IT / 文献库

PAPER 124 / CLOSE READING

Functional organization of the fusiform gyrus revealed with connectivity profiles

语义审核:fail · 图表审核:pass

本文目录 (Table of Contents)
  1. 研究背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 图注解读
    1. 图 1 · 梭状回内 fMRI 信号质量核验
    2. 图 2 · 个体空间的梭状回罩示例
    3. 图 3 · 聚类数选择的跨验证一致性
    4. 图 4 · 三分区方案的最大概率图与个体差异
    5. 图 5 · 全脑解剖连接的概率群体图
    6. 图 6 · 三个亚区的全脑静息态功能连接图
    7. 图 7 · 与十个功能子网络的连接指纹
  6. 讨论
  7. 一句话总结

该研究利用弥散张量成像(DTI)的概率纤维追踪连接谱,对人类梭状回(fusiform gyrus, FG)进行数据驱动的解剖亚区分割,并结合全脑静息态功能连接(rsFC)及十个经典功能子网络表征各亚区的功能角色。研究将梭状回划分为内侧部(FGm)、外侧部(FGl)与前部(FGa)三个亚区,揭示了腹侧颞叶皮层在后-前方向(视觉到高级语义表征)与内-外方向(低级视觉向范畴特异性识别转换)上的功能组织梯度。

研究背景

梭状回位于腹侧枕颞叶皮层中央,是腹侧视觉通路的组成部分,参与面孔识别、肢体表征、物体识别及文字正字法加工。既往任务态功能磁共振研究在梭状回内定位了多个功能特化区,如梭状回面孔区(FFA)、梭状回身体区(FBA)以及视觉词形区(VWFA)。然而,这些范畴选择性区域主要集中在外侧及后中部梭状回,整段梭状回的全局组织构型尚未完全阐明。

在解剖构筑方面,Caspers 等(2013)依据离体细胞构筑特征将后部梭状回区分为 FG1 与 FG2,Lorenz 等(2015)进一步在中部定义了 FG3 与 FG4。局部细胞构筑能反映皮层层构特征,但长程解剖连接轮廓是决定皮层区域功能交互与信息整合特性的关键因素。利用活体弥散磁共振成像建立整段梭状回的长程结构连接拓扑,并结合静息态功能网络解析功能特性,有助于在统一框架下理解局部功能模块的解剖连接基础。

研究思路

研究采用“结构连接聚类结合静息态网络验证”的两步框架。首先,基于假定同一功能亚区内部各体素与全脑其他区域的解剖连接模式具有空间相似性,采用多纤维概率追踪算法计算梭状回各体素的全脑结构连接谱,通过谱聚类确定亚区边界;采用交叉验证稳定性指标(Cramer's V)评估不同聚类簇数(k=2 至 7)的解剖一致性,并在独立的第二批数据集中进行跨中心复现验证。

随后,将聚类生成的亚区作为种子点开展两项功能分析:一是计算全脑体素级静息态功能连接(rsFC),比较各亚区在全脑皮层投影上的空间差异;二是计算各亚区与 Smith 等(2009)定义的十个全脑独立成分子网络的时间序列相关性(连接指纹),定量刻画各亚区在感知、语言及默认模式网络中的参与程度。

方法

研究包含两个独立样本:数据集 1 包含 20 名健康右利手青年受试者(男女各半,平均年龄 23.0±1.8 岁,采集于天津医科大学);数据集 2 包含 20 名健康右利手受试者(男女各半,平均年龄 18.6±0.7 岁,采集于电子科技大学)。两组均在 3 T 扫描仪上采集高分辨率 T1 结构像、DTI 及静息态 fMRI 序列。梭状回初始掩模依据 Destrieux 皮质图谱在个体灰白质界面构建,沿皮质向内外扩展 3 mm,并设定群体 50% 重叠阈值生成标准空间分析模板。

弥散数据采用 Behrens 多纤维模型,自每个种子体素投射 5000 条概率流线,基于全脑连接谱构建体素间相似度矩阵,采用谱聚类算法进行子区划分,通过计算留一法交叉验证下的 Cramer's V 值确定最优聚类数目。功能数据在预处理后(包括去除漂移、头动回归及生理噪声校正),计算种子点全脑平均时间序列的 Pearson 相关系数(Fisher z 转换,单样本与配对 t 检验,FDR 校正 P<0.05,团块≥50 体素)。提取各亚区与 10 个功能子网络的平均相关系数构建功能雷达图。此外,分析利用信号涨落噪声比(SFNR)检验梭状回内的功能成像质量。

主要结果

  1. 梭状回三分方案的可复现性:数据集 1 中 k=3 方案的 Cramer's V 聚类一致性显著高于其他簇数(图 3);数据集 2 独立复现了相同的三分空间结构(图 4A、B)。三个亚区分别为:内侧部(FGm)、外侧部(FGl)与前部(FGa)。FGm 与 FGl 大致以中梭状回沟(mid-fusiform sulcus, MFS)为界,FGa 位于两者前侧。
  2. 解剖纤维连接分布:概率纤维追踪显示各亚区主要通过下纵束(ILF)与额枕下束(IFOF)建立远距离投射(图 5)。FGm 主要投射至纹状皮层与初级纹外皮层;FGl 沿 ILF/IFOF 投射至外侧颞枕皮层;FGa 与海马旁回、前内侧颞叶及下颞叶呈现较强直接连接。前后轴向的亚区分隔主要与不同白质束的终止位置相关。
  3. 全脑静息态功能连接差异:在 SFNR 平均值大于 100 确认无明显伪影干扰的前提下(图 1),三个亚区表现出差异化的 rsFC 模式(图 6)。FGm 与初级视皮层、中央后回、颞上回及后岛叶呈现显著正连接;FGl 与顶上小叶、额中回、缘上回及外侧枕叶呈正连接;FGa 与楔前叶、颞中回及后扣带回呈显著正连接,与前岛叶及中央前回呈负相关。左侧 FGl 额外表现出与双侧额中回的双向连接,呈现语言相关偏侧化特征。
  4. 功能子网络指纹:FGm 与内侧视觉网络、枕极视觉网络及外侧视觉网络均表现出高相关(双侧 r 在 0.35–0.51 之间),并与听觉网络存在弱相关(r 约 0.26–0.32);FGl 保持与外侧视觉网络连接的同时,左侧 FGl 显著参与语言认知网络(r=0.36)与感知网络(r=0.26);FGa 主要与默认模式网络(DMN)表现出选择性正相关(双侧 r 约 0.26–0.29;图 7)。
  5. 双向功能梯度:综合连接特征,梭状回表现出沿后-前轴由视觉感知向跨模态语义认知过渡的梯度,以及沿内-外轴由低级特征表征向范畴选择性加工过渡的组织结构。

图注解读

图 1 · 梭状回内 fMRI 信号质量核验

原文图注:Figure 1. The SFNR map across the FG. The left subfigure (A) is a map of the SFNR value onto the standard brain template (MNI space) such that warmer colors indicate a higher SFNR value. The right subfigure (B) shows the distribution of the SFNR value for voxels in each FG subregion.

该图评估梭状回功能成像数据的信噪比质量:A 图将信号涨落噪声比(SFNR)投射至 MNI 空间模板,暖色代表高 SFNR;B 图展示各亚区内部体素的 SFNR 分布直方图。数据显示梭状回内部平均 SFNR 大于 100,证明静息态功能连接分析未受到局部磁敏感信号丢失的明显干扰。

Figure 1

图 2 · 个体空间的梭状回罩示例

原文图注:Figure 2. Three examples of the FG mask in individual space. The right corner shows a surface view of the defined FG template. The blue line indicates the occipito-temporal sulcus, and the green line indicates the collateral sulcus.

该图展示 3 例被试个体解剖空间中的梭状回掩模形态,右上角示意皮层表面模板边界:蓝线标记枕颞沟(外侧界),绿线标记侧副沟(内侧界)。个体化解剖边界重构保证了纤维追踪种子点贴合个体灰白质形态学轮廓。

Figure 2

图 3 · 聚类数选择的跨验证一致性

原文图注:Figure 3. Using Cramer's V as an indication of the clustering consistency (interval 0-1), where larger values indicate high consistency and "1" stands for the perfect match, we found that the three cluster solution showed a significantly higher value than other solutions. [Color figure can be viewed in the online issue, which is available at wileyonlinelibrary.com.]

该图展示不同聚类数目(k=2 至 7)下的 Cramer's V 聚类稳定性曲线。纵轴表示重采样下的空间一致性系数(0 至 1,1 为完全重合)。在 k=3 处一致性指标呈现显著峰值,为将梭状回划分为三个亚区提供了数据驱动的统计支持。

Figure 3

图 4 · 三分区方案的最大概率图与个体差异

原文图注:Figure 4. Our connectivity-based parcellation scheme of the FG. The results from Dataset 1 and Dataset 2 are presented in Figures 4A,B, respectively. The FGm refers to the medial portion of the FG (green. MNI space, −22,−57,−14 for left; 31,−57,−15 for right); the FGl refers to the lateral portion of the FG (blue. MNI space, −42,−52,−20 for left; 42,−51,−21 for right), and the FGa refers to the anterior FG (red. MNI space, −36,−32,−23 for left; 35,−33,−23 for right) …

该图展示聚类亚区的最大概率分布:A 图与 B 图分别展示数据集 1 与数据集 2 的分区结果,以绿色标记内侧部(FGm)、蓝色标记外侧部(FGl)、红色标记前部(FGa),并提供空间峰值坐标。两套独立数据集呈现出高度一致的解剖拓扑构型。

Figure 4

图 5 · 全脑解剖连接的概率群体图

原文图注:Figure 5. Population maps of the whole brain anatomical connectivity patterns from the left (A) and right (B) hemispheres. FGm (green), FGl (blue), and FGa (red). The probability fiber tracks were projected back to the anatomical MNI space and averaged for the same cluster. Two major fiber bundles, IFOF and ILF, were identified and marked. The results are displayed using MRIcron. [Color figure can be viewed in the online issue, which is available at wileyonlinelibrary.com.]

该图呈现自左右半球三个亚区追踪出的群体概率纤维通路:绿色为 FGm 投射,蓝色为 FGl 投射,红色为 FGa 投射,并标定下纵束(ILF)与额枕下束(IFOF)的主干轨迹。图像直观反映了三个亚区在长程投射终点上的分离特征。

Figure 5

图 6 · 三个亚区的全脑静息态功能连接图

原文图注:Figure 6. Spatial distribution of the whole brain rsFC patterns for the left (A) and right (B) FG subregions. Statistical parametric maps are displayed using a voxel-level statistical threshold of P < 0.05 (FDR correction) with a cluster extent threshold of 50 voxels. The blue color indicates negative correlations and the red/yellow color represents positive correlations. The result shows the distinct functional connectivity patterns of 3 FG subregions in both hemispheres.

该图展示左右半球各亚区作为种子点的全脑静息态功能连接统计参数图(FDR 校正 P<0.05,体素≥50):暖色代表正相关,冷色代表负相关。图像显示 FGm 偏向初级感觉运动皮层,FGl 偏向额顶控制与外侧视皮层,FGa 偏向颞叶与内侧额顶区域,表明结构亚区具备相异的功能连接网络。

Figure 6

图 7 · 与十个功能子网络的连接指纹

原文图注:Figure 7. The rsFC fingerprints associated with 10 functional subnetworks for the left (A) and right (B) FG subregions. The ten functional subnetworks are the: (1) medial visual areas network (MVAN), (2) occipital pole visual areas network (OPVAN), (3) lateral visual areas network (LVAN), (4) default mode network (DMN), (5) cerebellum (CN), (6) sensorimotor network (SN), (7) auditory network (AN), (8) executive control network (ECN), (9) perception network (PN), and (10) language cognition network (LCN). The quantitative reFC results for the different FG subregions with each target subnetwork are shown on the bar graphs and the tendencies of the positive connections are expressed via radar graphs …

该图展示三个亚区对十个先验功能子网络的连接谱指纹:柱状图定量显示相关系数,雷达图呈现正相关倾向分布(绿色 FGm、蓝色 FGl、红色 FGa)。结果量化支持 FGm 强关联视觉网络、左 FGl 关联语言认知网络、FGa 关联默认模式网络的功能差异。

Figure 7

讨论

作者将连接学解剖边界与离体细胞构筑图谱进行了对比:后部内侧与外侧的划分与 FG1/FG2 边界相对应,中部延伸与 FG3/FG4 的分布特征相符,且 FGm 与 FGl 的交界线在空间上紧邻中梭状回沟(MFS),这与 Weiner 等(2014)关于 MFS 作为腹侧功能分界解剖标记的观点一致。

在功能机制方面,FGl 与外侧视觉网络及前额语言区的连接特征,与其涵盖 FFA、FBA 及 VWFA 等范畴选择性模块的既往发现相符,表明这些任务特化区建立在相似的解剖连接主干之上;FGm 维持与初级枕叶及感觉运动通路的密集连接,可能承担感觉信息整合与基础视觉特征传递的中继作用;FGa 表现出与内侧颞叶及默认模式网络的强连接,符合腹侧颞前叶参与多模态概念整合与语义表征的认知模型。作者指出了研究局限:静息态 fMRI 缺乏特定知觉任务驱动,可能低估两半球在视知觉精细表征上的不对称性,未来高空间分辨率成像将有助于进一步解析纤维束在皮层层构内的细微终止点。

一句话总结

该研究基于 DTI 解剖连接谱在独立样本中将人类梭状回划分为内侧部(FGm)、外侧部(FGl)与前部(FGa)三个亚区,并通过功能子网络指纹阐释了腹侧颞叶在前后向视觉-语义表征及内外向特征-范畴整合上的解剖组织原则。

审校与证据追溯

当前来源未附审校评注。请参照上方登记状态。