大脑结构如何约束功能活动、这种约束又如何随年龄变化一直是多模态整合的难点。该研究借助图信号处理将结构连接组分解为图频谱谐波从而把fMRI信号投射到这一基底上量化每个脑区的“结构-功能耦合/解耦”程度。这一框架克服了传统相关分析难以区分约束强度与空间模式的局限并直接定位到具体白质通路。结果揭示控制网络与语义网络在中年后呈现相反的重组方向——前者依赖跨模态解耦的衰退后者转向感觉运动耦合的增强。实质价值在于它为认知衰老的“语义策略转移”假说提供了可计算、可定位的脑网络证据。摘要网络神经科学极大地深化了我们对健康神经认知衰老过程中结构和功能连接演变规律的理解。然而将大脑的结构组织、功能组织与认知表现进行整合性关联的研究仍相对有限。本研究基于CamCAN数据集纳入597名18至88岁的健康成年人同步分析其静息态功能磁共振成像(rs-fMRI)与扩散加权成像(DWI)数据。利用图信号处理框架本研究系统探索了结构连接在整个成人生命周期中对功能性脑信号的约束机制。结果表明控制网络与语义认知系统呈现出截然不同的年龄相关结构-功能重组模式揭示了中年期可能是整合性加工发生关键转变的重要窗口。值得注意的是本研究结果表明结构耦合的感觉运动整合在调控上述两大系统中发挥着核心作用中年之前它与跨模态皮层的结构解耦活动协同运作以维持认知控制功能与此同时它还可能促进具身内部模型的形成这些模型借助更为结构解耦的语义加工从而支持词汇产出技能在老年期的更长久保持。综上本研究为感觉驱动过程如何重塑健康衰老大脑以维系受控语义认知提供了全新的多模态见解。引言神经认知衰老通常表现为认知功能的逐渐衰退如注意控制、抑制控制以及情景记忆和工作记忆等。然而词汇和语义知识等特定认知功能却随着年龄增长保持稳定甚至有所提升。更广泛而言这种增强的“语义化”倾向被认为反映了老年期向一种独特的“神经认知模式”的转变其特征是更依赖于积累的知识和过往经验。尽管已有研究分别探讨了潜在的结构与功能基础但针对年龄如何通过结构约束塑造功能活动的系统性分析仍显不足。这一问题的迫切性在于当前理论模型正趋向于认知、结构与功能成像模态之间的多模态整合。与此趋势一致大量研究已证实结构-功能架构作为一个整体是脑组织的基本属性对个体水平的认知表现具有强大的预测能力。例如越来越多的证据描绘出一种沿单模态-跨模态连接梯度组织的层级架构在层级的一端初级感觉与运动皮层表现出更强的结构-功能耦合而在另一端跨模态联合皮层则呈现出更大程度的结构-功能解耦。基于此本研究旨在系统探索健康衰老过程中伴随认知能力衰退与保持而发生的结构-功能耦合与解耦动态。为了刻画随年龄增长而衰退的控制能力与得以保持的语义能力这两条轨迹之间的相互作用语言提供了一个理想的探究框架。事实上尽管语言理解能力直至高龄仍可保持相对完好语言产出在中年之后却往往面临更大挑战因其高度依赖于词汇-语义通达与检索的控制过程。具体而言老年期的词汇-语义选择被认为因抑制控制能力减弱而遭受侵入性思维的干扰。在行为层面这种干扰表现为舌尖现象更加频发以及图片命名潜伏期显著延长对于语义联系稀疏的词汇而言尤为突出。然而一个连接紧密、习得的语义关联库可能有助于个体弥补此类控制缺陷——这便构成了一种“语义策略”其核心在于降低对控制加工的需求从而更长久地维持词汇通达与检索能力。在大脑层面控制与语义系统随年龄变化的轨迹已在诸如LARA(衰老中的词汇通达与检索)等模型中得到形式化表述并最近通过SENECA(协同、经济、非线性、涌现、认知衰老)模型在连接组框架下得到了进一步阐释。这些模型一致认定中年期是一个关键的过渡阶段并着重强调了维持词汇产出的年龄特异性策略——年轻成人主要依赖控制加工过程而老年人则转向以语义为根基的策略。更具体而言在年轻成人中默认模式网络(DMN)与额顶网络(FPN)之间功能连接的灵活调制已被证实能够支持目标导向的语义通达与内部检索从而提示其与词汇产出存在直接联系。这一策略尤其依赖于后扣带皮层内的内侧顶叶连接该区域在语义控制任务中充当DMN-FPN的关键接口。从结构上看年轻人的优势还体现在其皮层下-额叶通路和背侧联络通路拥有最优的微结构完整性。步入中年之后如DECHA模型(衰老中的默认-执行耦合假说)所描述的DMN-FPN功能连接趋于僵化加之相关通路中白质微观结构完整性的丧失可能导致对任务无关思维的过滤能力减弱进而损害受控的语义通达。与此同时语义知识被认为在中年期达到顶峰并保持稳定直至晚年。在正常衰老的老年个体中语义中枢被认为在很大程度上得以保留。在结构上既往研究将这种语义网络的扩展与腹侧通路(如下额枕束和下纵束)以及一个维持词汇-语义表征的、左侧主导的皮层下-感觉白质纤维网络联系在一起。在功能上进一步的研究也强调了感觉运动网络内更为动态的相互作用。尽管感觉运动加工在这一策略中的确切作用尚待阐明但有研究者指出它可能增强了感觉信息与长时语义记忆痕迹的比对。本研究本研究的主要假设是中年期是两个结构-功能架构交汇的关键转折点。(1)第一个架构与认知控制相关。它可能由默认模式网络(DMN)和额顶网络(FPN)的功能活动从底层结构约束中解耦所驱动为语义存储的受控通达提供灵活的注意过程。该假设基于既往研究这些研究表明更高的解耦与持续的注意表现、言语学习和检索以及与功能多样性和认知灵活性之间存在关联。本研究预期该架构在中年之后将发生显著衰退尤其影响内侧顶叶区域。(2)第二个架构与语义通达相关。它可能由感觉运动皮层增强的耦合所调控为中年期及之后增强的词汇-语义通达提供基础。与该假设一致已有研究提出感觉运动区域的高耦合状态反映了大脑与环境之间快速且可靠的信息交互。为检验上述假设本研究基于18至88岁健康成人样本整合了两种成像模态(弥散加权成像(DWI)和功能磁共振成像(fMRI))的信息并采用图信号处理(GSP)方法将结构连接组分解为图频谱表征即脑谐波。其中低频谐波捕捉大脑整体性的长程结构轴(例如前-后轴)而高频谐波则捕捉局部连接基序。通过将fMRI信号分解到这些谐波上我们得以量化结构-功能耦合即神经活动在多大程度上受物理结构约束(耦合)又或在多大程度上能够摆脱此约束以执行如语义控制等高级抽象加工(解耦)。材料与方法受试者本研究数据集包含来自剑桥衰老与神经科学中心项目的600名健康成年人(年龄范围18-88岁男性295名女性305名)。该样本量是通过纳入至少拥有5项(共8项)认知评分的参与者而获得的。任何缺失评分均以该被试所在年龄十分位数组的中位值进行填补。这8项评分源自直接和间接评估词汇产出表现的神经心理学任务(表1)。在结构-功能分析阶段额外剔除了3名被试。表1.神经心理学任务及相关认知过程。MR数据预处理结构数据。弥散MRI数据使用MRtrix3软件(版本3.0.4https://www.mrtrix.org/)进行预处理。预处理步骤包括去噪、Gibbs伪影去除、基于FSL的涡流和运动校正以及基于ANTs N4的偏差校正。使用三次B样条插值将图像上采样至1mm³体素大小。结构连接组(SC)按以下步骤生成。首先采用MSMT CSD算法计算纤维取向分布(FOD)并在上采样前计算组平均响应函数以确保被试间的可比性。随后对这些FOD图像进行联合偏差校正和强度归一化。然后对每个个体进行全脑纤维束追踪(iFOD2500万条流线最大长度250mm截止值0.06回溯选项)同时使用SIFT2算法减少偏差。最终相应的SC通过计算HCP-MMP 1.0脑图谱中每对节点之间的流线数量生成(对称选项缩放方式invnodevol)。功能数据。静息态fMRI数据使用fMRIPrep软件(https://fmriprep.org/en/stable/)进行预处理。预处理步骤包括运动校正、时间层校正、磁敏感失真校正、配准和空间标准化。T1加权图像依次经过颅骨剥离、组织分割和空间标准化处理。去噪后的时间序列使用360区的HCP-MMP 1.0脑图谱进行聚合。本研究使用自定义脚本通过ANTs(https://github.com/ANTsX/ANTsPy)将图谱配准至个体空间并应用一种基于Nilearn(https://nilearn.github.io/)且能保持信号连续性的混杂去除策略。混杂因素包括高通滤波、全部24项运动参数、2项白质和脑脊液参数以及单一全局信号参数。同时提取平均帧间位移并在后续统计模型中用作协变量。使用6mm半高全宽(FWHM)核对信号进行空间平滑和标准化。结构-功能分析在图信号处理(GSP)框架下进行结构-功能分析并基于NiGSP Python工具箱(版本0.19.0https://github.com/MIPLabCH/nigsp)开发了自定义脚本。图与谱图理论图G的形式化定义为G(V, E)其中V为顶点或节点的集合E为边的集合表示节点对(i, j)之间的连接权重其中i, j∈V.G可以用两个关键矩阵加以表征(1)邻接矩阵A一个方阵其元素ai,j表示边(i, j)的权重(2)度矩阵D一个对角矩阵其元素di,i∑j ai,j表示各节点所有边权重之和。基于A和D可将图拉普拉斯矩阵L及其归一化形式L定义如下图信号处理(GSP)将信号处理操作应用于图结构数据其基本假设是fMRI信号驻留在由结构连接组G所定义的图顶点V上。通过对归一化拉普拉斯矩阵进行特征分解可获得图频谱表征LUΛUᵀ其中Λ{0λ₁≤λ₂ ...≤λmax}表示定义图拉普拉斯谱的特征值集合U为拉普拉斯特征向量集合亦称为谐波。这些谐波承载着空间频率的概念低特征值谐波沿图平滑变化而高特征值谐波则捕捉更为局部的变化。谐波对齐法尽管个体水平谐波与组平均分解相比仅表现出细微差异但谐波的排序在不同被试之间仍可能存在歧义尤其体现在个体特异性的高频谐波中从而使比较变得困难。为解决排序歧义本研究应用了一种将个体水平特征空间对齐至参考空间的程序。该参考对应于组代表性SC的归一化拉普拉斯矩阵分解而该SC则通过基于距离的共识阈值法构建。该程序首先计算参考空间与每个被试特征空间之间的余弦相似度同时忽略极性(即取绝对值)。然后应用Hungarian算法寻找使相似度最大化的特征向量最优排列。这一过程确保了特征空间在不同被试间具有可比性并保留了相对于组平均SC的升序特征值排序。需注意虽然有其他类似的匹配程序如二分图匹配最大流算法或Procrustes对齐。然而这两者各有其局限性前者无法保证完美匹配而后者可能会平滑掉谐波中个体特异性的特征。被试间一致性与异常值与Sipes等人(2024)的方法一致本研究评估了受试者特征空间的受试者间一致性如下所示Agreementi,j|diag(UiᵀUj)|。该计算为每对被试(i, j)的每个谐波U生成一个一致性值并在所有被试对之间取平均以突出被试间的谐波相似性。一致性分别使用未对齐和对齐的谐波进行计算结果展示于图2B。为识别潜在异常值本研究计算了每对被试间一致性的欧几里得范数随后采用学生化残差(SDR)方法检验每个被试偏离均值的程度。绝对SDR值大于3被视为异常值并从最终样本中剔除(N597)。结构-功能关系的能量与多样性连接组谐波作为变换基底用于评估fMRI信号与结构连接的对齐程度。具体而言图傅里叶变换(GFT)将fMRI信号s的每个时间点t投影到每个谐波k上从而将信号表达至图频谱域ŝk,tUkᵀ st。在将fMRI信号分解为谐波的线性组合后本研究计算了每个谐波对各时间点的贡献称为能量因此对时间取平均可量化每个谐波对时间平均fMRI活动的贡献程度即谐波能量。类似地对谐波取平均则可量化特定时间点对结构拓扑的贡献即时间能量。与Sipes等人(2024)一致本研究计算了每个被试能量谱的两个综合指标。首先本研究检验了谐波多样性该指标反映fMRI活动由大量谐波组成的程度。每个时间点(Ht)的谐波多样性依照下述公式进行计算随后对所有时间点取平均值。其次本研究检验了时间多样性该指标反映fMRI活动由快速波动谐波所构成的程度。时间多样性被操作化为时间能量的样本熵。本研究使用先前已验证的参数将相似性容差设置为r0.2并将尺度参数设置为m2以匹配信号中感兴趣的动态时间尺度(即2个TR或约4秒)。结构解耦指数(SDI)参照Preti和Van De Ville(2019)结构解耦指数(SDI)测量信号中解耦成分与耦合成分之比。谐波被划分为一组低频(耦合)谐波和一组高频(解耦)谐波两组具有大致相等的谐波能量。然后利用逆图傅里叶变换将结构耦合分解和结构解耦分解投影回图域。最后SDI计算为两者在整个时间上欧几里得范数之比。高SDI值表示高解耦反之低SDI值则表示高耦合。使用Preti和Van De Ville(2019)提出的频谱随机化程序为每个被试生成结构信息约束的零模型来评估SDI的显著性。不显著的SDI值在进一步统计分析中被设为零表示耦合与解耦的趋势相等。统计分析所有统计分析均在R(版本4.3.2)中完成。各模型均将性别、利手、颅内容积总量及平均帧间位移作为协变量纳入。年龄主效应通过拟合广义加性模型(GAM)来检验年龄对各指标的影响其中年龄作为平滑预测变量(参数k3methodREML)。与线性回归不同GAM能够在无先验假设的前提下识别出最佳拟合数据的潜在非线性轨迹。使用错误发现率(FDR)对显著性阈值进行校正。结构-功能-认知为检验整个生命周期中SDI值与词汇产出表现之间的关系本研究采用偏最小二乘(PLS)相关分析在MATLAB R2020b中使用myPLS工具箱(https://github.com/MIPLabCH/myPLS)完成。PLS是一种统计技术旨在识别大脑特征(X矩阵此处为SDI值)与认知表现(Y矩阵)之间的潜在关系。对于认知矩阵本研究纳入了表1所示的8项认知评分以及由分段多项式导出的两个变量。这些多项式函数允许模型优化SDI值与潜在非线性年龄轨迹之间的协方差。第一个函数表示在转折年龄t之后的加速变化第二个函数则表示在t之后趋于平稳。本研究将转折年龄确定为54岁。结果被试间结构连接组谐波的比较图1A展示了前几个谐波它们代表了随空间频率递增的结构变异模式。其中第一个谐波捕捉空间均匀性而第二和第三个谐波则分别解析连接的左右轴和前后轴。图1B显示除捕捉结构连接主轴的谐波外个体特异性谐波天然存在错位。采用对齐程序后可以观察到中位被试间一致性得到了显著提升(pwilcoxon0.001)从而使跨被试的比较更为可靠。图1.谐波的被试间一致性。能量谱的年龄相关变化为评估整个生命周期中结构-功能关系的变化本研究将fMRI信号表达为结构谐波的组合并分析由此产生的能量谱。该谱显示了每个谐波对fMRI信号的贡献程度。最初发现中年之后时间多样性呈现出小幅但显著的降低(p0.001)这意味着结构-功能关系在时间维度上的特异性有所减弱。相比之下谐波多样性随年龄显著增加这意味着衰老的大脑学会了调动更丰富、更多元的‘结构模式库’来构建其功能活动(p0.001)。为精确定位驱动该效应的谐波本研究将能量谱以每10个谐波为一组进行分箱并重复相同分析。结果显示该效应主要由前10阶谐波所驱动且在54岁时出现明显拐点(p0.001)提示老年期对结构连接主轴的调用变得更加广泛。上述结果不受所选分箱大小的影响。为增强结果的可解释性本研究对fMRI信号进行滤波聚焦于由这10个模态驱动的信号成分从而得到结构耦合的功能时间序列并基于此进行两项分析。(1)首先本研究计算了两个图论指标(参与系数和模块内z分数)以检验结构耦合的功能活动是支持功能整合还是功能分离。图2B证实结构-功能耦合与功能整合显著相关(r0.77, p0.001)而与功能分离无显著关联(p0.5)且该关系不受年龄影响。(2)其次本研究检验了这种结构耦合的功能活动在年轻和老年人中是否由不同的脑区支持。图2A显示年龄相关差异主要沿内侧壁分布老年人更多涉及背侧、前扣带和后顶叶区域而年轻人则主要涉及内侧眶额和岛叶区域。图2.基于结构信息的功能整合。结构功能解耦指数(SDI)的年龄相关变化接下来本研究检验了低频与高频谐波所携带的信息这两者分别反映每个区域对结构约束的耦合与解耦程度。在全脑水平上健康衰老与解耦增强显著相关(p0.001)提示来自大尺度结构轴的支持随年龄增长而减弱。在区域水平上近四分之一的脑区随年龄呈线性变化(360个区域中的86个)另有7.5% (360个区域中的27个)遵循非线性轨迹其特征表现为54岁后变化加速(见图3A)。进一步分析显示这些随年龄发生的变化映射为结构-功能耦合在跨模态皮层(如DMN)和注意网络(如DAN与FPN)中的增强以及在低级网络(包括SMN、视觉网络和听觉网络)中的解耦增强(见图3B)。图3展示了另外四个随年龄呈U形轨迹的区域(即直至中年耦合增强随后解耦增强)这些区域可能在健康衰老过程中充当关键的结构-功能接口。本研究进行了进一步分析以识别穿过这些已确定关键区域的白质纤维束。该分析揭示这些区域横跨联合纤维(例如左侧SLF II中91%的纤维经由这些区域走行)、胼胝体纤维(CC479%CC784%)以及投射纤维(左侧视辐射85%左侧丘脑-枕叶及纹状体-丘脑-枕叶通路79%及76%)(见图3D)。图3.结构解耦指数(SDI)的年龄相关变化。结构-功能-认知分析本研究进一步通过偏最小二乘(PLS)相关分析将这些变化与词汇产出表现相联系。与研究假设一致本研究识别出一个主要的认知控制成分(LC1)其解释了总共享方差的72.6%(pFDR0.001)以及一个语义成分(LC2)其额外解释了9.4%的方差(pFDR0.002)。如图4所示关键的词汇产出任务如图片命名(BSR21.55和11.05)和言语流畅性任务(BSR9.87和16.45)与这两个成分均呈正相关从而在融合多模态影像的基础上确认了年龄相关词汇产出中认知控制与语义的双重贡献。图4.结构-功能耦合的潜在建模。认知控制——潜在成分1在认知层面LC1主要与更好的图片命名表现(21.55)、更强的流体能力(Cattell任务20.27)、更优的长时记忆(13.36)以及更少的舌尖现象(11.41)相关。这些任务表现在中年后均显著下降。这种认知衰退模式主要与下顶叶、后扣带和中扣带皮层以及背外侧前额叶皮层的解耦减弱相关同时伴随感觉运动网络和视觉皮层的耦合减弱。语义——潜在成分2在认知层面在考虑流体能力下降(–4.19)后LC2主要由谚语任务(18.07)所测量的语义抽象、言语流畅性(16.45)、句子理解(12.49)以及图片命名(7.1)所驱动。这些任务表现在中年期达到峰值并保持相对稳定直至高龄。这种认知增强模式主要与感觉运动网络的耦合增强相关同时伴随特定关键区域的解耦增强包括左内侧前额叶(区域L-10r)、左中岛叶(区域L-MI)、左外侧颞叶(区域L-TE1)和左后视觉(区域L-V3CD)皮层这些区域似乎共同勾勒出左侧下额枕束(IFOF)。类似地右侧前扣带(区域R-a24pr)和右侧楔前叶与枕叶交界处的解耦增强而这些区域则似乎勾勒出上纵束(SLF)分支的终末区域。结论网络神经科学极大地增进了我们对健康神经认知衰老过程中结构和功能连接演变规律的理解。然而将大脑的结构组织、功能组织与认知表现进行整合性关联的多模态研究仍相对稀缺。本研究基于图信号处理框架分析了来自CamCAN数据集的597名18至88岁健康成年人的rs-fMRI和DWI数据。结果显示控制系统和语义系统遵循截然不同的年龄相关结构-功能重组轨迹其中中年期构成一个关键拐点。中年之前结构耦合的感觉运动整合与跨模态皮层的结构解耦活动共存共同支持认知控制功能。中年之后大脑转向一种基于感觉运动的语义策略其特征表现为初级系统中结构-功能耦合的增强以及沿长程语义通路的解耦加剧这一转变为构筑认知韧性的具身内部模型提供了支撑。综上本研究认为感觉运动动力学在整个生命周期中充当了受控语义认知的合理支架从而拓展了LARA与SENECA等当前神经认知衰老模型的理论内涵。参考文献Guichet, C., Achard, S., Mermillod, M. et al. Structure-function dynamics in healthy cognitive aging: a graph signal processing approach. Brain Struct Funct 231, 85 (2026). https://doi.org/10.1007/s00429-026-03130-8