能是对抑郁所致脑功能异常的一种代偿机制。

3.4 不足与展望

       本研究的局限性:首先,本研究是横断面研究,尚不能阐明T2DM和T2DD治疗后的神经康复机制;其次,尽管T2DD组存在明显的认知功能受损和情绪异常,但未发现其大脑DC异常脑区与认知心理量表评分之间的相关性;再次,本研究中糖尿病患者应用不同种类和剂量的降糖药物,是否存在药物对神经系统的影响尚不能排除。因此在以后的研究中,需增加纵向设计,严格纳入更同质的研究对象,发挥多模态神经影像技术优势,系统地阐述T2DD患者脑损害的神经病理生理机制,为T2DD患者的临床治疗和管理提供神经影像学依据。

       综上所述,本研究发现T2DM患者右后扣带回拓扑功能活动减低,可能与高血糖所致神经元活性下降、DMN功能连接降低有关。而T2DD组患者主要的DC异常表现在颞横回的拓扑功能属性增强,这可能是负性情绪所致的一种功能代偿,可能是T2DD患者脑损害的潜在神经影像学生物标记。

[1]
Goyal R, Jialal I. Diabetes mellitus type 2[M]. Treasure Island (FL):StatPearls Publishing, 2021.
[2]
Zheng Y, Ley SH, Hu FB. Global aetiology and epidemiology of type 2 diabetes mellitus and its complications[J]. Nat Rev Endocrinol, 2018, 14(2): 88-98. DOI: 10.1038/nrendo.2017.151.
[3]
Khaledi M, Haghighatdoost F, Feizi A, et al. The prevalence of comorbid depression in patients with type 2 diabetes: an updated systematic review and meta-analysis on huge number of observational studies[J]. Acta Diabetol, 2019, 56(6): 631-650. DOI: 10.1007/s00592-019-01295-9.
[4]
Wu SN, Zhang MY, Shu HY, et al. Changes in functional connectivity of specific cerebral regions in patients with toothache: a resting-state functional magnetic resonance imaging study[J]. Dis Markers, 2020, 2020: 6683161. DOI: 10.1155/2020/6683161.
[5]
Zhang HF, Qiu MH, Ding L, et al. Intrinsic gray-matter connectivity of the brain in major depressive disorder[J]. J Affect Disord, 2019, 251: 78-85. DOI: 10.1016/j.jad.2019.01.048.
[6]
Liu DH, Duan SS, Zhou CY, et al. Altered brain functional hubs and connectivity in type 2 diabetes mellitus patients: a resting-state fMRI study[J]. Front Aging Neurosci, 2018, 10: 55. DOI: 10.3389/fnagi.2018.00055.
[7]
Xia WQ, Luo Y, Chen YC, et al. Glucose fluctuations are linked to disrupted brain functional architecture and cognitive impairment[J]. J Alzheimers Dis, 2020, 74(2): 603-613. DOI: 10.3233/JAD-191217.
[8]
Feng Y, Li YF, Tan X, et al. Altered gray matter volume, functional connectivity, and degree centrality in early-onset type 2 diabetes mellitus[J]. Front Neurol, 2021, 12: 697349. DOI: 10.3389/fneur.2021.697349.
[9]
Zhao CC, Cai HB, Wang H, et al. Correlation between serum renin-angiotensin system (RAS) level and depression and anxiety symptoms in patients with Parkinson's disease[J]. Saudi J Biol Sci, 2021, 28(4): 2146-2154. DOI: 10.1016/j.sjbs.2021.02.029.
[10]
Zhang LY, Cao B, Zou YT, et al. Depression and anxiety in multiple system atrophy[J]. Acta Neurol Scand, 2018, 137(1): 33-37. DOI: 10.1111/ane.12804.
[11]
Cui Y, Li SF, Gu H, et al. Disrupted brain connectivity patterns in patients with type 2 diabetes[J]. AJNR Am J Neuroradiol, 2016, 37(11): 2115-2122. DOI: 10.3174/ajnr.A4858.
[12]
Roy JF, Lozano del Hoyo ML, Urcola-Pardo F, et al. The TELE-DD project on treatment nonadherence in the population with type 2 diabetes and comorbid depression[J]. Sci Rep, 2021, 11(1): 8889. DOI: 10.1038/s41598-021-87410-9.
[13]
陆亚姗, 黄刚, 赵莲萍. 2型糖尿病共病抑郁的神经病理生理机制研究进展[J]. 中华精神科杂志, 2020, 53(3): 263-266. DOI: 10.3760/cma.j.cn113661-20190626-00212.
Lu YS, Huang G, Zhao LP. Research progress on neuropathophysiological mechanism of patients with type 2 diabetes comorbid depression[J]. Chin J Psychiatry, 2020, 53(3): 263-266. DOI: 10.3760/cma.j.cn113661-20190626-00212.
[14]
Belvederi Murri M, Mamberto S, Briatore L, et al. The interplay between diabetes, depression and affective temperaments: a structural equation model[J]. J Affect Disord, 2017, 219: 64-71. DOI: 10.1016/j.jad.2017.05.018.
[15]
Cukierman T, Gerstein HC, Williamson JD. Cognitive decline and dementia in diabetes: systematic overview of prospective observational studies[J]. Diabetologia, 2005, 48(12): 2460-2469. DOI: 10.1007/s00125-005-0023-4.
[16]
Tyagi K, Agarwal NB, Kapur P, et al. Evaluation of stress and associated biochemical changes in patients with type 2 diabetes mellitus and obesity[J]. Diabetes Metab Syndr Obes, 2021, 14: 705-717. DOI: 10.2147/DMSO.S294555.
[17]
Nguyen L, Kakeda S, Watanabe K, et al. Brain structural network alterations related to serum cortisol levels in drug-naïve, first-episode major depressive disorder patients: a source-based morphometric study[J]. Sci Rep, 2020, 10: 22096. DOI: 10.1038/s41598-020-79220-2.
[18]
Brewer JA, Worhunsky PD, Gray JR, et al. Meditation experience is associated with differences in default mode network activity and connectivity[J]. Proc Natl Acad Sci USA, 2011, 108(50): 20254-20259. DOI: 10.1073/pnas.1112029108.
[19]
Costumero V, Rosell-Negre P, Bustamante JC, et al. Left frontoparietal network activity is modulated by drug stimuli in cocaine addiction[J]. Brain Imaging Behav, 2018, 12(5): 1259-1270. DOI: 10.1007/s11682-017-9799-3.
[20]
Kim S, Im S, Lee J, et al. Disrupted control network connectivity in abstinent patients with alcohol dependence[J]. Psychiatry Investig, 2017, 14(3): 325-332. DOI: 10.4306/pi.2017.14.3.325.
[21]
Buckner RL, Andrews-Hanna JR, Schacter DL. The brain's default network: anatomy, function, and relevance to disease[J]. Ann N Y Acad Sci, 2008, 1124: 1-38. DOI: 10.1196/annals.1440.011.
[22]
Liao HY, Cai SN, Shen Q, et al. Networks are associated with depression in patients with Parkinson's disease: a resting-state imaging study[J]. Front Neurosci, 2021, 14: 573538. DOI: 10.3389/fnins.2020.573538.
[23]
Leech R, Sharp DJ. The role of the posterior cingulate cortex in cognition and disease[J]. Brain, 2014, 137(Pt 1): 12-32. DOI: 10.1093/brain/awt162.
[24]
周克剑, 周慕华, 吴仕新, 等. 右侧颞叶癫痫患者后扣带功能和结构连接与警觉功能的相关性研究[J]. 中国神经精神疾病杂志, 2017, 43(1): 13-18. DOI: 10.3969/j.issn.1002-0152.2017.01.004.
Zhou KJ, Zhou MH, Wu SX, et al. Right temporal lobe epilepsy: abnormal functional and structural connectivity in the posterior cingulate cortex and their relationship with alertness performance[J]. Chin J Nerv Ment Dis, 2017, 43(1): 13-18. DOI: 10.3969/j.issn.1002-0152.2017.01.004.
[25]
葛飞, 武晋晓, 程千鹏, 等. 2型糖尿病血糖波动与脑功能的相关性研究[J]. 中国医学创新, 2017, 14(16): 21-24. DOI: 10.3969/j.issn.1674-4985.2017.16.006.
Ge F, Wu JX, Cheng QP, et al. Correlative analysis of blood glucose fluctuation and brain function in type 2 diabetic patients[J]. Med Innov China, 2017, 14(16): 21-24. DOI: 10.3969/j.issn.1674-4985.2017.16.006.
[26]
Pinti MV, Fink GK, Hathaway QA, et al. Mitochondrial dysfunction in type 2 diabetes mellitus: an organ-based analysis[J]. Am J Physiol Endocrinol Metab, 2019, 316(2): E268-E285. DOI: 10.1152/ajpendo.00314.2018.
[27]
Roy B, Ehlert L, Mullur R, et al. Regional brain gray matter changes in patients with type 2 diabetes mellitus[J]. Sci Rep, 2020, 10(1): 9925. DOI: 10.1038/s41598-020-67022-5.
[28]
Liu J, Liu TY, Wang WH, et al. Reduced gray matter volume in patients with type 2 diabetes mellitus[J]. Front Aging Neurosci, 2017, 9: 161. DOI: 10.3389/fnagi.2017.00161.
[29]
Yau PL, Kluger A, Borod JC, et al. Neural substrates of verbal memory impairments in adults with type 2 diabetes mellitus[J]. J Clin Exp Neuropsychol, 2014, 36(1): 74-87. DOI: 10.1080/13803395.2013.869310.
[30]
Warrier C, Wong P, Penhune V, et al. Relating structure to function: Heschl's gyrus and acoustic processing[J]. J Neurosci, 2009, 29(1): 61-69. DOI: 10.1523/JNEUROSCI.3489-08.2009.
[31]
Suzuki Y, Enatsu R, Kanno A, et al. The auditory cortex network in the posterior superior temporal area[J]. Clin Neurophysiol, 2018, 129(10): 2132-2136. DOI: 10.1016/j.clinph.2018.07.014.
[32]
Fuster JM. Frontal lobe and cognitive development[J]. J Neurocytol, 2002, 31(3/4/5): 373-385. DOI: 10.1023/a:1024190429920.
[33]
Magnus W, Nazir S, Anilkumar AC, et al. Attention deficit hyperactivity disorder[M]. Treasure Island (FL):StatPearls Publishing, 2021.
[34]
Klaassens BL, van Gorsel HC, Khalili-Mahani N, et al. Single-dose serotonergic stimulation shows widespread effects on functional brain connectivity[J]. Neuroimage, 2015, 122: 440-450. DOI: 10.1016/j.neuroimage.2015.08.012.
[35]
Morshedi M, Valenlia KB, Hosseinifard ES, et al. Beneficial psychological effects of novel psychobiotics in diabetic rats: the interaction among the gut, blood and amygdala[J]. J Nutr Biochem, 2018, 57: 145-152. DOI: 10.1016/j.jnutbio.2018.03.022.
[36]
du ZD, Wei W, Yu SK, et al. NADPH oxidase 2-mediated insult in the auditory cortex of zucker diabetic fatty rats[J]. Neural Plast, 2019, 2019: 3591605. DOI: 10.1155/2019/3591605.
[37]
Fried PJ, Schilberg L, Brem AK, et al. Humans with type-2 diabetes show abnormal long-term potentiation-like cortical plasticity associated with verbal learning deficits[J]. J Alzheimers Dis, 2017, 55(1): 89-100. DOI: 10.3233/JAD-160505.

上一篇 乳腺癌患者新辅助化疗后静息态脑功能活动变化的短期纵向研究
下一篇 慢性高原病脑部多体素1H-MRS研究
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2