李淮周，鐘 寧，4，楊 陽，周海燕，楊孝敬，郭家梁，馬小萌

（1.北京工業(yè)大學國際WIC研究院，北京 100124；2.磁共振成像腦信息學北京市重點實驗室，北京 100124；3.腦信息智慧服務北京市國際科技合作基地，北京 100124；4.前橋工業(yè)大學生命科學與信息工程系，前橋 371-0816）

大腦白質(zhì)纖維束與算術(shù)能力的關(guān)系

李淮周1，2，3，鐘 寧1，2，3，4，楊 陽2，3，4，周海燕1，2，3，楊孝敬1，2，3，郭家梁1，2，3，馬小萌1，2，3

（1.北京工業(yè)大學國際WIC研究院，北京 100124；2.磁共振成像腦信息學北京市重點實驗室，北京 100124；3.腦信息智慧服務北京市國際科技合作基地，北京 100124；4.前橋工業(yè)大學生命科學與信息工程系，前橋 371-0816）

為了探索大腦白質(zhì)纖維束與算術(shù)運算能力的關(guān)系，設計了一個認知功能實驗測試所有受試者的算術(shù)能力，然后采集T1結(jié)構(gòu)像和彌散張量成像.使用約翰霍普金斯大學白質(zhì)纖維束圖譜提取每條纖維束的平均各向異性分數(shù)（fractional anisotropy，F(xiàn)A），并與行為數(shù)據(jù)進行相關(guān)性分析.結(jié)果顯示:減法得分與右扣帶束（扣帶回區(qū)域）和右下縱束的FA值呈正相關(guān)，算術(shù)運算的反應時均與右上縱束（顳葉部分）的FA值呈負相關(guān)，并且這些相關(guān)與任務的困難差異無關(guān).結(jié)果表明:大腦白質(zhì)纖維束連貫性或髓鞘化的增強可能會提高某些算術(shù)能力，進一步為算術(shù)運算的神經(jīng)基礎提供了新的證據(jù).

彌散張量成像；白質(zhì)纖維束；各向異性分數(shù)；算術(shù)運算

算術(shù)運算在生活中必不可少，加減及數(shù)字匹配作為數(shù)字運算的最基本組成，是眾多復雜運算的基礎，應用最為廣泛.近年來，關(guān)于數(shù)字處理和算術(shù)認知過程的腦功能磁共振成像（functional magnetic resonance imaging，F(xiàn)MRI）研究已經(jīng)很多，而關(guān)于成人大腦白質(zhì)纖維束與算術(shù)處理之間關(guān)系研究比較少［1］.一般認為對于加法左角回和緣上回是重要的神經(jīng)基礎，多使用自動化的記憶提?。粶p法通常使用頂內(nèi)溝和上頂葉的支持，一般使用程序化解決策略［2-4］.白質(zhì)由被髓鞘包裹著的神經(jīng)軸突組成，控制著神經(jīng)元共享的信號，很顯然，在解決算術(shù)問題時要求額葉和顳頂葉區(qū)域的充分協(xié)作，這就需要白質(zhì)纖維束來實現(xiàn)充足的通信.

彌散張量成像（diffusion tensor imaging，DTI）是唯一的一種非侵入的活體白質(zhì)纖維束檢測技術(shù)，它對腦中水分子的彌散非常敏感.在灰質(zhì)和腦脊液中由于沒有邊界所有方向上發(fā)生彌散的概率幾乎相等，稱為各向同性.相反，白質(zhì)中因為髓鞘和細胞膜的存在，水分子橫穿軸突顯著小于沿著軸突的彌散，導致有一個很強的方向性，稱為各向異性，常用擴散參數(shù)各向異性分數(shù)（fractional anisotropy，F(xiàn)A）進行量化［5］.這個各向異性分數(shù)可以用來獲得腦白質(zhì)完整性和軸突組織信息，是探索腦微觀結(jié)構(gòu)與認知功能關(guān)系的有用方法［6］.最近的研究結(jié)果顯示算術(shù)運算涉及的白質(zhì)纖維束并不一致.Van Eimeren等［7］使用感興趣區(qū)域（region of interest，ROI）方法發(fā)現(xiàn)上放射冠和下縱束的FA值與兒童的數(shù)字操作得分相關(guān).Klein等［8］使用功能的ROI作為概率追蹤的種子點，發(fā)現(xiàn)簡單和困難計算分別涉及了2個白質(zhì)通路，一個是大小相關(guān)處理的回路包括背側(cè)上縱束和外囊的內(nèi)外側(cè)，另一個是事實檢索的回路包括額頂腹側(cè)纖維束和扣帶束.Navas-Sanchez等［9］使用基于圖譜的全腦體素分析發(fā)現(xiàn)在鉤束、上縱束、下縱束和胼胝體壓部算術(shù)天才組具有較高的FA值.可見，大腦白質(zhì)纖維束確實在算術(shù)運算中起了重要作用.

為了探索大腦白質(zhì)纖維束與算術(shù)運算能力的關(guān)系，本文選擇了約翰霍普金斯大學（Johns Hopkins University，JHU）基于概率纖維束成像分割的人類白質(zhì)纖維束圖譜［10］中每條纖維束作為研究的ROI，提取平均FA值，然后與認知功能實驗測得的算術(shù)能力進行相關(guān)性分析，并評估這些相關(guān)是不是因為任務的困難差異引起的.

1　資料與方法

1.1臨床資料

共有21名右利手健康成年人參與本實驗，因2名幽閉恐懼癥患者（n=2）中止實驗，最終樣本有19名（8名女性），年齡25.78±3.87歲，范圍18～38歲，本科或以上文化程度，無神經(jīng)系統(tǒng)疾病家族史，無酒精和藥物濫用史，所有受試者雙眼裸視或矯正視力正常.本研究經(jīng)首都醫(yī)科大學附屬宣武醫(yī)院倫理委員會批準，所有受試者均簽署知情同意書.

1.2試驗設計

試驗的主要目的是測試被試簡單運算能力.為了促使被試對數(shù)的處理，而不是運用自動化的記憶提取策略，任務選擇了2位數(shù)而不是1位數(shù)的數(shù)學運算，同時為了降低運算難度對結(jié)果的影響，所有的計算沒有進退位.實驗一共設置了3種任務分別是加法計算、減法計算和數(shù)字匹配，為了保持所有的任務出現(xiàn)機會相等，采取偽隨機出現(xiàn).

采用美國PST公司針對心理與行為實驗開發(fā)的E-Prime軟件設計了該認知功能實驗，任務使用塊（BLOCK）設計，共設計2個段（SESSION），1個段中有加法、減法和數(shù)字匹配3個任務各4個塊，每2個塊間隔24 s，一個塊中有4個相同類型的測試（TRIALS）總共持續(xù)24 s，采用相同的呈現(xiàn)形式.在每個測試中顯示順序為“第1個操作數(shù)”（250 ms），“第2個操作數(shù)”（250 ms），“運算符”（500 ms），和“參考答案”（2 000 ms）.每2個刺激間隔為500 ms（只有黑色背景），每2個測試間隔為1 500 ms.用標記“#”作為數(shù)字匹配的操作符，它要求受試者判斷參考答案是否在前2個操作數(shù)中出現(xiàn).加法任務塊中試驗刺激呈現(xiàn)形式及試驗中任務塊的順序如圖1所示.

在所有的試驗中錯誤的問題有50%，錯誤參考答案的范圍是“正確答案的±1或±10”，要求受試者當參考答案出現(xiàn)時按下按鈕判斷正誤，左手為正確，右手為錯誤，有E-Prime軟件同時記錄正（標記1）誤（標記0）和從參考答案出現(xiàn)到按下按鈕的時間作為受試者的反應時（ms）.每個題1分，每個任務共2段×4塊×4試驗=32分，采用百分制，即任務得分=正確總數(shù)/題的總數(shù)×100.試驗完成后，從E-Prime軟件產(chǎn)生的結(jié)果文件中逐個抽取每個試驗的正誤及其反應時，從而得到每個被試的行為數(shù)據(jù).

1.3檢測方法

使用德國西門子3.0T MAGNETOM Trio Tim核磁共振成像掃描儀，12通道相控陣頭部線圈.受試者試驗時仰臥，同時使用耳機來減少掃描噪聲干擾，并在頭部襯墊泡沫來限制其移動，掃描均由專業(yè)的影像科醫(yī)生進行操作.

首先掃描受試者的全腦T1結(jié)構(gòu)像，掃描參數(shù)為:TR=1 600 mm，TE=3.28 mm，TI=800 mm，層厚1 mm，翻轉(zhuǎn)角度9°，視野（FOV）=256 mm×256 mm，總層數(shù)192層，分辨率為1 mm×1 mm×1 mm.由影像科醫(yī)生對掃描結(jié)果進行肉眼觀察，任何結(jié)構(gòu)異常都未發(fā)現(xiàn)的，進行DTI掃描.DTI掃描參數(shù)為:TR= 6000 ms，TE=87 ms，層厚=3 mm，F(xiàn)OV=256 mm× 256 mm，總層數(shù)45層，b-value=2∶1 000 s/mm2.施加彌散敏感梯度在12個不同的非共線方向上.由影像科醫(yī)生對掃描出的DTI圖像進行檢查，對出現(xiàn)的較大位移的進行排除.

然后將所有受試者的DTI數(shù)據(jù)傳輸?shù)焦ぷ髡荆褂帽本煼洞髮W基于Matlab和FSL（http://www.fmrib.ox.ac.uk/fsl/）［11-13］開發(fā)的PANDA軟件（http://www.nitrc.org/projects/panda/）［14］進行處理，如圖2所示.首先，預處理，包括渦電流矯正和頭動矯正，先對DTI數(shù)據(jù)中的每個卷（Volume）做預測，并與實際數(shù)據(jù)做比較得到信號誤差，用這個誤差更新渦電流產(chǎn)生場和被試位置（位移）的估計，重復這一過程直到得到可接受結(jié)果.預測使用高斯過程計算，其中超參數(shù)從實際數(shù)據(jù)中獲得［15］.其次是經(jīng)一系列局部自適應模型去除DTI圖像中腦的頭皮［16］.過程見圖2（a）.再次，計算每個被試的FA值并配準，使用基于多尺度的Levenberg-Marquardt極小化方法，配準所有個體的FA圖像到一個1 mm×1 mm×1 mm的標準空間FMRIB58_FA上［17］.最后，提取JHU白質(zhì)纖維束圖譜的各條纖維束的FA值，JHU白質(zhì)纖維束圖譜是FSL軟件已經(jīng)做好了的與FMRIB58_FA對應的模板，然后調(diào)用該模板逐個提取出每條纖維束的FA值，見圖2（b）.

1.4統(tǒng)計學方法

用Matlab軟件先對算術(shù)運算（加、減、數(shù)字匹配）得分及其反應時記錄與JHU白質(zhì)纖維束成像圖譜的20條纖維束平均FA值進行Pearson相關(guān)性分析，并應用P值檢驗相關(guān)的顯著性.然后，以算術(shù)運算的操作作為被試內(nèi)的因素進行單因素方差分析，并使用Tukey's HSD多重比較進行檢驗，用于評估任務困難差異對結(jié)果的影響.在多重比較中Bonferroni矯正被使用.P＜0.05差異有統(tǒng)計學意義.

2　結(jié)果與討論

表1　受試者的行為數(shù)據(jù)Table 1 Behavior data of the subjects

受試者執(zhí)行算術(shù)運算（加、減、數(shù)字匹配）得分及其反應時的記錄，如表1所示.加法、減法、數(shù)字匹配得分分別為84.38～100、81.25～100、90～100，反應時間的分別為499.6～832.6、522.7～915.2、556.3～915.2 ms.受試者JHU白質(zhì)纖維束成像圖譜20條纖維束內(nèi)的FA值，如表2所示.使用Pearson相關(guān)性檢驗算術(shù)運算得分及其反應時與大腦各條纖維束FA值的關(guān)系，如圖3所示，結(jié)果表明減法得分與右扣帶束（扣帶回區(qū)域）和右下縱束的FA值呈正相關(guān)，算術(shù)運算的反應時加法（r= -0.530，P=0.020）、減法（r=-0.536，P=0.018）、數(shù)字匹配均與右上縱束（顳葉部分，見圖3（c））的FA值呈負相關(guān)，它們均是顯著的線性關(guān)系（P＜0.05）.其他大腦纖維束的FA值與算術(shù)運算得分及其反應時均不相關(guān)（P＞0.05），如表3所示.

表2　JHU白質(zhì)纖維束成像圖譜20條纖維束的FA值Table 2 FA values of 20 fiber tracts in JHU white matter tractography atlas

表3　白質(zhì)纖維束的FA值與行為數(shù)據(jù)的相關(guān)性檢驗結(jié)果（r，P）Table 3 Results of correlation analysis between the FA values of fiber tracts and behavior data（r，P）

扣帶束環(huán)繞在從額葉到顳葉的胼胝體上方，主要根據(jù)當前任務要求在相關(guān)腦區(qū)中有效分配注意資源，它在執(zhí)行功能神經(jīng)網(wǎng)絡中可能是一個高級調(diào)控結(jié)構(gòu).下縱束連接了顳葉和枕葉，又稱為枕顳束，位于舌回和海馬旁回之下，顳下回之上的區(qū)域，在解決算術(shù)運算時可能涉及了記憶加工以及數(shù)字符號的處理［18］.Klein等［8］和Navas-Sanchez等［9］分別使用fMRI研究結(jié)果作為概率纖維束追蹤的種子區(qū)域和基于纖維束的空間統(tǒng)計方法（tract-based spatial statistics，TBSS）進行研究，發(fā)現(xiàn)右扣帶束（扣帶回區(qū)域）和右下縱束在大腦執(zhí)行減法任務時起到了重要作用.減法計算相對于加法計算和數(shù)字匹配更多的基于量的程序化策略解決［2，4］，右扣帶束（扣帶回區(qū)域）和右下縱束可能與程序化策略的使用有關(guān).

上縱束（顳葉部分）起源于顳上回的尾部和顳上溝區(qū)域，通過大腦外側(cè)裂尾部，終止于背側(cè)前額葉皮層，有些研究者也稱為弓形束［19］，上縱束（顳葉部分）已經(jīng)被證明在讀，特別是在讀的初始階段或語音解碼中起到重要作用［20-21］.Van Beek等［19］在研究弓形束與算術(shù)運算能力的關(guān)系中發(fā)現(xiàn)左前弓形束的FA值與加法和乘法呈正相關(guān).

本文卻發(fā)現(xiàn)右下縱束（顳葉部分）的FA值與加法、減法及數(shù)字匹配任務的反應時都呈負相關(guān)，加法計算更多基于來自長期記憶的事實檢索策略解決［3］，右下縱束（顳葉部分）可能是算術(shù)運算共同使用的白質(zhì)纖維束.其FA值的增大可能反應了白質(zhì)纖維束連貫性或髓鞘化的增強［22］，從而提高了任務得分，減少了運算的反應時.

必須指出的是，樣本的差異和方法的不同，可能導致發(fā)現(xiàn)的纖維束并不完全一致［1］.Cantlon等［23］在研究胼胝體在數(shù)字判斷任務中的作用時，發(fā)現(xiàn)這個白質(zhì)纖維束可能整合左右腦中數(shù)字信息，這可能說明在這個數(shù)字判斷任務中可能左右腦中均有白質(zhì)纖維束參與.與之相比本文僅僅發(fā)現(xiàn)右側(cè)的白質(zhì)纖維束與加減及數(shù)字匹配能力相關(guān)，這很可能是因為樣本或分析方法的差異造成的.

為了評估本文發(fā)現(xiàn)的顯著相關(guān)是不是因任務的困難差異造成的，使用算術(shù)運算的操作作為被試內(nèi)的因素進行單因素方差分析，結(jié)果顯示3個任務之間的平均得分（F（2，54）=1.393；P=0.257）及其反應時（F（2，54）=0.672；P=0.515）均沒有顯著性差異.然后使用Tukey's HSD多重比較進行檢驗，結(jié)果顯示3個任務得分及其反應時也均沒有顯著性差異（P＞0.05）.這就表明觀察到的顯著相關(guān)并不能僅僅通過算術(shù)操作的困難差異來解釋，也就是說，本文觀察到的顯著相關(guān)確實是算術(shù)操作本身的差異引起的，這進一步為算術(shù)運算的神經(jīng)基礎提供了新的證據(jù).

3　結(jié)論

1）右扣帶束（扣帶回區(qū)域）和右下縱束可能與減法計算中程序化策略的使用有關(guān)，右下縱束（顳葉部分）可能是算術(shù)運算共同使用的白質(zhì)纖維束.

2）這些結(jié)果表明白質(zhì)纖維束連貫性或髓鞘化的增強可能會提高某些算術(shù)運算能力，這進一步為算術(shù)運算的神經(jīng)基礎提供了新的證據(jù).

3）為了增強結(jié)果的說服力，擬繼續(xù)擴大樣本的數(shù)量，并在指標FA外引進一些新的指標如相對各向異性指數(shù)、容積比指數(shù)等進行分析.

［1］MATEJKOAA，ANSARID.Drawingconnections between white matter and numerical and mathematical cognition:a literature review［J］.Neuroscience and Biobehavioral Reviews，2015，48:35-52.

［2］CHOCHON F，COHEN L，VAN DE MOORTELE P F，et al.Differential contributions of the left and right inferior parietal lobules to number processing［J］.Journal of Cognitive Neuroscience，1999，11（6）:617-630.

［3］RICKARD T C，ROMERO S G，BASSO G，et al.The calculating brain:an fMRI study［J］.Neuropsychologia，2000，38（3）:325-335.

［4］KAZUI H，KITAGAKI H，MORI E.Cortical activation during retrieval of arithmetical facts and actual calculation: a functional magnetic resonance imaging study［J］.Psychiatry and Clinical Neurosciences，2000，54（4）: 479-485.

［5］BEN-SHACHAR M，DOUGHERTY R F，WANDELL B A.White matter pathways in reading［J］.Current Opinion in Neurobiology，2007，17（2）:258-270.

［6］JOHANSEN-BERG H.Behavioural relevance of variation in white matter microstructure［J］.Current Opinion in Neurology，2010，23（4）:351-358.

［7］VAN EIMEREN L，NIOGI S N，MCCANDLISS B D，et al.White matter microstructures underlying mathematical abilities in children［J］.Neuroreport，2008，19（11）: 1117-1121.

［8］KLEIN E，MOELLER K，GLAUCHE V，et al.Processing pathways in mental arithmetic-evidence from probabilistic fiber tracking［EB/OL］.［2015-12-01］.http://dx.doi.org/10.1371/journal.pone.0055455.

［9］NAVAS-SANCHEZFJ，ALEMAN-GOMEZY，SANCHEZ-GONZALEZJ，etal.Whitematter microstructure correlates of mathematical giftedness and intelligence quotient［J］.Human Brain Mapping，2014，35（6）:2619-2631.

［10］HUA K，ZHANG J Y，WAKANA S，et al.Tract probability maps in stereotaxic spaces:analyses of white matter anatomy and tract-specific quantification［J］.Neuroimage，2008，39（1）:336-347.

［11］BEHRENS T E J，WOOLRICH M W，JENKINSON M，et al.Characterization and propagation of uncertainty in diffusion-weighted MR imaging［J］.Magnetic Resonance in Medicine，2003，50（5）:1077-1088.

［12］BEHRENS T E J，BERG H J，JBABDI S，et al.Probabilistic diffusion tractography with multiple fibre orientations:what can we gain？［J］.Neuroimage，2007，34（1）:144-155.

［13］JBABDI S，SOTIROPOULOS S N，SAVIO A M，et al.Model-based analysis of multishell diffusion MR data for tractography:how to get over fitting problems［J］.Magnetic Resonance in Medicine，2012，68（6）:1846-1855.

［14］CUI Z X，ZHONG S Y，XU P F，et al.PANDA:a pipeline toolbox for analyzing brain diffusion images［J］.Frontiers in Human Neuroscience，2013，7:1-16.

［15］ANDERSSONJLR，SOTIROPOULOSSN.An integrated approach to correction for off-resonance effects and subject movement in diffusion MR imaging［J］.Neuroimage，2016，125:1063-1078.

［16］SMITH S M.Fast robust automated brain extraction［J］.Human Brain Mapping，2002，17（3）:143-155.

［17］ANDERSSON J L R，JENKINSON M，SMITH S.Nonlinear registration，aka spatial normalization［EB/OL］.［2007-06-28］.http://www.fmrib.ox.ac.uk/analysis/techrep/tr07ja2/tr07ja2.pdf.

［18］MILNER D.Cognitive neuroscience:the biology of the mind［J］.Trends in Cognitive Sciences，1998，2（11）: 463-463.

［19］VAN BEEK L，GHESQUIERE P，LAGAE L，et al.Left fronto-parietal white matter correlates with individual differences in children's ability to solve additions and multiplications:a tractography study［J］.Neuroimage，2014，90:117-127.

［20］YEATMAN J D，DOUGHERTY R F，RYKHLEVSKAIA E，et al.Anatomical properties of the arcuate fasciculus predict phonological and reading skills in children［J］.Journal of Cognitive Neuroscience，2011，23（11）:3304-3317.

［21］VANDERMOSTEN M，BOETS B，POELMANS H，et al.Atractographystudyindyslexia:neuroanatomic correlatesoforthographic，phonologicalandspeech processing［J］.Brain，2012，135:935-948.

［22］LEBEL C，BEAULIEU C.Longitudinal development of humanbrainwiringcontinuesfromchildhoodinto adulthood［J］.Journal of Neuroscience，2011，31（30）: 10937-10947.

［23］CANTLON J F，DAVIS S W，LIBERTUS M E，et al.Inter-parietal white matter development predicts numerical performance inyoungchildren［J］.Learningand Individual Differences，2011，21（6）:672-680.

（責任編輯 楊開英）

Atlas-based Analysis of Association Between Cerebral White Matter Fiber Tracts and Arithmetic Ability

LI Huaizhou1，2，3，ZHONG Ning1，2，3，4，YANG Yang2，3，4，ZHOU Haiyan1，2，3，
YANG Xiaojing1，2，3，GUO Jialiang1，2，3，MA Xiaomeng1，2，3
（1.International WIC Institute，Beijing University of Technology，Beijing 100124，China；2.Beijing Key Laboratory of Magnetic Resonance Imaging and Brain Informatics，Beijing 100124，China；3.Beijing International Collaboration Base on Brain Informatics and Wisdom Services，Beijing 100124，China；4.Department of Life Science and Informatics，Maebashi Institute of Technology，Maebashi 371-0816，Japan）

To investigate the association between cerebral white-matter fiber tracts and arithmetic ability，an experiment of cognitive function was designed to test arithmetic ability of all subjects.Then，T1 structural image and diffusion tensor imaging were collected.The average fractional anisotropy（FA）value of each fiber bundle was extracted by the white matter tractography atlas of Johns Hopkins University.The correlation between FA values of fiber tracts and behavior data was performed.Results show that the subtraction scores have a positive correlation with the FA values in the right cingulum（cingulate gyrus）and the right inferior longitudinal fasciculus.The FA values of the right superior longitudinal fasciculus（temporal part）are negatively correlated with the reaction times of arithmetic operations，respectively.These observed significant correlations are not just an effect of task difficulty.The increasing fiber coherence or myelination contribute to the improvement of arithmetic ability.This study further provides new evidences for the neural basis of sarithmetic operations.

diffusion tensor imaging；white matter tracts；fractional anisotropy；arithmetic operations

R 445.2

A

0254-0037（2016）10-1565-07

10.11936/bjutxb2015120074

2015-12-30

國家重點基礎研究發(fā)展計劃資助（2014CB744600）；北京市自然科學基金資助項目（4164080）

李淮周（1987—），男，博士研究生，主要從事網(wǎng)絡智能與腦信息學方面的研究，E-mail:hz_lee@emails.bjut.edu.cn

周海燕（1977—），女，講師，主要從事認知神經(jīng)科學和腦信息學方面的研究，E-mail:zhouhaiyan@bjut.edu.cn