目的:在祖国传统医学中,抑郁症属“郁证”范畴,包含多种证型,其中肝气郁结证是最常见的证型之一。早期、精准诊断疾病有利于及时治疗,改善预后。在抑郁症研究中,静息态功能磁共振成像(resting state functional magnetic resonance imaging,rs-fMRI)是最常见的影像学方法,rs-fMRI相关指标有望提高临床诊断肝气郁结型抑郁症的能力。此外,肝气郁结型抑郁症的病理机制尚未知晓,深入了解此中医证型抑郁症神经机制,对疾病的诊治有重要意义。根据以上目的,本研究分为两个部分。第一部分:针对肝气郁结抑郁症的早期、精准诊断,本部分研究引入“动态局部一致性(dynamic regional homogeneity,dReHo)”,从“局部”角度表征大脑动态功能连接的同步性,并在个体水平上将此方法应用于首发肝气郁结型抑郁症患者与健康对照的分类,以期提高识别此型抑郁症的能力,帮助临床早期及精确诊断肝气郁结型抑郁症。第二部分:针对肝气郁结型抑郁症的病理机制研究,本部分基于第一部分研究得到的特征脑区结果,进一步探索双侧海马相关功能脑区与默认网络三个子网络之间的功能连接对首发肝气郁结型抑郁症患者患病的影响,同时发掘与病情严重程度及与病程相关的功能连接,从“长程”角度探索首发肝气郁结型抑郁症复杂的病理机制,以期加深对疾病的认识。方法:第一部分:1.研究对象:根据纳入标准及排除标准,来自两个数据集、共119例首发肝气郁结型抑郁症患者及109例健康对照纳入研究。首发肝气郁结型抑郁症患者均来自于广州中医药大学第一附属医院心理门诊,健康对照来自于医院体检者及招募而来的人群。2.rs-fMRI扫描:为增大样本量,研究同时纳入两个数据集。两个数据集搜集于不同时间点,但均采用美国GE Signa HDx 3.0T磁共振成像仪及8通道头部线圈进行静息态下脑功能数据采集。rs-fMRI数据采集之前均进行常规的全脑轴位T1WI、T2WI及FLAIR序列扫描以排除脑部疾患。rs-fMRI数据采集包括基于血氧水平依赖(blood-oxygen-level dependent,BOLD)的fMRI以及三维T1加权像(three-dimensional T1-weighted image,3D-T1WI)。两个数据集大部分成像参数相同。3.数据预处理:采用基于SPM12的脑影像数据处理及分析工具(a toolbox for Data Processing&Analysis for Brain Imaging,version 2.3;DPASFA V2.3)对原始数据进行预处理。首先对原始数据进行格式转换,之后两个数据集中被试的BOLD功能数据保留180个时间点。接着进行a.时间层矫正;b.头动矫正:排除头动平动超过2mm或旋转角度超过2°,或逐帧位移(framewise displacement,FD)Jenkinson大于0.2mm的被试数据;c.应用Diffeomorphic Anatomical Registration through Exponentiated Lie Algebra(DATEL)方法配准,把不同被试的本地空间数据对齐到同一个标准(the standard Montreal Neurological Institutes,MNI)空间;d.去除协变量:减少头动、白质、脑脊液信号的影响;e.0.01-0.08的带通滤波去除高频噪声成分和低频漂移影响。最后,考虑到头动伪影对动态功能连接分析影响较大,研究进一步采用“scrubbing”方法进行数据质量控制,即FD＿Jenkinson>0.2mm的时间点及其前一个和后两个时间点都会被标记。4.dReHo及传统ReHo的计算:在本研究中,我们引入了一个新指标—dReHo。在应用“scrubbing”方法后,所有时间序列被划分为“有效子序列(序列长度大于或等于窗宽的子序列)”及“无效子序列(序列长度小于窗宽的子序列)”。时间窗仅在有效子序列中滑动(窗宽为50 TR,步长为1 TR)。此外,如果有效时间窗的数量少于原有未删除任何时间点时间窗(即180?窗宽+1)的60%,则该受试者将被排除。借助选择性滑动时间窗,通过皮尔逊相关方法得到中心体素及其周围26个相邻体素之间的动态功能连接;再借助肯德尔和谐系数计算这些动态功能连接的dReHo值。同时我们计算了传统ReHo。传统ReHo也是在“scrubbing”方法后的有效子序列上进行。最终得到全脑体素的dReHo和ReHo图,并分别通过z变换变为z图,最后使用6毫米高斯核进一步平滑。5.基于dReHo及传统ReHo的首发肝气郁结型抑郁症分类及特征选择:研究采用了Shen和Finn的大脑268个功能脑区模板,基于这个模板,计算出每个被试中每个功能脑区(即感兴趣区,region of interest,ROI)的平均dReHo及传统ReHo值,列成dReHo矩阵及传统ReHo矩阵。接着应用特征选择找到识别抑郁症的重要特征。特征选择应用的是LASSO(Least Absolute Shrinkage and Selection Operator)方法。首先,我们实验了多个LASSO参数,通过支持向量机(support vector machine,SVM)分类器及内部10折交叉验证方法确定了最佳LASSO参数及对分类持续有贡献的重要特征脑区(以下简称特征)。然后,由新的SVM分类器再次进行首发肝气郁结型抑郁症患者与健康对照的分类,该分类器通过对有贡献的特征进行训练,并通过外部10折交叉验证进行评估。以上的嵌套交叉验证重复了100次。最后,研究计算了1000组dReHo特征及传统ReHo特征的选择频率,得到识别首发肝气郁结型抑郁症的13个重要dReHo特征及13个重要ReHo特征(出现频率大于95%的特征)。同时,我们分别计算出dReHo及ReHo模型诊断首发肝气郁结型抑郁症的准确性、敏感性、特异性、约登指数(Youden’s index)和受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)以评估分类性能,并应用配对t检验比较基于dReHo和基于传统ReHo的分类表现。此外,研究应用偏相关分析对重要特征的dReHo值/传统ReHo值与首发肝气郁结型抑郁症患者的临床评分(包括疾病持续时间、HDRS-17评分)之间的关系进行分析,其中年龄、性别、受教育程度及数据集作为协变量。第二部分:1.研究对象:为保持结果的可靠性,研究继续应用上一个研究中进入dReHo/传统ReHo分析的112例被试(55例首发肝气郁结型抑郁症患者及57例健康对照)作为研究对象。首发肝气郁结型抑郁症患者及健康对照的纳入标准及排除标准同第一部分。2.rs-fMRI扫描:同第一部分。3.影像数据预处理:本部分研究仍采用基于SPM12的DPASFA V2.3对112例被试的原始数据进行预处理。首先对原始数据进行格式转换,保留每例被试的180个时间点。接着进行a.时间层矫正;b.头动矫正,排除头动平动超过2mm或旋转角度超过2°,或者平均FD＿Jenkinson大于0.2mm的被试数据;c.应用DATEL方法配准,把不同被试的本地空间数据对齐到MNI空间;d.使用6mm平滑核平滑;e.去除协变量,减少头动、白质、脑脊液信号的影响;f.0.01-0.08赫兹的带通滤波去除高频噪声成分和低频漂移影响;g.使用“scrubbing”方法:FD＿Jenkinson>0.2mm的时间点及其前一个和后两个时间点被去除。4.ROI选择及功能连接计算:首先进行ROI的选择:同样基于Shen＿268功能脑区模板(以下简称Shen＿268模板),研究选择出9个双侧海马相关脑区及20个默认网络内脑区。海马相关脑区的选择需满足以下两点:(1)脑区内有至少有500个体素在解剖学海马内;(2)脑区属于Shen＿268模板中的皮层下结构-小脑网络。其中,海马相关功能脑区的解剖学位置主要应用xjview,根据Anatomical Automatic Labeling(AAL)模板确定。由于Shen＿268模板主要按照功能脑区进行划分,故部分脑区除包括海马区域之外,还涉及海马旁回、杏仁核等脑区内部分区域,且双侧海马相关脑区的数量不等。根据以往结构脑区相关研究,默认网络常常被分为以内侧前额叶为主的前默认网络(anterior default mode network,aDMN)和以后扣带回、楔前叶及顶下小叶为主的后默认网络(posterior default mode network,pDMN)。本研究仍遵循以往的默认网络子网络划分方法,根据功能脑区的解剖学位置对Shen＿268模板中默认网络的20个功能脑区进行子网络划分,包括(1)aDMN(8个功能脑区),(2)pDMN(7个功能脑区)。此外,由于这20个功能脑区中存在颞叶、小脑及海马旁回相关脑区,故在本研究中,还将默认网络划分为(3)默认网络其他子网络(other default mode network,oDMN)。9个海马相关功能脑区的平均时间序列分别与每个默认网络子网络(即aDMN、pDMN及oDMN)内功能脑区的平均时间序列进行皮尔森相关系数计算,得到相应的功能连接数值。5.统计学分析运用SPSS 20.0软件进行统计分析。(1)对比性统计分析:年龄及教育程度用独立样本t检验方法,性别采用卡方检验方法;(2)回归性统计分析:应用二分类logistic回归分析各海马相关功能脑区与各默认网络子网络之间的功能连接对肝气郁结型抑郁症患病的影响,应用线性回归分析各海马相关功能脑区与各默认网络子网络之间的功能连接对HDRS-17得分与病程的影响。两种回归方法中,所有数据经过z-score标准化方法进行z转换。除相应功能连接之外,年龄、性别、教育程度及数据集被纳入方程中。变量筛选方法均应用基于最大似然估计的向前逐步回归法,执行bootstrap 1000次。P值<0.05被认为有统计学意义。结果:第一部分:1.人口统计学和临床特征:最终55例首发肝气郁结型抑郁症患者和57例健康对照进入了SVM分类器,所有肝气郁结型抑郁症患者和健康对照在年龄、性别和受教育程度方面没有发现显著统计学差异。2.基于dReHo及传统ReHo的首发肝气郁结型抑郁症分类表现:通过使用dReHo进行首发肝气郁结型抑郁症分类,实现了比传统ReHo更高的分类性能(准确率分别为72.5%及60.3%)。与传统ReHo相比,dReHo的AUC更大,显示其分类性能显著改善。3.识别首发肝气郁结型抑郁症的重要特征:研究确定了13个识别首发肝气郁结型抑郁症的重要dReHo特征。根据Shen＿268模板中“大尺度脑功能网络”的概念,这13个dReHo特征位于以下六个功能网络:1)内侧额叶网络(右侧颞中回),2)额顶叶网络(左侧额上回),3)皮层下结构-小脑网络(包括右侧小脑IV和V区、左侧海马、左侧海马旁回和右侧小脑VIII区),4)运动网络(包括右侧中央后回、右侧颞中极和左侧中央旁回),5)视觉网络I(包括左侧楔叶和左侧梭状回)以及6)视觉网络II(包括左侧枕上回和右侧枕上回)。在所有网络中,皮层下结构-小脑网络是涉及最广泛的网络。研究同时确定了识别首发肝气郁结型抑郁症的13个重要ReHo特征。13个ReHo特征位于以下四个功能网络:1)皮层下结构-小脑网络(包括右侧海马、左侧壳核、右侧小脑VIII区以及左侧小脑III区);2)视觉网络I(包括双侧楔状回及右侧距状裂),3)视觉网络II(包括左侧枕上回及左侧舌回)以及4)运动网络(包括左侧中央后回、右侧中央前回、右侧杏仁核及右侧舌回)。4.重要特征的dReHo值与首发肝气郁结型抑郁症患者临床评分之间的相关性:在所有55名首发肝气郁结型抑郁症患者中,左侧海马体和海马尾相关功能脑区(ROI230)的dReHo值与疾病持续时间呈负相关(r=-0.46,校正后P值<0.001=。所有特征的dReHo值和HRDS-17得分之间未发现相关性。传统ReHo特征中,未发现任何与首发肝气郁结型抑郁症临床评分相关。第二部分:1.人口统计学和临床特征:55例首发肝气郁结型抑郁症患者(其中36例女性,19例男性;平均年龄:29.80岁)和57例健康对照(35例女性,22例男性;平均年龄:27.06岁)在年龄、性别和受教育程度方面没有发现显著统计学差异。2.海马相关功能脑区与各默认网络子网络间的功能连接与首发肝气郁结型抑郁症的关系分析:(1)右侧海马体相关功能脑区(ROI 94)与后默认网络内右侧楔前叶及右侧扣带回中部相关功能脑区(ROI 90)的功能连接增高是首发肝气郁结型抑郁症的保护因素;(2)右侧海马头相关功能脑区(ROI 99)与前默认网络内右侧额中回和右侧额上回相关功能脑区(ROI 13)的功能连接增高是首发肝气郁结型抑郁症的保护因素;(3)左侧海马体及海马尾相关功能脑区(ROI 230,也是第一部分研究中的得到的特征脑区)与其他默认网络内右侧颞中回相关功能脑区(ROI 50)及与右侧小脑下部相关功能脑区(ROI 115)的功能连接增高是首发肝气郁结型抑郁症的保护因素,与左侧枕中回、左侧角回、左侧颞中回相关功能脑区(ROI 203)及与左侧小脑下部相关功能脑区(ROI 239)的功能连接增高是首发肝气郁结型抑郁症的危险因素;(4)左侧海马体相关功能脑区(ROI 232)与其他默认网络内右侧小脑下部相关功能脑区(ROI 115)的功能连接增高是首发肝气郁结型抑郁症的保护因素,与左侧小脑下部相关功能脑区(ROI 239)的功能连接增高是首发肝气郁结型抑郁症的危险因素。3.首发肝气郁结型抑郁症临床指标与功能连接之间的线性回归分析:(1)通过应用多重线性回归的方法,探讨了左侧海马头相关功能脑区(ROI 231)和后默认网络之间功能连接对汉密尔顿抑郁量表评分的影响,最终构建的多重线性回归模型具有统计学意义(F=2.907,P值<0.05),因变量汉密尔顿抑郁量表评分的29.8%可由左侧海马头相关功能脑区(ROI 231)与左侧楔前叶、左侧距状裂皮质、左侧楔叶及左侧后扣带回相关功能脑区(ROI 222)的变化来解释(校正的R~2=0.298),且两者功能连接降低会导致汉密尔顿抑郁量表评分增高;(2)左侧海马头相关功能脑区(ROI 231)和其他默认网络的功能连接与首发肝气郁结型抑郁症病程的关系分析中,最终构建的多重线性回归模型具有统计学意义(F=2.519,P<0.05),因变量病程的23.6%可由左侧海马头相关功能脑区(ROI 231)与右侧海马旁回、右侧梭状回相关功能脑区(ROI 96)之间的功能连接变化来解释(校正的R~2=0.236),且两者的功能连接越低,病程越长。结论:从“局部”功能连接角度来说,本研究提出的新的脑功能指标(局部一致性,dReHo)可以基于局部功能连接的同步性来表征高级和复杂的大脑区域性活动。与传统的ReHo相比,dReHo在首发肝气郁结型抑郁症分类上性能更佳,提示dReHo可能是识别首发肝气郁结型抑郁症的一种可行方法,并且dReHo的计算较为简便,有望应用于其他中医证型抑郁症及各种脑部疾病的客观诊断。从“长程”功能连接角度来说,首发肝气郁结型抑郁症患者双侧海马部分相关功能脑区与三个默认网络子网络之间的功能连接改变对疾病的发生均有影响,并且这些功能连接与疾病严重程度及病程相关,由此拓展了首发肝气郁结型抑郁症中海马与默认网络相关研究的内容,为肝气郁结型抑郁症的病理生理机制提供了新见解。