专栏首页思影科技利用健康大脑的经颅磁刺激识别能够预测中风后语言能力是否异常的大脑损伤区域

利用健康大脑的经颅磁刺激识别能够预测中风后语言能力是否异常的大脑损伤区域

伦敦大学学院神经病学研究所(Instituteof Neurology, UCL)的DietgoL. Lorca-Puls等人在BRAIN期刊上发表的一项研究使用了经颅磁刺激仪(TMS)和未损伤的大脑来进行“功能定位”,并对中风后语言功能进行预测。该研究表示,他们的分类准确率比使用fMRI或者未使用“功能定位”的TMS刺激的方法的分类准确率更高。

Introduction

前人对正常人经颅磁刺激(TMS)的研究报道称,对在左前缘上回leftsupramarginal gyrus (SMG)或左额下回岛盖部 parsopercularis of the left inferior frontal gyrus(pOp)的经颅磁刺激可以瞬时影响大脑处理语音任务(两个单词是否听起来一样?)甚于处理语义任务(两个单词意思是否一样?),表现为响应时间显著减慢。因此本文假设:如果SMG与pOp脑区对语音任务非常重要,那么由于中风对该脑区造成的损伤也会使语音任务能力受到影响,除非其他脑区(如右侧该脑区)可以进行补偿。此外如果本文的研究发现中风患者的病变脑区中包含了在前人TMS和fMRI研究中负责语音任务的脑区,且患者也出现了语音任务的异常,那么利用TMS和fMRI识别病变脑区就可以预测中风患者的症状。

本文研究的TMS刺激区域,分别基于TMS的功能定位(Goughet al., 2005; Sliwinska et al., 2015)和以fMRI研究中峰值激活区域为中心的TMS位点(Hartwigsen等人,2010a,b)为ROI。这是因为基于TMS的功能定位显示对TMS最敏感的部位不一定对应于功能性MRI研究中的峰值激活位点。例如,Gough等对TMS功能定位的pOp位点坐标为(52,16,8),Devlin等对pOp激活峰值点坐标为(50,6,24),两点之间的欧几里德距离为19mm。此外,Sliwinska等对TMSSMG位点的功能定位坐标为(52,34,30),而Devlin等报道的SMG激活峰值坐标为(42,40,46),两点之间的欧几里德距离为20mm。相比之下,Hartwigsen等报道的没有用功能定位所得TMS位点(pOp:47,6,21,SMG:45,39,45)与Devlin等的fMRI研究中报道的几乎相同。

与前人研究研究相比,本文不仅通过使用功能定位的TMS研究中确定的SMG和/或pOp位点的中风损伤以及其损伤持续性是否会损害执行语音处理任务的能力,还研究了(i)语音任务是否比语义任务受到更严重的影响;(ii)利用不同位置的TMS位点解释语音处理能力受损的患者;(iii)当用不同位置TMS位点区分患者亚组时如何控制病变大小。

Methods

1. 被试

本文研究对象是288名左半球中风至少1年的右利手英语母语成人,并将其分为3组:

Sample1:154人,左半球中风发作时间1-5年,以研究对不同ROI的持续性损害是否与语音障碍有关;以及不同ROI的分类准确率。并将组1分为两个亚组,Sample1A(23人)为诊断为语音障碍的患者,Sample1B(32人)为大脑中病变区域与1A相近,但并没有语音障碍的患者,以研究不同ROIs的病变程度与语音障碍的联系。

Sample2:108人,与组1不同的是该组被试左半球中风发作时间均超过5年,用来验证组1确定的“病变区域-语音障碍”模式。

Sample3:42人,未达到组1筛选标准,与组2重复16人。

2. 任务设计

(1)CAT任务分类介绍:作为CAT评估的一部分,计算每位患者完成各项任务的总分,为了便于比较各项任务,CAT的标准化程序将这些原始分数转换为T分数。

CATnon-word reading task:给被试呈现五个无意义的单词(例如fask),一次一个,并伴随令被试朗读的指令。立即正确回答得2分;给出了不正确的回答得0分;自我纠正或延迟(>5秒)后给出正确答案得1分。T分数≤56为受损。

CATdigit span task:给被试播放一串数字,然后让其重复听到的内容。共六个渐进难度级,从两个数字开始到七个数字。总分数为成功重复的数字串的最大长度的位数乘以2。T分数≤50为受损。

CATwriting heard words task:给被试播放五个词(一次一个)令被试写。测试单词包括一个具体的单词“man”,不规则的单词“yacht”,抽象的单词“idea”,形态上复杂的词“undrinkable”,和编造的单词“blosh”。如果被试写下的单词位置正确那么每一个单词的1分。替换,遗漏和错位则该单词得0分。如果被试的答案中添加了一个或多个字母,则从总分中扣除一分。T分数≤57为受损。

CATvisual word-to-picture matching task:给被试展示四幅图片和一个单词,由被试选择与词义一致的图片。共测15组,此外用一组单词在最开始给被试练习。该任务的评分与non-wordreading task中使用的评分系统相同。T分数≤53为受损。

CATauditory word-to-picture matching task:给被试展示四幅图片并播放一个单词,由被试选择与词义一致的图片。共测15组,此外用一组单词在最开始给被试练习。该任务的评分与non-wordreading task中使用的评分系统相同。T分数≤51为受损。

CATsemantic associations task:给被试展示五幅图片。被试从其余四幅图像(例如手,袜子,球衣和灯塔)中选出与居中图像(例如手套)语义最相关的一幅。共测10组,此外用一组单词在最开始给被试练习。正确回答得1分,错误回答得0分。T分数≤47为受损。

(2)为了独立于语义处理能力来评估语音处理能力,从上述CAT的测试中选出对语义处理要求最低的语音处理任务:‘non-wordreading’,‘non-word repetition’,‘digitspan’。图1显示了Sample3中的42名患者在三组CAT测试以单独或组合形式的得分和在TMS测试中的得分的相关结果,其中与TMS语音任务最强相关的CAT测试为‘non-word reading’[r(40)=0.64],和‘non-wordreading’与‘digit span’的组合[r(40)=0.62]。此外这两个测试得分与TMS语音测试的相关也强于与TMS语义测试的相关(z= 2.89,P= 0.004;z= 3.00,P= 0.003)。

图1六类CAT任务得分与TMS语音任务得分的相关

(3)本文的任务设计选择了‘non-wordreading’与‘digit span’的组合测试做后续的研究,这是为了(i)语音处理受损应该同时影响患者在CAT和TMS两个测试的结果;(ii)从非声学层面(例如视觉感知/正交处理水平)可能产生非字读数而不是数字跨度的损害。最后,为了评估语音处理障碍是否处于公开或隐蔽的语言生产水平,还会报告写作任务的结果,要求患者默写下他们听到的话(附图1)。

附图1任务设计

3. ROIs from prior TMS and functionalMRI studies

如图2A示黄色和浅蓝色小球,由TMS功能位点确定的ROI的MNI中心坐标为(半径为5mm,体积为0.5cm3的球):SMG(-52, -34, 30),pOp (-52,16,8)(Goughet al. 2005; Sliwinska et al. 2015)。ROI的半径选为5mm是由于TMS的预期空间分辨率被认为是5-10mm的数量级)(Brasil-Netoet al. 1992a,b; Wilson et al. 1993; Ravazzani et al.1996; Thielscher, Kammer et al.2002)。

如图2B示黄色和浅蓝色小球,基于fMRI研究确定的ROI中心点坐标为:SMG[(-57, -21, 39); (-42, -40, 46); (-54, -36, 40);平均值=(-51,-32,42)],结果来自Booth et al. (2002),Devlinet al. (2003)和Seghieret al. (2004)。pOp [(-58, 5, 13); (-50, 6, 24); (-57, 9, 24); (-41, 3, 20); mean = (-52, 6,20)]来自McDermottet al.(2003),Devlinet al.(2003),Gitelmanet al.(2005)和Simardet al.(2013)。McDermott et al(2003)和Seghieret al.(2004)。使用tal2icbm将Talairach空间坐标转换为MNI空间(Lancasteret al. 2007)。

4. ROIs from data-driven analyses

为了研究脑区病变与否是否造成了语音能力的损伤,圈定了四类ROI:

(1)TMS-guidedregions:如图2A的蓝色和红色区域,基于Sample1中既在TMS位点SMG和pOp的ROI球处观察到病变,且患有语音障碍的被试的病灶重叠图(LOMs,附图2示例)。

(2)fMRI-guided regions:如图2C的蓝色和红色区域,与TMS-guided regions类似的确定方法,此外还包括了Sample1中在上述基于fMRI研究确定的平均MNI坐标为中心的ROI球处有病变的被试的LOMs。

(3)unguided-LOMregion:如图2B的紫色区域,来自Sample1A中23个患者(只有语音而没有语义障碍)的LOMs,该分析的目的是确定在患者常见的损伤脑区是否同样可以预测语音障碍。

(4)VLSMregion:如图2B的绿色区域,基于单变量VLSM分析(Bateset al. 2003; Rorden et al. 2007),Sample1A有语音但没有语义障碍的23名患者较Sample1B中不符合语音障碍标准的32例患者(样本1B)的病变频率显着更大的体素。

图2六类ROI脑区图

附图2Lesion overlap maps

5. 脑区是否受损的阈值分析

判定上述所有脑区的受损程度(100%至0%)。最后选出每个脑区在判定Sample1A,1B中是否存在语音能力障碍的受损程度。以受损程度为阈值作为正,负标签,计算分类准确度,灵敏度,特异性和比值比(Altman& Bland,1994a,b;Bland & Altman,2000;Glas et al. 2003)。最后确定的阈值为具有最高比值比的受损程度。

6. 其他分析

确定了六类脑区及其临界损伤阈值后,比较了各脑区的分类精度(使用比值比)。此外还比较了语音和语义测试中损伤的发生率和严重程度。行为学的统计分析由SPSSStatistics for Windows版本22.0(Armonk,NY:IBMCorp)完成。不同区域的预测值间的比较由R包“DTComPair”(Stockand Hielscher,2014)完成。

Results

1. 六类脑区的分类结果

六类脑区(TMS,fMRI, TMS-guided, fMRI-guided, unguided-LOM, VLSM)的损伤程度的最优阈值分别为:80 %,80%,80%,90%,90%和70%(table1)。当ROI的损害程度大于等于该脑区对应的阈值时,定为“受损”。

对是否患有“语音障碍”的患者进行分类时,指的是non-wordreading和digitspan CAT任务得分均达到受损标准,参照上述CAT任务对应的T分数。语音障碍的严重程度是non-wordreading和digitspan CAT任务得分的平均T分数。

table1.每类ROI的分类准确率

n 代表每个分析对应的被试人数:55表示来自Samples1A,1B;154 表示所有Sample1的被试(中风后1-5年);108表示所有Sample2的被试(中风后大于5年)。PPV/NPV表示对被试的正负预测值。

2. TMS-guided脑区受损对CATwriting heard words task的影响情况

正如作者预期的那样,TMS-guidedregions损伤对患者完成语音任务和完成有语音处理参与的默写任务均造成影响,然而non-wordreading和digitspan的结合任务总体得分远低于writingheard words任务的总体得分(table4, table5,得分越低受损程度越高),这可能是由于对单词语义的熟悉降低了被试对语音处理的要求。

3. TMS-guided脑区受损对语义任务的影响情况

更重要的是,TMS-guidedregions损伤的患者完成对语音要求高的任务比对语义要求高的任务表现更差(table4,table5)。且两种任务得分的差异显著大于那些TMS-guidedregions没有损伤的患者(损伤程度低于阈值)(table5)。这说明TMS-guidedregions里SMG或pOp区域损伤的患者在语义和语音处理能力的差异不仅仅是由于任务的难度差异,还受到区域损伤程度的影响。

Table.4Functional impairments after damage to the TMS-guided SMG or pOp regions

Table.5 Statistical analyses

4. SMG和pOp区域受损对患者能力影响的差异情况

在匹配病变大小后,比较了TMS-guidedregions内SMG区域受损(8人)和pOp区域受损(13人)的所有27个CAT子检测的得分(table3)。Bonferroni校正多次比较后,CAT得分异常的发生率或严重程度无统计学差异(附图3)。未经Bonferroni校正的结果显示,SMG损伤患者的non-wordrepetition任务得分(平均值= 43.8,SD= 7.2)低于pOp损伤患者[mean = 54.5,SD = 8.2; t(19)=3.039,P= 0.007],此外其他任务没有统计学显着差异。

Table.3Summary of demographic and clinical data for each TMS-guided group

附图3The effect of lesion site on performance of 27 subtests from the CAT

Discussion

综上,以经颅磁刺激的功能定位点为中心的0.5cm3 ROI球,该区域受损患者中有语音障碍的有74%(40/54),该区域未受损患者中有语音障碍的有21%(21/100)。该ROI的分类准确率均优于以fMRI研究中语音处理任务激活的脑区为ROI,和以不使用功能定位的经颅磁刺激位点的激活位点为中心的脑区为ROI的分类准确率。通过重新定义个经颅磁刺激部位SGM和pOp脑区,包括在具有语音障碍的患者中始终受损的区域,在脑区损伤的患者中发现语音障碍的人数增加到85%(46/54),而脑区未损伤的患者的有语音障碍的则降低到15%(15/100)。即使在控制病变大小的影响之后,脑区损伤患者与无损伤患者在“经颅磁刺激指导”区域语音处理能力的差异仍然非常显着。此外类似的结果在Sample2的108例患者中得到验证:TMS-guided区域的分类精度优于(i)fMRI-guided;(ii)Unguided-LOM和(iii)VLSM。最后,与健康参与者的功能成像和经颅磁刺激的先前发现一致,对经颅磁刺激指导区域的损伤对处理语音任务的影响甚于处理语义任务。语音处理能力在中风后几年受损的观察表明,其他脑区域无法完全弥补经颅磁刺激引导区域对语言任务的贡献。更通俗地讲,本文研究的新型经颅磁刺激引导的lesion-deficitmapping方法可将对健康大脑的无创性刺激用于指导识别脑损伤持续影响行为能力的区域。

参考文献:Lorca-Puls D L, Gajardo-Vidal A, Seghier M L, et al. Usingtranscranial magnetic stimulation of the undamaged brain to identify lesionsites that predict language outcome after stroke[J]. Brain, 2017, 140(6):1729-1742.

原文链接:https://academic.oup.com/brain/article-abstract/140/6/1729/3739755

DOI: doi:10.1093/brain/awx087

本文分享自微信公众号 - 思影科技(siyingkeji)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-07-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

推荐阅读

  • kubernetes系列教程(十九)使用metric-server让HPA弹性伸缩愉快运行

    kubernetes监控指标大体可以分为两类:核心监控指标和自定义指标,核心监控指标是kubernetes内置稳定可靠监控指标,早期由heapster完成,现由metric-server实现;自定义指标用于实现核心指标的扩展,能够提供更丰富的指标支持,如应用状态指标,自定义指标需要通过Aggregator和k8s api集成,当前主流通过promethues实现。

    HappyLau谈云计算
    Kubernetes容器微服务微服务架构腾讯微服务平台 TFS
  • 三分钟入坑指北 🔜 Docsify + Serverless Framework 快速创建个人博客系统

    之前由于学摄影的关系,为了提高自己的审美,顺便锻炼下自己的英文能力,翻译了不少国外艺术类的 文章。最近一直想搭一个个人博客来存放这些内容,又懒得折腾建站,遂一直搁置。

    Aceyclee
    ServerlessHTML网站GitGitHub
  • NVM作为主存上对数据库管理系统的影响

    implications of non-volatile memory as primary storage for database management systems

    yzsDBA
    存储缓存数据库数据结构SQL
  • DevOps平台架构演进

    附最新架构图https://www.processon.com/view/5cbd897de4b0bab90962c435

    我思故我在
    DevOps 解决方案微服务架构架构设计
  • 【腾讯云AI小程序大赛】中山大学作品《小耳朵天使》

    ----------------------------------------------------------------------------------

    陈华山
    小程序 · 云开发小程序语音识别文字识别对话机器人
  • Kona JDK 在腾讯大数据领域内的实践与发展

    经常听人谈到 OpenJDK,那它到底是什么呢?相信大家都听说过 Java SE、ME、EE等规范, 通常意义上对 Open JDK 的定义指:Java SE规范的一个免费和开源参考实现。

    腾小云
    JDKJavaJVM大数据Oracle
  • 公告丨腾讯安全产品更名通知

    为了更好地为政企客户的安全保驾护航,腾讯安全即日起更新旗下身份安全、网络安全、终端安全、应用安全、数据安全、业务安全、安全管理、安全服务等八类安全产品的命名,致力于打造全栈安全产品“货架”,让客户选购安全产品/服务更加便捷,更快地找到合适的安全产品,从而对自身的安全建设“对症下药”。

    腾讯安全
    DDoS 防护应用安全 MS验证码(业务安全)应用安全(移动安全)漏洞扫描服务
  • Kubernetes系列学习文章 - 网络实现(八)

    | 导语 前面介绍了很多K8S的概念以及架构方面的东西,这里我们说说K8S的网络。云计算里面的网络向来是复杂的,因为里面牵扯到硬件网络跟虚拟网络的交互。尤其是虚拟网络,比较抽象,如果不搞清楚,一些问题排障将寸步难行。

    宝哥@devops运维
    KubernetesDocker容器
  • 远程办公经验为0,如何将日常工作平滑过度到线上?

    导语 | 受到疫情影响,很多企业开始考虑远程办公。近日,TVP群里的各位老师们对此话题展开了热烈讨论。TVP张善友老师作为一名创业者,也决定开启远程办公。本文是他做了调研、试用后所总结的方案,并列出了相关产品清单,希望对读者有所帮助。文末也对各位TVP老师的相关语录进行了整理。「TVP思享」专栏,凝结大咖思考,汇聚专家分享,收获全新思想,欢迎长期关注。(编辑:云加社区 尾尾)

    尾尾
    TAPD 敏捷项目管理腾讯乐享企业邮箱企业编程算法
  • FFmpeg图像处理深度应用

    感谢大家关注FFmpeg在OnVideo以及AI方面的一些工作,我是刘歧,是OnVideo联合创始人的同时也担任技术负责人,同时也是FFmpeg的官方顾问,FFmpeg GSoC 2019 Mentor,FFmpeg决策委员会的委员,以及腾讯云TVP。我主要的兴趣在嵌入式开发、图形图像及音视频流媒体处理、分布式系统设计等领域。FFmpeg官方有我的联系方式,大家有问题可以和我随时交流。关于FFmpeg深度学习场景下的应用,目前看来,颇具价值且实用。

    LiveVideoStack
    视频处理图像处理OpenGLAPIOpenCV

扫码关注云+社区

领取腾讯云代金券