基于動態(tài)低頻振幅法的青少年吸煙成癮問題研究

摘" 要：該文采用動態(tài)低頻振幅（dynamic amplitude of low frequency fluctuation，dALFF）方法探究青少年吸煙成癮者腦功能網(wǎng)絡(luò)的異常，為理解青少年吸煙成癮的機制提供新視角。通過獨立成分分析、滑動窗口法、K-means聚類方法分析青少年吸煙成癮者在默認(rèn)模式網(wǎng)絡(luò)（default mode network，DMN）、左側(cè)執(zhí)行控制網(wǎng)絡(luò)（left executive control network，LECN）、右側(cè)執(zhí)行控制網(wǎng)絡(luò)（right executive control network，RECN）和突顯網(wǎng)絡(luò)（salience network，SAN）的動態(tài)低頻振幅（dALFF）異常。同時，使用皮爾遜相關(guān)性分析評估動態(tài)指標(biāo)（時間分?jǐn)?shù)和平均停留時間）與吸煙統(tǒng)計學(xué)數(shù)據(jù)（FTND，煙齡，包年）的關(guān)系。相較于青少年健康非吸煙者，青少年吸煙成癮者在默認(rèn)模式網(wǎng)絡(luò)（DMN）、左側(cè)執(zhí)行控制網(wǎng)絡(luò)（LECN）、右側(cè)執(zhí)行控制網(wǎng)絡(luò)（RECN）和突顯網(wǎng)絡(luò)（SAN）的激活程度降低，皮爾遜相關(guān)性分析表明dALFF在狀態(tài)2時的平均停留時間和包年呈顯著正相關(guān)。吸煙成癮會導(dǎo)致青少年的部分腦功能網(wǎng)絡(luò)異常，其激活程度會降低，同時這些腦區(qū)的功能異常與吸煙者的包年存在關(guān)聯(lián)。

關(guān)鍵詞：青少年吸煙成癮；獨立成分分析；滑動窗口；K-means聚類；動態(tài)低頻振幅

中圖分類號：R749.6" " " 文獻標(biāo)志碼：A" " " " " 文章編號：2095-2945（2023）19-0082-05

Abstract： The dynamic amplitude of low frequency fluctuation （dALFF） method was used to explore the abnormal brain functional network of adolescent smoking addiction， in order to provides a new perspective for understanding the mechanism of adolescent smoking addiction. Independent component analysis， sliding window method and K-means clustering method were used to analyze the dynamic amplitude of low frequency fluctuation in the default mode network （DMN）， left executive control network （LECN）， right executive control network （RECN） and salience network （SAN） of adolescent smoking addiction. At the same time， Pearson Correlation Analysis was used to assess the relationship between dynamic indicators （time scores and mean residence time） and Fagerstrom Test of Nicotine Dependence（FTND， smoking years， pack-years）. Compared with adolescent healthy non-smokers， the activation of DMN， LECN， RECN and SAN was reduced in adolescent smoking addicts. Pearson Correlation Analysis showed that the average residence time of dALFF in State2 was significantly positively correlated with pack years. Smoking addiction can lead to the abnormalities of some brain functional networks in adolescents， and the degree of activation is reduced. Meanwhile， the dysfunctions of these brain regions are associated with the pack-years of smokers.

Keywords： adolescent smoking addiction; independent component analysis; sliding window method; K-means clustering; dynamic amplitude of low frequency fluctuation （dALFF）

吸煙成癮是全世界面臨的重大公共衛(wèi)生問題，其對人類身心健康和社會穩(wěn)定造成嚴(yán)重影響。據(jù)統(tǒng)計，我國煙民數(shù)量占全球的三分之一以上[1]。一則針對青少年吸煙情況和二手煙暴露情況的研究表明，其吸煙率為13.6%，而且其二手煙暴露率為55.9%[2]。大腦功能在青少年時期日漸成熟，吸煙成癮與青春期過早使用和接觸煙草密切相關(guān)，會影響正常的神經(jīng)生物學(xué)過程，進而促進晚年的煙草依賴[3]。先前的針對靜息態(tài)大腦的吸煙成癮研究表明，吸煙成癮會導(dǎo)致多個靜息態(tài)腦網(wǎng)絡(luò)異常，并可能導(dǎo)致多個腦區(qū)的鏈接異常[4]，Wang等[5]通過低頻振幅發(fā)現(xiàn)吸煙成癮會影響自發(fā)的大腦活動，針灸對吸煙渴望有顯著性影響；薛婷等[6]通過低頻振幅百分比探究吸煙成癮對青少年腦功能的影響，發(fā)現(xiàn)在海馬旁回、顳中回和額上回的低頻振蕩振幅百分比（perAF）值顯著增加；Qiu等[7]發(fā)現(xiàn)吸煙成癮者的右側(cè)前額葉皮層/腹側(cè)紋狀體以及左側(cè)顳回的低頻振蕩振幅（ALFF）值顯著高于健康對照組。先前的研究大多是基于靜態(tài)低頻振蕩振幅研究大腦自發(fā)活動的改變，但大腦活動具有高度時變的特性，從大腦功能網(wǎng)絡(luò)層面上動態(tài)分析與吸煙成癮存在關(guān)聯(lián)性的腦區(qū)，能更深入地探究青少年吸煙成癮者在腦功能上的差異。因此，本研究采用dALFF的方法，探究青少年吸煙成癮者與青少年健康非吸煙者在DMN、LECN、RECN和SAN上的差異，同時運用皮爾遜相關(guān)性分析計算動態(tài)指標(biāo)和尼古丁測試依賴分值（FTND）、煙齡以及包年的相關(guān)性。

1" 對象與方法

1.1" 研究對象

本研究得到內(nèi)蒙古科技大學(xué)包頭醫(yī)學(xué)院第一附屬醫(yī)院醫(yī)學(xué)倫理委員會的批準(zhǔn)與監(jiān)督。納入范圍的被試均是內(nèi)蒙古科技大學(xué)的本科生，青少年吸煙成癮者和青少年健康非吸煙者均是通過網(wǎng)絡(luò)或廣告張貼招聘的。在獲悉研究流程后，全部被試均自愿簽署知情同意書。

青少年吸煙成癮者依據(jù)《美國精神疾病診斷與統(tǒng)計手冊》（第五版）中的尼古丁依賴診斷標(biāo)準(zhǔn)進行篩選，并依據(jù)FTND測試量表診斷其尼古丁依賴程度。吸煙成癮者的納入標(biāo)準(zhǔn)為：①符合《美國精神疾病診斷與統(tǒng)計手冊》對尼古丁依賴診斷的判斷標(biāo)準(zhǔn)；②FTND測試量表得分超過3；③吸煙時長超過2年，且每日吸煙支數(shù)不少于10支；④過去1年內(nèi)無戒煙行為或嘗試戒煙但不超過3個月；⑤無酒精以及任何毒品依賴史或其他成癮史（如賭博、網(wǎng)絡(luò)游戲等），無藥物依賴史。健康對照者的納入標(biāo)準(zhǔn)為：①吸煙總數(shù)小于等于3支；②同住舍友或家人無吸煙行為（排除二手煙干擾）。

納入本次研究的全部被試均符合如下標(biāo)準(zhǔn)：①均為右慣手；②醫(yī)療診斷結(jié)果顯示不存在軀體疾病；③無其他器質(zhì)性疾病，也無任何影響腦功能與結(jié)構(gòu)的疾??；④無任何精神疾病、神經(jīng)病或遺傳病史，且目前精神狀況良好；⑤無任何核磁共振掃描禁忌，如體內(nèi)因疾病安裝電子設(shè)備或磁性設(shè)備。依據(jù)上述標(biāo)準(zhǔn)共有84名被試納入本次研究范圍，全部被試的詳細(xì)人口統(tǒng)計學(xué)信息見表1。

1.2" 數(shù)據(jù)采集

全部被試的功能磁共振成像（fMRI）數(shù)據(jù)使用飛利浦公司3.0T磁共振掃描儀采集。在整個靜息態(tài)磁共振掃描過程中，已提前告知被試要閉眼且緩慢躺下，盡量放松同時保持清醒，掃描過程中可能會出現(xiàn)的不適感等注意事項。為被試者準(zhǔn)備了泡沫墊和耳塞，目的是減少被試者頭動和降低噪聲影響。掃描參數(shù)設(shè)置如下：重復(fù)時間（repetitiontime，TR）=2 000 ms；回波時間（echotime，TE）=30 ms； 數(shù)據(jù)矩陣=64×64；視野（fieldofview，F(xiàn)OV）=220 mm×220 mm，翻轉(zhuǎn)角=90°；體素大?。╲oxelsize）=1 mm3，時間序列的點數(shù)=180個。掃描結(jié)束后，詢問全部被試是否全程處于清醒狀態(tài)，并請專家對影像學(xué)數(shù)據(jù)進行采集后檢查，避免被試存在無癥狀病變。

1.3" 數(shù)據(jù)處理

在MATLAB 2014a平臺上運用Dpabi磁共振數(shù)據(jù)工具箱進行數(shù)據(jù)預(yù)處理，其具體步驟如下：①剔除前10個時間點的磁共振數(shù)據(jù)（消除因機器剛啟動、被試處于緊張情緒等因素的影響）。②時間層校正，使不同層間數(shù)據(jù)統(tǒng)一校正到相同時間點。③頭動校正，消除因被試者頭動產(chǎn)生的運動偽影（數(shù)據(jù)的頭動控制要求水平頭動小于等于2.00 mm，旋轉(zhuǎn)頭動小于等于2°）。④空間標(biāo)準(zhǔn)化，將全部圖像統(tǒng)一配準(zhǔn)到MNI標(biāo)準(zhǔn)空間，保持其空間位置上的一致；⑤高斯平滑，采用半高全寬6 mm的高斯核濾波器對圖像進行空間平滑以提高圖像信噪比。

1.4" 動態(tài)低頻振幅分析處理方法

首先，采用功能磁共振工具箱（GIFT）工具箱進行基于空間的組水平獨立成分分析，同時采用一個相對高階的模型將大腦功能網(wǎng)絡(luò)分解成100個獨立成分[8-9]。然后，從100個獨立成分中選取感興趣的獨立成分，將其劃分成4個與吸煙成癮相關(guān)的子網(wǎng)絡(luò)（DMN、LECN、RECN和SAN）。從100個獨立成分選取感興趣的獨立成分標(biāo)準(zhǔn)為：①空間分布圖上的峰值激活坐標(biāo)主要位于大腦灰質(zhì)區(qū)域；②與血管、心室和易感性偽影低空間重疊；③選取的獨立成分的時間序列處于低頻波動（頻譜中低于0.1 Hz和0.15～0.25 Hz的功率比）和高動態(tài)變化范圍的（最小功率和最大功率頻率之間的范圍差）；④挑選出來的獨立成分與DMN、LECN、RECN、SAN的空間分布相對應(yīng)。由此共挑選出27個獨立成分，通過數(shù)據(jù)反重構(gòu)算法求出各個被試的獨立成分以及與獨立成分所對應(yīng)的時間序列，計算每條時間序列的ALFF。通過滑動窗口分析法對每個獨立成分的時間序列進行動態(tài)分析，生成動態(tài)ALFF矩陣，并對生成的矩陣進行聚類分析，依據(jù)肘部法則確定最佳聚類數(shù)目為4，如圖1所示。根據(jù)聚類結(jié)果計算每一被試的動態(tài)指標(biāo)，包括：①時間分?jǐn)?shù)，即某一狀態(tài)下的時間點數(shù)目與總時間點數(shù)量的比值；②平均停留時間，即該狀態(tài)出現(xiàn)的平均時間長度。

1.5" 統(tǒng)計學(xué)方法

采用統(tǒng)計學(xué)軟件SPSS 26.0進行數(shù)據(jù)處理與分析。本研究涉及的被試者均為男性，因此未做卡方檢驗。呈正態(tài)分布的計量資料采用平均數(shù)±標(biāo)準(zhǔn)差表示，采用獨立雙樣本T檢驗對比青少年吸煙成癮者和青少年健康非吸煙者的年齡差異，以P＜0.05為差異有統(tǒng)計學(xué)意義，兩組年齡無統(tǒng)計學(xué)差異（P=0.355）。使用獨立雙樣本T檢驗比較不同聚類狀態(tài)下的顯著性組間差異，以P＜0.05為差異有統(tǒng)計學(xué)意義。采用皮爾遜相關(guān)性分析計算不同聚類狀態(tài)下的動態(tài)指標(biāo)與FTND、煙齡以及包年的相關(guān)性，以P＜0.05為差異有統(tǒng)計學(xué)意義。

2" 結(jié)果

經(jīng)過基于空間的組水平獨立成分分析，同時依據(jù)視覺和解剖等先驗知識挑選屬于DMN、LECN、RECN、SAN的獨立成分空間分布如圖2所示。

運用滑動窗口分析算法，將滑動窗口的大小設(shè)置為20 TR（40 s），因為窗口大小在30～60 s的范圍內(nèi)被證明是捕獲大腦動力學(xué)的合理選擇，并將滑動步長設(shè)置為1 TR（2 s）。每一被試的磁共振數(shù)據(jù)會被剔除前10個時間點，其時間序列長度變?yōu)?70 TR，所以每一被試的時間序列擁有的時間窗口數(shù)目為150個，而每個獨立成分的時間窗口數(shù)量與其一致。利用頻帶0.01～0.08 Hz的數(shù)據(jù)估計每個獨立成分的dALFF。首先，對每個獨立成分的時間序列進行濾波，以減少極低頻漂移和高頻噪聲的干擾；然后將時間序列采用快速傅里葉變換變換到頻域，估計其功率譜，按功率譜各頻率計算平方根，每個窗口的ALFF是通過給定頻段（0.01～0.08 Hz）的平方根得到的；最后將所有窗口的dALFF估計值拼接成一個N×W的dALFF矩陣（其中N表示獨立成分的數(shù)量，W表示滑動窗口的數(shù)量），用其表示27個獨立成分隨時間變化的dALFF。

通過K均值聚類算法并通過肘部法則將動態(tài)ALFF矩陣聚類成4種狀態(tài)。其聚類結(jié)果如圖3所示，每一列代表一個簇的聚類中心，反映了一種狀態(tài)下ALFF的激活模式，并將全部被試在某一聚類標(biāo)簽下的占比用百分比表示出來?？梢杂^察到，狀態(tài)4的ALFF激活模式相對較大，狀態(tài)1、2和3的ALFF激活模式相對較小。狀態(tài)1是第二弱的激活狀態(tài)，大部分腦區(qū)都處于相對較弱激活程度的ALFF；狀態(tài)2是中等偏弱的激活狀態(tài)，大部分腦區(qū)都處于相對中等偏弱激活程度的ALFF；狀態(tài)3是最弱激活狀態(tài)，大部分腦區(qū)的ALFF激活程度處于最??；狀態(tài)4是最強的激活狀態(tài)，大部分腦區(qū)都處于相對較強激活程度的ALFF。

圖4為不同dALFF聚類狀態(tài)下的組間差異。通過獨立雙樣本T檢驗分析，4種狀態(tài)中，每種狀態(tài)在HC健康對照組和PA吸煙成癮組中均產(chǎn)生組間差異。與HC相比，PA在弱激活狀態(tài)（狀態(tài)1=0.001 64，狀態(tài)2=0.019 77，狀態(tài)3=0.002 72）的情況更多，在強激活狀態(tài)的情況更少（狀態(tài)4=0.003 16）。

將dALFF的2種動態(tài)指標(biāo)和3個與吸煙成癮相關(guān)的統(tǒng)計學(xué)指標(biāo)（FTND、煙齡和包年）進行皮爾遜相關(guān)性分析，結(jié)果表明，在狀態(tài)2時，青少年吸煙成癮者的平均停留時間與包年呈顯著正相關(guān)性（r=0.305，p=0.049），如圖5所示，但與FTND、煙齡無顯著相關(guān)性。

3" 討論

低頻振蕩振幅（ALFF）由Zang等[10]提出，其通過計算被試者一段時間內(nèi)的血氧水平依賴（Blood Oxygenation Level Dependent，BOLD）信號偏離基線的平均幅度值，可以刻畫一段時間內(nèi)大腦局部自發(fā)活動的強度變化。先前針對吸煙成癮的研究大部分是基于靜態(tài)的ALFF，但大腦的自發(fā)活動在時間維度上是動態(tài)變化的。因此，本研究采用dALFF的方法，通過滑動窗口技術(shù)捕捉大腦在短時間內(nèi)的ALFF隨時間變化信息，并通過組成分獨立分析和K均值聚類分析，探討dALFF在DMN、LECN、RECN和SAN中重復(fù)出現(xiàn)的狀態(tài)，并對青少年吸煙成癮者在不同狀態(tài)下的大腦功能網(wǎng)絡(luò)是否存在異常進行研究[11]。

默認(rèn)模式網(wǎng)絡(luò)（DMN）主要包括后扣帶皮層、內(nèi)側(cè)前額葉皮層和外側(cè)頂葉皮層，DMN在個體處于休息狀態(tài)時更活躍，但在執(zhí)行認(rèn)知任務(wù)時會短暫出現(xiàn)負(fù)激活狀態(tài)，即激活程度降低。執(zhí)行控制網(wǎng)絡(luò)（ECN）主要包括背側(cè)前額葉皮層和后頂葉皮層，左側(cè)執(zhí)行控制網(wǎng)絡(luò)（LECN）和右側(cè)執(zhí)行控制網(wǎng)絡(luò)（RECN）均屬于該網(wǎng)絡(luò)，ECN在需要執(zhí)行認(rèn)知控制、工作記憶等高級認(rèn)知任務(wù)時更活躍，主要功能包括活動抑制，軀體感知覺和痛覺的處理[4]。突顯網(wǎng)絡(luò)（SAN）主要包括背前扣帶皮層、雙側(cè)島葉和前輔助運動區(qū)，SAN在執(zhí)行認(rèn)知任務(wù)時更活躍，與ECN均是任務(wù)正激活網(wǎng)絡(luò)[12]。其是大腦實現(xiàn)信息處理、情感認(rèn)知等功能的重要腦網(wǎng)絡(luò)，負(fù)責(zé)整合不同類型的感覺信息，調(diào)節(jié)大腦網(wǎng)絡(luò)的內(nèi)部與外部處理的切換，并讓相應(yīng)的大腦功能區(qū)域?qū)ι窠?jīng)刺激做出適當(dāng)?shù)姆磻?yīng)[13]。先前的靜息態(tài)研究表明，吸煙成癮者上述3個腦網(wǎng)絡(luò)較健康非吸煙者激活程度下降，當(dāng)對尼古丁這一物質(zhì)成癮時，其可能提升大腦執(zhí)行認(rèn)知任務(wù)時的整體注意力，從而導(dǎo)致DMN的活性降低，而SAN和ECN會受到尼古丁依賴的負(fù)面影響，從而導(dǎo)致網(wǎng)絡(luò)內(nèi)激活程度的降低[14-15]。

研究結(jié)果表明，與青少年健康非吸煙者相比，青少年吸煙成癮者在靜息狀態(tài)下的默認(rèn)模式網(wǎng)絡(luò)（DMN）、執(zhí)行控制網(wǎng)絡(luò)（ECN）和突顯網(wǎng)絡(luò)（SAN）中的dALFF激活程度發(fā)生改變，即激活程度降低（圖3），青少年吸煙成癮者在弱激活狀態(tài)的占比更高，而在相對較強的激活狀態(tài)占比低。通過皮爾遜分析可知，狀態(tài)2的平均停留時間和包年呈顯著正相關(guān)性，這表明隨著包年的增加（即吸煙成癮程度增加），在激活程度相對較弱的狀態(tài)2的平均停留時間越久（圖5）。這表明，吸煙成癮會導(dǎo)致青少年腦網(wǎng)絡(luò)功能的改變，導(dǎo)致其部分腦網(wǎng)絡(luò)的激活程度降低。本項研究結(jié)果有助于深入了解青少年吸煙成癮的神經(jīng)生物學(xué)機制，并對未來指導(dǎo)青少年戒煙提供了科學(xué)依據(jù)。

本研究還存在一定的局限性。首先，本研究參與的被試者數(shù)量相對較少，還應(yīng)擴大被試者范圍以驗證實驗結(jié)果；其次，本研究參與的被試者皆為青少年男性，青少年女性吸煙成癮者是否適用本研究實驗結(jié)果尚未可知。未來，應(yīng)在更大范圍的青少年吸煙成癮群體中展開研究，并增加青少年女性吸煙成癮者作為被試對象，進一步探究青少年吸煙成癮機制。

參考文獻：

[1] CHEN Z， PETO R， ZHOU M， et al. Contrasting male and female trends in tobacco-attributed mortality in China： evidence from successive nationwide prospective cohort studies[J]. The Lancet， 2015，386（10002）：1447-1456.

[2] XI B， LIANG Y， LIU Y， et al. Tobacco use and second-hand smoke exposure in young adolescents aged 12-15 years： data from 68 low-income and middle-income countries[J]. The Lancet Global Health， 2016，4（11）：e795-e805.

[3] MORALES A M， GHAHREMANI D， KOHNO M， et al. Cigarette exposure， dependence， and craving are related to insula thickness in young adult smokers[J]. Neuropsychopharmacology， 2014，39（8）：1816-1822.

[4] 張勇，李顏良，程敬亮，等.長期吸煙人群靜息態(tài)腦網(wǎng)絡(luò)異常的功能磁共振評價[J].中華醫(yī)學(xué)雜志，2017，97（47）：3724-3728.

[5] WANG Y Y， LIU Z， CHEN F， et al. Effects of acupuncture on craving after tobacco cessation： a resting-state fMRI study based on the fractional amplitude of low-frequency fluctuation[J]. Quantitative Imaging in Medicine and Surgery， 2019，9（6）：1118.

[6] 薛婷，陶占龍，李明昕，等.吸煙成癮青少年大腦靜息態(tài)低頻振蕩振幅百分比變化[J].中華行為醫(yī)學(xué)與腦科學(xué)雜志，2020，29（11）：1020-1024.

[7] QIU X， HAN X， WANG Y， et al. Interaction between smoking and internet gaming disorder on spontaneous brain activity[J]. Frontiers in Psychiatry， 2020，11：586114.

[8] MALHI G S， DAS P， OUTHRED T， et al. Resting-state neural network disturbances that underpin the emergence of emotional symptoms in adolescent girls： resting-state fMRI study[J]. The British Journal of Psychiatry， 2019，215（3）：545-551.

[9] LI G， ZHOU L， CHEN Z， et al. Dynamic functional connectivity impairments in idiopathic rapid eye movement sleep behavior disorder[J]. Parkinsonism amp; Related Disorders， 2020，79：11-17.

[10] ZANG Y F， HE Y， ZHU C Z， et al. Altered baseline brain activity in children with ADHD revealed by resting-state functional MRI[J]. Brain and Development， 2007，29（2）：83-91.

[11] FU Z， TU Y， DI X， et al. Characterizing dynamic amplitude of low-frequency fluctuation and its relationship with dynamic functional connectivity： an application to schizophrenia[J]. Neuroimage， 2018，180：619-631.

[12] 許珂，張勇，程敬亮，等.不同程度尼古丁依賴者的動態(tài)功能網(wǎng)絡(luò)連接研究[J].臨床放射學(xué)雜志，2021，40（7）：1256-1261.

[13] 黃歡，王惠玲，周媛，等.精神分裂癥患者腦靜息態(tài)默認(rèn)網(wǎng)絡(luò)和中心執(zhí)行網(wǎng)絡(luò)及突顯網(wǎng)絡(luò)關(guān)系的初步探討[J].中華精神科雜志，2015，48（3）：175-181.

[14] WEILAND B J， SABBINENI A， CALHOUN V D， et al. Reduced executive and default network functional connectivity in cigarette smokers[J]. Human brain mapping， 2015，36（3）：872-882.

[15] LIAO W， LI J， JI G J， et al. Endless fluctuations： temporal dynamics of the amplitude of low frequency fluctuations[J]. IEEE Transactions on Medical Imaging， 2019，38（11）：2523-2532.

基金項目：內(nèi)蒙古自治區(qū)自然科學(xué)基金項目（2021MS08014）

第一作者簡介：隋文禹（1996-），男，碩士研究生。研究方向為醫(yī)學(xué)圖像處理。

*通信作者：薛婷（1982-），女，博士，副教授。研究方向為醫(yī)學(xué)圖像處理，神經(jīng)影像數(shù)據(jù)分析。