分享:
分享到微信朋友圈
X
基础研究
帕金森病伴抑郁患者大脑复杂度的静息态脑功能成像研究
李海东 王峻 牛金亮

Cite this article as: Li HD, Wang J, Niu JL. Brain complexity in the patients of Parkinson's disease with depression: a resting-state functional magnetic resonance imaging study[J]. Chin J Magn Reson Imaging, 2022, 13(7): 90-95.本文引用格式:李海东, 王峻, 牛金亮. 帕金森病伴抑郁患者大脑复杂度的静息态脑功能成像研究[J]. 磁共振成像, 2022, 13(7): 90-95. DOI:10.12015/issn.1674-8034.2022.07.016.


[摘要] 目的 采用排列熵(permutation entropy, PE)算法研究帕金森病伴抑郁(Parkinson's disease patients with depression, PD-Dep)患者基于静息态功能磁共振成像(resting state functional magnetic resonance imaging, rs-fMRI)大脑复杂度改变,寻找PD-Dep的特征影像学标志。材料与方法 前瞻性纳入2020至2021年山西医科大学第二医院的帕金森病(Parkinson's disease, PD)患者45例[PD-Dep患者22例,帕金森病不伴抑郁(Parkinson's disease patients without depression, PD-NDep)患者23例],23例健康受试者作为健康对照组(healthy controls, HCs)。采用汉密尔顿抑郁量表-24(24-item Hamilton Depression Scale, HAMD-24)及简易智能状态检查量表(Mini-Mental State Examination, MMSE)对所有受试者行神经功能评估,并对受试者行rs-fMRI扫描。采用PE方法分析三组患者的rs-fMRI图像复杂度,对PD-Dep异常脑区PE值与量表评分进行相关性分析。结果 三组性别、年龄、受教育年限、MMSE评分差异无统计学意义(P>0.05)。PD-Dep组较另两组HAMD评分均显著增高(P<0.01)。三组PE值在右侧颞下回、左侧前扣带回、右侧扣带回中部脑区存在明显差异(P<0.01)。与PD-NDep组相比,PD-Dep组PE值增高的脑区位于右侧扣带回中部(P=0.007),与HCs组相比,PD-Dep组PE值增高的脑区位于右侧颞下回(P=0.022),减低的脑区位于左侧前扣带回(P=0.007)。与HCs组相比,PD-NDep组增高的脑区位于右侧颞下回(P=0.004),减低的脑区位于左侧前扣带回及右侧扣带回中部(P<0.01,P=0.019)。PD-Dep组右侧扣带回中部PE值与抑郁评分呈正相关(P<0.01,r=0.790)。结论 PE能反映PD-Dep患者大脑复杂度改变的病理生理过程,右侧扣带回中部脑区PE值有可能成为评估疾病进展的重要指标,为疾病早期诊断、治疗及监测病情进展提供参考信息。
[Abstract] Objective To investigate the change of brain regions complexity by permutation entropy (PE), and to explore the imaging markers of characteristics in the patients of Parkinson's disease (PD) with depression.Materials and Methods Forty-five PD patients [twenty-two Parkinson's disease with depression (PD-Dep) patients, twenty-three Parkinson's disease patients without depression (PD-NDep) patients] and twenty-three healthy controls (HCs) were enrolled prospectively from 2020 to 2021 in the Second Hospital of Shanxi Medical University. All participants underwent resting state functional magnetic resonance imaging (rs-fMRI) scan. The progression of disease of patients was measured by 24-item Hamilton Depression Scale (HAMD-24) and Mini-Mental State Examination (MMSE) following each MRI scan. Permutation entropy (PE) was used to explore the complexity of various brain regions in the three groups. At the same time, the correlation between PE value and scale's score in PD-Dep group were analyzed.Results Age, gender, education and MMSE score showed no significant differences among the three groups (P>0.05). HAMD score in the PD-Dep group was significantly higher than that in the other two groups (P<0.01). PE value showed significant differences in the right inferior temporal gyrus, left anterior cingulate and right median cingulate gyrus among the three groups. PE values of PD-Dep group were increased in the right median cingulate gyrus than those of PD-NDep group (P=0.007). PE values of PD-Dep group were increased in the right inferior temporal gyrus than those of HCs group (P=0.022). PE values of PD-Dep group were decreased in the left anterior cingulate gyrus than those of HCs group (P=0.007). PE values of PD-NDep group were increased in the right inferior temporal gyrus than those of HCs group (P=0.004). The PE values of PD-NDep group were decreased in the left anterior cingulate and right median cingulate gyrus than those of HCs group (P<0.01, P=0.019). In addition, the HAMD score was significantly correlated with the PE value of the right median cingulate gyrus (P<0.01, r=0.790).Conclusions Permutation entropy can reflect the pathophysiological process of brain complexity changes in patients with PD-Dep. PE value in the right median cingulate gyrus may be an important indicator for evaluating disease progression. Permutation entropy may help provide reference information for early diagnosis, treatment and curative effect evaluation.
[关键词] 帕金森病;抑郁;功能磁共振;排列熵;复杂度;脑功能;血氧水平依赖;病理机制
[Keywords] Parkinson's disease;depression;functional magnetic resonance imaging;permutation entropy;complexity;functional brain imaging;blood oxygen level dependent;pathological mechanism

李海东    王峻    牛金亮 *  

山西医科大学第二医院磁共振室,太原 030001

牛金亮,E-mail:sxlscjy@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: 山西省卫生健康委员会专项科技项目 2020-1
收稿日期:2022-03-01
接受日期:2022-07-06
中图分类号:R445.2  R742.5 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.07.016
本文引用格式:李海东, 王峻, 牛金亮. 帕金森病伴抑郁患者大脑复杂度的静息态脑功能成像研究[J]. 磁共振成像, 2022, 13(7): 90-95. DOI:10.12015/issn.1674-8034.2022.07.016

       帕金森病(Parkinson's disease, PD)是常见于中老年人的神经系统退行性疾病[1],帕金森病伴抑郁(Parkinson's disease patients with depression, PD-Dep)是指确诊PD后出现的抑郁症状[2],是PD最常见的非运动症状之一,发生率高达40%[3],严重影响患者生活质量。基于血氧水平依赖(blood oxygenation level dependent, BOLD)的静息态功能磁共振成像(resting state functional magnetic resonance imaging, rs-fMRI)有高空间、时间分辨率、无创性研究脑高级功能等优势,广泛应用于神经精神类疾病。目前用于分析脑网络的功能连接模式及其自发活动的rs-fMRI分析方法对BOLD信号的研究仅限于使用传统的线性统计数据,缺乏对其非线性动态特性的分析及复杂度研究[4],与线性相比,非线性更接近客观事物本身性质,通过非线性方法研究能够反映动力学的不可预测性,反映某个系统可能发生的状态的概率分布,并且揭示了系统的复杂度,更适用于直接分析任意真实世界数据[5]。熵作为一种用于预测体系复杂程度非线性动力学参数[6],可以定量表征大脑区域中BOLD信号复杂度的动态变化。脑熵具有算法简单、抗干扰能力强、对突变信息有较强可识别性等优点[7, 8],可以反映大脑处理传入或传出信息的能力[9],评估大脑状态和功能。通过对大脑的复杂性进行表征和分析,有助于更好地理解神经精神疾病导致大脑功能障碍的机制。既往研究显示PD-Dep患者存在大脑功能性活动及神经环路连接的异常[10, 11],影响信息的传递及处理,可能存在大脑复杂度的改变。本研究拟采用排列熵(permutation entropy, PE)分析法对PD-Dep患者、PD-NDep患者与健康对照组(healthy controls, HCs)的fMRI数据进行分析,研究PD-Dep患者异常的脑区及其与临床评分的关系,进一步探索PD-Dep的发病机制,以期为PD-Dep的早期诊断和治疗提供影像学依据。

1 材料与方法

1.1 研究对象

       本研究获山西医科大学第二医院伦理委员会审批[批准文号:(2021)YX第(156)号],所有受试者均签署知情同意书。前瞻性纳入2020至2021年在山西医科大学第二医院就诊的PD患者。纳入标准:(1)按中华医学会神经病学分会帕金森病及运动障碍学组的《中国帕金森病诊断标准(2016版)》[12],纳入临床确诊的帕金森病;(2)患者临床资料详细真实,能完成相关量表的评测;(3)患者近2个月未服用抗抑郁药物;(4)右利手;(5)无MRI扫描禁忌证。排除标准:(1)患者有严重认知功能障碍,患有焦虑、双相情感障碍、精神分裂症等其他精神类疾病或有精神疾病家族史;(2)患有严重躯体性疾病、脑外伤或器质性疾病;(3)酗酒、药物依赖、药物滥用。共纳入PD患者45例,男20例,女25例,年龄51~74(59.27±9.02)岁。

       收集同期在本院就诊的23例年龄、性别、受教育程度匹配的健康受试者(男12例,女11例)作为HCs,纳入标准:(1)无中枢神经系统疾病史及头颅外伤史;(2)无严重其他系统疾病;(3)右利手。HCs排除标准:(1)有焦虑、抑郁等精神类疾病或有精神疾病家族史的患者;(2)存在认知障碍的患者。

1.2 一般资料采集及临床量表评定

       详细询问病史并记录患者一般资料及病程、首发症状等资料。PD患者抑郁状态由受过培训的高年资精神科医师对患者进行测评。根据美国《精神疾病诊断与统计手册第4版》(the Diagnostic and Statistical Manual of Mental Disorders, 4th edition, DSM-Ⅳ)抑郁发作诊断标准[13]将PD患者分为PD-Dep组22例(男性11例,女性11例),PD-NDep组23例(男性9例,女性14例)。抑郁评估采用汉密尔顿抑郁量表-24(24-item Hamilton Depression Scale, HAMD-24)。认知功能评估采用简易智能状态检查量表(Mini-Mental State Examination, MMSE)。

1.3 PE的计算

       PE[14]是用于测量非平稳时间序列不规则性的新方法。PE具有抗噪能力强、计算复杂度低、鲁棒性好等优点[14, 15]。由于其可较好地识别突变信息[8],使用PE分析BOLD信号,可以发现BOLD信号中的微小变化。其计算方法如下:

       (1)对一维时间序列{Xi),1≤i≤N}进行相空间重构:

       m为嵌入维数;λ为延迟时间;Xi)是重构矩阵的第i行分量。

       (2)将Xi)的所有元素按升序排列:

       当两个元素相等时,按j值从小到大排列。

       (3)对每一个向量Xi)都可以得到如下序列:

       j1,j2,…,jm是重构分量每个元素的标索引值;S (l )是m维相空间映射下m!种不同符号的序列之一。

       (4)计算Sl)出现的概率Pgg=1,2,…,k

       (5)计算香农熵,可以得到原始时间序列的PE:

       为保证算法的意义和有效性,避免无法检测到时间序列的动态突变。本研究设置嵌入维数m=4,延迟时间λ=2进行计算分析。

1.4 MRI数据采集及预处理

1.4.1 MRI数据采集

       使用美国GE SIGNA Pioneer 3.0 T超导型MRI系统和8通道相控阵头线圈。扫描前用软垫充分固定受试者头部,塞入耳塞减少噪声干扰,嘱其闭目、身体静止放松,不入睡。采集矢状面3D T1WI高分辨结构MRI及静息态BOLD fMRI。矢状面3D T1WI高分辨结构MRI扫描参数:TR 6.7 ms,TE 2.9 ms,翻转角12°,带宽31.25 kHz,视野256 mm×256 mm,矩阵256×256,体素大小1 mm×1 mm×1 mm,层厚1.0 mm,零层间隔采集,扫描时间为4 min 41 s。静息态BOLD fMRI扫描参数:TR 2000 ms,TE 30 ms,翻转角90°,带宽250 kHz,视野224 mm×224 mm,矩阵64×64,体素大小3.5mm×3.5mm×3.5mm,层厚3.5 mm,层间隔0.7 mm,共采集140个时相,扫描时间为280 s。

1.4.2 图像预处理

       实验基于DPARSF V2.3(Data Processing Assistant for Resting-State fMRI)[16]工具,并在Matlab2014b上对图像进行预处理。针对每例数据的预处理流程为:首先去除被试所采集数据的前10个时间点;然后将每个被试剩余的130幅图像进行时间层校正、头动校正;最后对头动校正后的图像使用平面回波成像(echo planar imaging, EPI)模板进行空间标准化。

1.5 fMRI数据PE计算

       采用自动解剖标记(automated anatomical atlas, AAL)模板[17]将大脑分割为90个感兴趣区(regions of interest, ROI),其中左右半脑各45个,提取90个脑区的时间序列。每个被试可获得一个90(脑区)×130(时间序列)的矩阵。根据各脑区的时间序列计算其PE。

1.6 统计学分析

       符合正态分布的计量资料以x¯±s表示,非正态分布数据用MQ1, Q3)表示。三组被试年龄、受教育年限及量表评分比较采用单因素方差分析及Kruskal-Wallis H检验,性别等计数资料采用χ2检验。每个受试者的ROI的平均PE值采用单因素方差分析检验三组被试(HCs组、PD-Dep组和PD-NDep组)之间的差异,LSD-t检验两两比较组内有差异的脑区(P<0.05,cluster size>20)。对PD-Dep患者组间显著差异脑区PE值与量表评分进行Pearson相关性分析。所有统计学分析均采用SPSS 25统计软件进行。

2 结果

2.1 三组人口统计学及临床资料的比较结果

       纳入分析三组性别、年龄、受教育年限、MMSE评分差异无统计学意义(P>0.05)。PD-Dep组较另两组HAMD评分显著增高(P<0.01),具体内容见表1

表1  人口统计学及临床资料评估结果
Tab. 1  Demographic and physiologic data of studied cohort

2.2 三组PE差异分析

       HCs组、PD-Dep组及PD-NDep组平均PE值有3个脑区存在明显差异(P<0.01,表2图1),包括:右侧颞下回、左侧前扣带回、右侧扣带回中部。组间分析结果如图2所示,PD-Dep组及PD-NDep组右侧颞下回PE值较HCs组增高(P=0.022,P=0.004),PD-Dep组与PD-NDep组PE值差异无统计学意义(P=0.515)。PD-Dep组及PD-NDep组左侧前扣带回PE值较HCs组减低(P=0.007,P<0.01),PD-Dep组与PD-NDep组PE值差异无统计学意义(P=0.114)。PD-Dep组及HCs组右侧扣带回中部PE值较PD-NDep组增高(P=0.007, P=0.019),HCs组与PD-Dep组PE值差异无统计学意义(P=0.738)。

图1  帕金森病伴/不伴抑郁患者组及健康对照组排列熵差异脑区主要分布于右侧颞下回、左侧前扣带回及右侧扣带回中部。
Fig. 1  PE value showed significant differences in the right inferior temporal gyrus, left anterior cingulate and right median cingulate gyrus among the HCs, PD-Dep and PD-NDep.
图2  组间排列熵差异脑区分析。2A:三组被试右侧颞下回PE值差异;2B:三组被试左侧前扣带回PE值差异;2C:三组被试右侧扣带回中部PE值差异。*:P<0.05,**:P<0.01;***:P<0.001。HCs:健康对照组;PD-NDep:帕金森病不伴抑郁患者;PD-Dep:帕金森病伴抑郁患者;PE:排列熵。
Fig. 2  Brain regions with differences in PE between 3 groups. 2A: PE value difference of right inferior temporal gyrus; 2B: PE value difference of left anterior cingulate; 2C: PE value difference of right median cingulate gyrus. *: P<0.05, **: P<0.01; ***: P<0.001. HCs: Healthy controls; PD-NDep: Parkinson’s disease patients without depression; PD-Dep: Parkinson's disease patients with depression; PE: Permutation entropy.
表2  帕金森病伴/不伴抑郁患者组及健康对照组显著差异的脑区信息
Tab. 2  Brain regions with differences between HCs, PD-Dep and PD-NDep
表3  三组显著差异的脑区排列熵值(x¯±s)
Tab. 3  Comparison of PE value between 3 groups(x¯±s)

2.3 相关性分析结果

       将得到的PD-Dep组差异脑区PE与HAMD评分做相关分析,结果如图3所示,右侧扣带回中部PE值与HAMD呈正相关(P<0.01,r=0.790)。

图3  PD-Dep患者PE值与HAMD评分相关脑区。右侧扣带回中部PE值与HAMD呈正相关(P<0.01,r=0.790)。PD-Dep:帕金森病伴抑郁患者;PE:排列熵;HAMD:汉密尔顿抑郁量表。
Fig. 3  Relevant brain regions for PE value and HAMD scale scores in PD-Dep patients. The PE values positively correlate with HAMD scores in the right median cingulate gyrus (P<0.01, r=0.790). PD-Dep: Parkinson's disease patients with depression; PE: Permutation Entropy; HAMD: Hamilton Depression Scale.

3 讨论

       本研究通过基于静息态脑功能磁共振成像的PE算法对HCs、PD-Dep、PD-NDep患者的大脑复杂度进行分析,结果显示三组被试的PE值在右侧颞下回、左侧前扣带回、右侧扣带回中部脑区存在明显差异,并且PD-Dep患者右侧扣带回中部PE值与HAMD评分呈正相关。本研究创新性地采用目前国内较少应用的PE算法分析PD-Dep患者的fMRI数据反映大脑复杂性的改变,为探索PD-Dep患者大脑神经活动的变化提供了新的方法,对于PD伴发抑郁的临床辅助诊断和及时干预也有一定的价值。

3.1 脑熵分析法的研究现状

       目前fMRI是神经影像学研究发现大脑功能的异常的主要方法,脑熵作为一种非线性信号处理技术是探测大脑fMRI动力学复杂度的新方法[18]。大脑活动的熵等同于根据香农信息理论[6]的信息,可以反映大脑活动的变化。但既往研究中采用的传统香农熵仍存在如下缺点:未对数据中存在的任何时间结构进行解释,存在于时间动态中的信息可能遗漏;必须事先指定概率分布函数;无法描述系统的混沌状态[19]。鉴于上述原因本研究采用稳健、快速、简单且可量化动态系统的组织属性和时间结构的PE方法作为衡量大脑复杂度的指标。PE是由Bandt等[14]提出的通过统计某些排列模式的出现或缺失概率来衡量信号复杂度的算法。相比其他常用的熵度量,如近似熵[20](approximate entropy, ApEn)和样本熵[21](sample entropy, SampEn),PE具有简单性、计算复杂度低、无需进一步的模型假设及在动态噪声存在下的鲁棒性等优势。ApEn和SampEn都仅基于幅度,而忽略了时间序列的顺序。作为基于时间序列自然序数模式的符号动态度量,PE只考虑样本的等级,而不考虑它们的指标。目前,PE已用于人类失神癫痫的EEG信号研究[8]、典型失神发作[22]等多种疾病,多种PE算法还应用于双相情感障碍[23]、重度抑郁症[24]、主观认知下降[4]等疾病的fMRI研究,但目前较少有研究将其应用于PD及PD-Dep的相关研究。PE作为研究大脑复杂性异常的有效手段,将其应用于PD及PD-Dep的研究为未来的神经影像学发展提供了新思路。此外,既往研究中PE分析广泛应用于EEG数据,但却较少应用于fMRI数据[25]。fMRI较EEG有较高的空间分辨率,本研究采用PE分析法可以定位发生时间动态或局部信息变化的大脑区域[26],因此将PE应用于fMRI数据是可行且具有一定意义的。本研究将PE的复杂度分析方法应用于高空间分辨率的HCs、PD-NDep、PD-Dep患者的fMRI数据的分析中,并发现脑区复杂度上的变化,通过PE反映大脑处理传入或传出信息的能力有助于PD伴抑郁的诊断和治疗。

3.2 PD-Dep患者异常脑区PE改变的可能机制

       本研究中PD患者右侧颞下回PE较HCs升高,提示被试组患者右侧颞下回在静息状态下的信息处理容量增加[27],处理信息的能力增强,时间信号的复杂性及变异性升高,意味着该脑区大脑活动的混乱程度比其他脑区增加,这可能是由PD导致的组织内部之间或与外部的联系存在异常造成的[28]。颞下回参与高级认知功能,如视觉辨认、语言理解、决策及情绪调节等,是默认网络的一个重要功能区域[29, 30]。颞叶在情绪调节中发挥关键作用,与杏仁核、眶额叶、前额叶、基底前脑和下丘脑等与情绪相关的关键结构密切相关,既往文献报道颞叶与严重的抑郁和焦虑症以及各种疾病导致的抑郁和焦虑症状有关[31, 32],同时PD-Dep患者颞叶的自发活动及功能连接存在异常[33, 34]。PD患者颞叶复杂度的改变反映了其神经活动的异常,情绪调节能力受损,导致PD患者出现抑郁症状,因此本研究结果支持以往的研究结果。既往研究还发现PD患者脑干中的中缝核和蓝斑,在疾病的早期阶段就已受到损伤,部分大脑皮层受损晚于脑干[35]。而主要来源于中缝核、蓝斑、黑质和腹侧被盖区的单胺类神经递质缺乏及受体敏感性异常是原发性抑郁症的重要发病机制[36]。PD患者与原发性抑郁症患者都存在中缝核及蓝斑的异常,二者间是否有共同的病理生理机制仍有待进一步研究。本研究中颞下回的PE值改变,为PD患者抑郁的病理机制提供了新的理论支持。颞下回的复杂度异常可能与PD伴随的认知、情绪障碍等抑郁症状有关,颞下回局部神经元活动异常可能导致PD患者出现抑郁症状。

       本研究中PD-Dep组右侧扣带回中部的PE值较PD-NDep组增高,左侧前扣带回PE值较HCs组减低。扣带回负责注意力和情感信息的整合,与认知控制和情感行为相关[37, 38],作为构成边缘系统的重要组成部分其神经元损伤会导致PD神经精神症状的出现[39, 40]。扣带回PE的改变可能是由于PD神经退行性改变所导致相应脑区损伤,引起大脑处理情感信息的能力改变产生抑郁症状,抑郁症状产生后相关脑区静息态脑活动增强以维持患者的注意力及情绪管理功能,由此我们推测这些脑区的复杂度改变可能是一种代偿机制[28],其复杂度改变可能对应神经元网络受损的不同阶段。前扣带回损伤会影响神经系统条件反射的能力,使情绪控制能力下降,引起PD的抑郁症状,其PE值减低提示PD-Dep患者脑区活动的复杂性降低。在本研究中左侧前扣带回熵值的降低可能意味着损伤已超过了可代偿范围,系统平衡无法继续维持,相应损伤脑区信息处理能力减弱,同时导致大脑处理各种传入和传出信息的灵活性较低,继而出现抑郁症状。Wang等[25]的研究也证实了神经元损伤会引起大脑复杂度的减低。在本研究中还发现PD-Dep组PE值较PD-NDep组升高,表明在可代偿的范围内,右侧扣带回中部熵值增高可能是损伤后大脑功能的维持,通过代偿提高信息处理的能力,增加静息态脑活动,但目前仍需进一步的研究来探索其相关机制。与此同时,右侧扣带回中部与HAMD评分之间的相关性分析表明随着大脑活动复杂性的增加,症状严重程度增加。值得注意的是,有研究发现原发性抑郁症患者前扣带回ALFF较HCs升高[41],表明局部脑区神经元自发性活动亢进,研究得出的结论不一致的原因可能是本研究中PD-Dep患者年龄较大,后续研究中应进一步分析前扣带回PE值减低是由于PD神经元退行性改变引起局部脑区损伤所导致,还是由于衰老引起的复杂度减低的正常后果。由此可推测前扣带回异常导致PD患者产生抑郁症状的机制与原发性抑郁症患者存在差异。多项研究[34, 42]发现由于抑郁症状的存在,扣带回存在自发活动及连接功能的异常,由于该区域功能紊乱,患者相关脑区活动复杂度发生改变,提示扣带回的功能状态可作为评估PD伴抑郁严重程度的重要生物标记。

3.3 局限性

       本研究尚存在一些局限:(1)本研究是横断面研究,样本量较小;(2)抑郁症是一种异质性疾病,PD-Dep的神经机制可能与一般人群的抑郁症不同;(3)缺乏原发性抑郁症组,PD-Dep是否与原发性抑郁症具有共同的病理生理学机制仍有待进一步探索。后续研究需要进行纵向随访观察,并通过增加样本量进一步提高我们对PD患者抑郁的神经机制的理解。在未来使用多模态MRI技术的大规模研究并结合不同的分区方案多种算法分析,进一步探索PD-Dep的发病机制。

       综上所述,PD-Dep的病理生理起源非常复杂,涉及多个神经递质系统和广泛的大脑区域。采用PE分析HCs、PD-NDep组及PD-Dep组的fMRI数据的复杂度得到局部差异脑区,一定程度上反映了其病理机制的复杂性,表明PE可以作为研究PD伴抑郁患者大脑复杂度的一种新方法,同时为疾病辅助诊断、病情评估及治疗提供参考。

[1]
Mason AR, Ziemann A, Finkbeiner S. Targeting the low-hanging fruit of neurodegeneration[J]. Neurology, 2014, 83(16): 1470-1473. DOI: 10.1212/WNL.0000000000000894.
[2]
Even C, Weintraub D. Is depression in Parkinson's disease (PD) a specific entity?[J]. J Affect Disord, 2012, 139(2): 103-112. DOI: 10.1016/j.jad.2011.07.002.
[3]
van der Hoek TC, Bus BA, Matui P, et al. Prevalence of depression in Parkinson's disease: effects of disease stage, motor subtype and gender[J]. J Neurol Sci, 2011, 310(1/2): 220-224. DOI: 10.1016/j.jns.2011.07.007.
[4]
Ni HJ, Song ZJ, Liang L, et al. Decreased resting-state functional complexity in elderly with subjective cognitive decline[J]. Entropy (Basel), 2021, 23(12): 1591. DOI: 10.3390/e23121591.
[5]
Aftanas LI, Lotova NV, Koshkarov VI, et al. Non-linear analysis of emotion EEG: calculation of Kolmogorov entropy and the principal Lyapunov exponent[J]. Neurosci Lett, 1997, 226(1): 13-16. DOI: 10.1016/s0304-3940(97)00232-2.
[6]
Shannon CE. The mathematical theory of communication. 1963[J]. MD Comput, 1997, 14(4): 306-317.
[7]
Ouyang GX, Li J, Liu XZ, et al. Dynamic characteristics of absence EEG recordings with multiscale permutation entropy analysis[J]. Epilepsy Res, 2013, 104(3): 246-252. DOI: 10.1016/j.eplepsyres.2012.11.003.
[8]
Ferlazzo E, Mammone N, Cianci V, et al. Permutation entropy of scalp EEG: a tool to investigate epilepsies: suggestions from absence epilepsies[J]. Clin Neurophysiol, 2014, 125(1): 13-20. DOI: 10.1016/j.clinph.2013.06.023.
[9]
Shi L, Beaty RE, Chen QL, et al. Brain entropy is associated with divergent thinking[J]. Cereb Cortex, 2020, 30(2): 708-717. DOI: 10.1093/cercor/bhz120.
[10]
Li K, Zhao H, Li CM, et al. The relationship between side of onset and cerebral regional homogeneity in Parkinson's disease: a resting-state fMRI study[J/OL]. Parkinsons Dis, 2020 [2022-03-01]. https://www.hindawi.com/journals/pd/2020/5146253/. DOI: 10.1155/2020/5146253.
[11]
Liao HY, Yi JY, Cai SN, et al. Changes in degree centrality of network nodes in different frequency bands in Parkinson's disease with depression and without depression[J/OL]. Front Neurosci, 2021 [2022-03-01]. https://frontiersin.yncjkj.com/articles/10.3389/fnins.2021.638554/full. DOI: 10.3389/fnins.2021.638554.
[12]
中华医学会神经病学分会帕金森病及运动障碍学组, 中国医师协会神经内科医师分会帕金森病及运动障碍专业委员会. 中国帕金森病的诊断标准(2016 版)[J]. 中华神经科杂志, 2016, 49(4): 268‐271. DOI: 10.3760/cma.j.issn.1006‐7876.2016.04.002.
Parkinson's Disease and Movement Disorders Study Group, Neurology Branch of Chinese Medical Association, Parkinson's disease and Movement Disorders Professional Committee of neurophysicians branch of Chinese Medical Association. Diagnostic criteria of Parkinson's disease in China[J]. Chin J Urol, 2016, 49(4): 268‐271. DOI: 10.3760/cma.j.issn.1006‐7876.2016.04.002.
[13]
Starkstein S, Dragovic M, Jorge R, et al. Diagnostic criteria for depression in Parkinson's disease: a study of symptom patterns using latent class analysis[J]. Mov Disord, 2011, 26(12): 2239-2245. DOI: 10.1002/mds.23836.
[14]
Bandt C, Pompe B. Permutation entropy: a natural complexity measure for time series[J/OL]. Phys Rev Lett, 2002 [2022-03-01]. https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.88.174102. DOI: 10.1103/PhysRevLett.88.174102.
[15]
Lo Giudice M, Varone G, Ieracitano C, et al. Permutation entropy-based interpretability of convolutional neural network models for interictal EEG discrimination of subjects with epileptic seizures vs. psychogenic non-epileptic seizures[J]. Entropy (Basel), 2022, 24(1): 102. DOI: 10.3390/e24010102.
[16]
Yan CG, Zang YF. DPARSF: a MATLAB toolbox for "pipeline" data analysis of resting-state fMRI[J]. Front Syst Neurosci, 2010, 4: 13. DOI: 10.3389/fnsys.2010.00013.
[17]
Tzourio-Mazoyer N, Landeau B, Papathanassiou D, et al. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain[J]. Neuroimage, 2002, 15(1): 273-289. DOI: 10.1006/nimg.2001.0978.
[18]
Zhou MH, Jiang WY, Zhong D, et al. Resting-state brain entropy in right temporal lobe epilepsy and its relationship with alertness[J]. Brain Behav, 2019, 9(11): e01446. DOI: 10.1002/brb3.1446.
[19]
Zanin M, Zunino L, Rosso OA, et al. Permutation entropy and its main biomedical and econophysics applications: a review[J]. Entropy, 2012, 14(8): 1553-1577. DOI: 10.3390/e14081553.
[20]
Pincus SM. Approximate entropy as a measure of system complexity[J]. Proc Natl Acad Sci USA, 1991, 88(6): 2297-2301. DOI: 10.1073/pnas.88.6.2297.
[21]
Richman JS, Moorman JR. Physiological time-series analysis using approximate entropy and sample entropy[J]. Am J Physiol Heart Circ Physiol, 2000, 278(6): H2039-H2049. DOI: 10.1152/ajpheart.2000.278.6.H2039.
[22]
Li J, Yan JQ, Liu XZ, et al. Using permutation entropy to measure the changes in EEG signals during absence seizures[J]. Entropy, 2014, 16(6): 3049-3061. DOI: 10.3390/e16063049.
[23]
Xiang J, Tan Y, Niu Y, et al. Analysis of functional MRI signal complexity based on permutation fuzzy entropy in bipolar disorder[J]. Neuroreport, 2021, 32(6): 465-471. DOI: 10.1097/WNR.0000000000001617.
[24]
Wohlschläger A, Karne H, Jordan D, et al. Spectral dynamics of resting state fMRI within the ventral tegmental area and dorsal raphe nuclei in medication-free major depressive disorder in young adults[J]. Front Psychiatry, 2018, 9: 163. DOI: 10.3389/fpsyt.2018.00163.
[25]
Wang B, Niu Y, Miao LW, et al. Decreased complexity in Alzheimer's disease: resting-state fMRI evidence of brain entropy mapping[J]. Front Aging Neurosci, 2017, 9: 378. DOI: 10.3389/fnagi.2017.00378.
[26]
Lee H, Huang ZR, Liu XL, et al. Topographic reconfiguration of local and shared information in anesthetic-induced unconsciousness[J]. Entropy (Basel), 2018, 20(7): 518. DOI: 10.3390/e20070518.
[27]
Chang D, Song DH, Zhang J, et al. Caffeine caused a widespread increase of resting brain entropy[J]. Sci Rep, 2018, 8(1): 2700. DOI: 10.1038/s41598-018-21008-6.
[28]
Xue SW, Yu QB, Guo YH, et al. Resting-state brain entropy in schizophrenia[J]. Compr Psychiatry, 2019, 89: 16-21. DOI: 10.1016/j.comppsych.2018.11.015.
[29]
Grotheer M, Jeska B, Grill-Spector K. A preference for mathematical processing outweighs the selectivity for Arabic numbers in the inferior temporal gyrus[J]. NeuroImage, 2018, 175: 188-200. DOI: 10.1016/j.neuroimage.2018.03.064.
[30]
Teo R, Dhanasekaran P, Tay SH, et al. Mathematical processing is affected by daily but not cumulative glucocorticoid dose in patients with systemic lupus erythematosus[J]. Rheumatology (Oxford), 2020, 59(9): 2534-2543. DOI: 10.1093/rheumatology/keaa002.
[31]
Olson IR, Plotzker A, Ezzyat Y. The Enigmatic temporal pole: a review of findings on social and emotional processing[J]. Brain, 2007, 130(Pt 7): 1718-1731. DOI: 10.1093/brain/awm052.
[32]
Li W, Cui HR, Zhu ZP, et al. Aberrant functional connectivity between the amygdala and the temporal pole in drug-free generalized anxiety disorder[J]. Front Hum Neurosci, 2016, 10: 549. DOI: 10.3389/fnhum.2016.00549.
[33]
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.
[34]
Qiu YH, Huang ZH, Gao YY, et al. Alterations in intrinsic functional networks in Parkinson's disease patients with depression: a resting-state functional magnetic resonance imaging study[J]. CNS Neurosci Ther, 2021, 27(3): 289-298. DOI: 10.1111/cns.13467.
[35]
Braak H, del Tredici K, Rüb U, et al. Staging of brain pathology related to sporadic Parkinson's disease[J]. Neurobiol Aging, 2003, 24(2): 197-211. DOI: 10.1016/s0197-4580(02)00065-9.
[36]
Shao XJ, Zhu G. Associations among monoamine neurotransmitter pathways, personality traits, and major depressive disorder[J]. Front Psychiatry, 2020, 11: 381. DOI: 10.3389/fpsyt.2020.00381.
[37]
Zhang YY, Cui XL, Ou YP, et al. Differentiating melancholic and non-melancholic major depressive disorder using fractional amplitude of low-frequency fluctuations[J]. Front Psychiatry, 2021, 12: 763770. DOI: 10.3389/fpsyt.2021.763770.
[38]
邱晶, 王碧馨, 王蕾, 等. 首发抑郁症患者静息态脑功能局部一致性研究[J]. 磁共振成像, 2020, 11(9): 721-725. DOI: 10.12015/issn.1674-8034.2020.09.001.
Qiu J, Wang BX, Wang L, et al. Research on regional homogeneity of resting state functional magnetic resonance imaging in first-episode depressive disorder patients[J]. Chin J Magn Reson Imaging, 2020, 11(9): 721-725. DOI: 10.12015/issn.1674-8034.2020.09.001.
[39]
Uhr L, Tsolaki E, Pouratian N. Diffusion tensor imaging correlates of depressive symptoms in Parkinson disease[J]. J Comp Neurol, 2022, 530(10): 1729-1738. DOI: 10.1002/cne.25310.
[40]
Nakano T, Kajiyama Y, Revankar GS, et al. Neural networks associated with quality of life in patients with Parkinson's disease[J]. Parkinsonism Relat Disord, 2021, 89: 6-12. DOI: 10.1016/j.parkreldis.2021.06.007.
[41]
Sun JF, Chen LM, He JK, et al. Altered brain function in first-episode and recurrent depression: a resting-state functional magnetic resonance imaging study[J]. Front Neurosci, 2022, 16: 876121. DOI: 10.3389/fnins.2022.876121.
[42]
Zhang XL, Cao X, Xue C, et al. Aberrant functional connectivity and activity in Parkinson's disease and comorbidity with depression based on radiomic analysis[J]. Brain Behav, 2021, 11(5): e02103. DOI: 10.1002/brb3.2103.

上一篇 额颞叶和小脑及感觉运动区局部的度中心度值异常与帕金森患者冻结步态有关
下一篇 T2WI-Dixon序列在杜氏肌营养不良症患者肌肉脂肪浸润和水肿评价中的应用价值研究
  
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