基于CiteSpace和VOSviewer分析fMRI在认知功能研究中的应用

曹原，高希言,，褚文明，李世永，吴琼，李海平

1.河南中医药大学第三附属医院 康复科，河南 郑州 450046;2.河南中医药大学 针灸推拿学院，河南 郑州 450046

引言

功能磁共振成像（Function Magnetic Resonance Imaging，fMRI）是一种实用性强、空间分辨率高、非侵入性的脑功能可视化新技术[1-2]，可通过测量神经活动增强后血流动力学变化来研究大脑功能，被广泛应用于精神、心理、感知学领域，是目前认知神经科学主要的研究手段之一[3-4]。根据采集时受试者是否需要完成认知任务可将fMRI 分为静息态和任务态，静息态磁共振采集方便，影响因素少，受试者依从性高，被广泛应用于临床中；任务态因受任务的局限，在临床应用较少，只在细化研究脑区功能或某种刺激的作用机制时较常被采用[5]。

认知功能是人脑加工、储存和提取信息的能力，包括感觉、知觉、注意、记忆、思维、理解、判断等一系列基本的过程[6-7]。当参与感觉、记忆等认知相关脑区的结构和功能异常时，可能导致出现各种认知功能障碍。fMRI 通过检测大脑神经元活动来观察生理或病理条件下脑功能区的激活以及脑功能网络连接情况，从而反映各脑区的认知加工过程，投射大脑高级思维活动，且扫描仪技术、图像采集技术、实验设计和分析方法的进步，有望推动fMRI 从单纯的图像学发展到专门针对大脑机制的真正研究。

近年来，一些研究表明在神经衰弱、癔症、疑症、更年期综合征、抑郁症、强迫症、老年性痴呆、精神分裂症、躁狂症等多种疾病中均存在认知功能受损的情况[8]。探索大脑认知加工过程，发现认知受损脑区，研究干预认知障碍新方法是当前研究中的热点及难点。本研究采用CiteSpace 和VOSviewer 对2012—2022年CNKI 和Web of Science 核心集数据库中关于fMRI 在认知功能研究中应用的文献归纳总结并进行可视化分析，以了解fMRI 在认知功能领域的研究进展、热点趋势以及未来发展方向，以期为今后的研究提供辅助与参考。

1 资料与方法

1.1 数据收集

Web of Science数据库使用“主题”检索，主题1=“fMRI” OR “BOLD-fMRI” OR “rs-fMRI” OR “task fMRI” OR “MRI” OR “Functional Magnetic Resonance Imaging” OR “Magnetic Resonance Imaging” OR “Functional Imaging” OR “neuroimaging” OR “functional neuroimaging” OR “functional MRI” AND 主题2=“cognitive function” OR “cognitive impairment” OR “cognitive disorder”。时间设定为2012年1月1日至2022年7月31日，文献类型限制为“Article”，语言类型设置为“English”。在CNKI中使用高级检索功能，检索（功能磁共振成像OR磁共振成像OR血氧水平依赖OR静息态OR任务态OR功能成像）AND（认知功能OR认知障碍OR认知损害），时间设定为2012年1月1日至2022年7月31日。筛除研究中未涉及fMRI扫描的序列，如仅使用传统T1加权像、会议通知、经验以及理论探讨的文章，对于重复发表的论文只选取最早发表的那一篇，最终纳入研究的有Web of Science相关文献10056篇，CNKI相关文献1220篇。筛选流程如图1所示。

图1 文献筛选流程图

1.2 数据处理

对检索到的中、英文文献以文本格式和Refworks 格式导入CiteSpace 6.1.R2 和VOSviewer 1.6.18 进行分析。CiteSpace 时间跨度设置为2012—2022年；时间切片设置为1年；节点类型分别设置为“Country”“Institution”“Keyword”“Reference”；剪切方式设置为“Pruning”“Pruning sliced networks”“Pruning the merged network”。

1.3 分析方法

VOSviewer 是由荷兰学者Nees JVE 与Ludo W 共同开发的一款可用于处理大量数据、构建相互关系网络和进行可视化分析的文献计量软件[9]。CiteSpace 是一款由陈超美教授研发，可对某个领域内的所有科研文献进行可视化呈现的软件[10]。VOSviewer 可操作性强，对作者分析的结果直观且可靠，CiteSpace 软件更新快，分析类型多样化，能对关键词进行突现和时间线分析，两大软件各有优势与特色[11]。本文使用VOSviewer 对作者合作关系进行可视化分析，使用CiteSpace 对国家/地区、机构、被引频次、关键词进行可视化分析。

2 可视化分析

2.1 发文量分析

文献数量可衡量学科领域的研究变化情况和发展趋势。往年的文献发布数量可以直观地体现fMRI 在认知领域应用的发展情况，利用Excel 对CNKI 和Web of Science 中使用fMRI 研究认知功能领域的发文量进行统计（图2），发现发文量呈逐年上升趋势，fMRI 在认知领域的应用得到了持续的关注；年度中、英文文献发文量有较大的差距，Web of Science 发文量和增长趋势均明显超出CNKI，说明英文文献对于该领域的研究水平较高。

图2 2012—2022年fMRI在认知功能研究发文量统计

2.2 发文国家/地区分析

文献的国家/地区分析可反应该国家/地区在这一领域研究的活跃程度、技术创新能力以及与其他国家合作的密切程度。Web of Science 发文量和中心性排名前5 位的国家/地区如表1所示。国家/地区间合作的紧密程度分析如图3所示，节点数N=86，连线数E=99。在2012—2022年间，fMRI 在认知领域研究中发文量最高的是美国，但中心性最高、国际影响力最大的是英国；我国发文量排名第2，中心性排在第3 位，说明我国在该领域的英文文献研究具有一定深度以及国际影响力，但是还有待提升。

表1 Web of Science发文量和中心性排名前5位的国家/地区

图3 Web of Science文献国家/地区合作关系网络

2.3 发文作者分析

研究者通常是在各自所研究的领域与合作者共同找到研究的创新点，因此，研究作者之间的合作关系，有助于深挖某一领域的学术前沿动态和研究视角。采用VOSviewer 对国内外作者合作关系进行可视化分析。CNKI 文献作者合作网络如图4a所示，有张玉梅和卢光明两大合作团队，张玉梅来自首都医科大学附属北京天坛医院；卢光明来自南京大学医学院附属金陵医院（东部战区总医院）放射诊断科。张玉梅团队主要研究脑白质病变引起的认知功能障碍fMRI[12-14]；卢光明团队主要研究方向为青少年情感障碍疾病fMRI[15-17]。各团队内部联系紧密。

图4 作者合作关系网络

Web of Science 文献作者合作网络如图4b所示。作者之间形成了多个团队，各团队内部合作紧密，且交叉合作紧密。Vince Calhoun 团队从事人工智能研究，致力于通过大脑成像数据实现对自闭症、精神分裂症和阿尔兹海默症等精神疾病的早期诊断[18]；Massimo Filippi 团队主要利用fMRI 进行以多发性硬化症为主的疾病研究[19]；Dinggang Shen 团队主要从事人工智能软件开发以及技术支持[20]。

2.4 发文机构分析

发文机构合作网络可反映机构间科研力量的分布情况和知识流动状况[21]。对CNKI 文献以机构为节点进行分析，N=326，E=195，见图5a。合作机构共同发文量可视化图谱如图5b所示。发文量排名前5 位的机构和共同发文量排名前5 位的合作机构如表2所示。发文量最多的机构为首都医科大学宣武医院，其神经内科与放射科均发文19 篇，在该领域内具有较强的影响力。从合作网络上看，各机构间联系不紧密，多为学校附属医院的放射科、神经内科之间的合作，各机构间缺少跨省份、跨地区的合作；从共同发文量可视化图谱看，以首都医科大学为平台，其下辖各医院、研究机构形成了较紧密的合作关系，此外南京大学、东南大学的附属医疗机构也形成了较为独立的合作团队。分析其原因，一方面是fMRI 设备有使用要求，大多只有医院才具备条件；另一方面是大学附属机构在科研人员及科研条件上更具优势，大学与其附属机构间在临床和学术上有更多的交流，更容易形成合作团队。

表2 CNKI文献的机构发文统计

图5 CNKI文献发文机构可视化图谱

对Web of Science 文献以机构为节点进行分析，N=553，E=285，见图6a。共同发文量排名前5 位的合作机构可视化图谱如图6b所示。发文量排名前5 位的机构和共同发文量排名前5 位的合作机构如表3所示。发文量最高的机构是美国哈佛大学医学院，发文量为268 篇。从共同发文量可视化图谱可以看出，哈佛大学及哈佛大学医学部同下辖医院麻省总医院之间合作紧密，首都医科大学与中国科学院、北京师范大学、电子科技大学之间也形成了一定规模的合作关系。从地区机构发文量来看，中国在fMRI 技术应用认知功能研究方面的研究能力和重视程度越来越高，在国际上的影响力有待提升。

表3 Web of Science文献的机构发文统计

图6 Web of Science文献发文机构可视化图谱

2.5 被引频次分析

被引频次分析被认为是评估一篇文章的影响力或反映其被认可程度的最重要的方法之一。对被引用最多的文章进行分析可以帮助揭示最受科学界关注的研究主题[22]。通过频次和中心性分析可判断文献影响力[23]。对Web of Science 文献以被引频次为节点进行分析，N=827，E=1631，见图7。被引频次排名前10 位的文献如表4所示。被引频次最高的文献[24]提出了一种抑制或消除运动对静息功能连接核磁共振成像分析影响的方法；被引频次排名第2 位的文献[25]主要介绍一款新的处理静息态磁共振数据的开源工具包；被引频次排名第3 位的文献[26]发现最常见的fMRI 分析软件包（SPM、FSL、AFNI）可导致高达70%的假阳性率；被引频次排名第4 位的文献[27]阐述了默认网络内侧颞叶、后扣带皮层的功能，讨论了默认网络与自闭症、精神分裂症和阿尔茨海默病等精神疾病的相关性；被引频次排名第5 位的文献[28]探讨了头部运动对内在功能连接的影响。此外，本文研究团队对被引频次排名前50 位的文献进行了仔细阅读，发现fMRI 应用于轻度认知障碍和阿尔兹海默病是当前相对重要的研究领域，超过90%的论文涉及轻度认知障碍和阿尔兹海默病，包括疾病识别、诊断及默认网络的改变等内容。fMRI 在轻度认知障碍和阿尔兹海默病中的探索是一个重要的研究方向，有助于早期识别疾病并及时实施干预措施，对现代医学具有重要意义。

表4 Web of Science文献被引频次排名前10位

图7 Web of Science文献被引频次可视化图谱

2.6 关键词分析

2.6.1 共现分析

关键词作为文章的重要组成部分之一，是对科学研究相关特征的高度凝练，可以代表论文的主题，反映文献的核心内容、过去以及现在的研究重点和未来的研究趋势[29]，便于了解该技术在各学科领域的发展历程。对CNKI 文献中的关键词进行分析，频次和中心性排名前5 位的关键词如表5所示。涉及疾病的热点为糖尿病、抑郁症、痴呆、帕金森病、卒中、癫痫；涉及fMRI 指标分析的热点为功能连接、低频振幅、机器学习；涉及的脑区包括默认网络（后扣带回、楔前叶、内侧前额叶皮质、顶下小叶以及双侧颞叶皮质）、海马、丘脑。

表5 CNKI文献中关键词共现分析

对Web of Science 文献以关键词进行分析，频次和中心性排名前5 位的关键词如表6所示。涉及疾病的热点为Alzheimer’s disease、mild cognitive impairment、depression、breast cancer；涉及认知功能脑区的热点为default mode network、entorhinal cortex、cortical network；涉及fMRI 指标分析研究热点为amplitude of lowfrequency fluctuation、functional connectivity、global signal、degree centrality。

表6 Web of Science文献关键词共现分析

2.6.2 聚类分析

关键词聚类分析可了解该领域的知识结构与动态演变的过程。聚类序号由大变小代表该类的节点数由少变多，节点越多研究热点越高，Q＞0.3，聚类平均轮廓值S＞0.7 说明聚类结构显著，聚类合理[30]。关键词聚类的时间线图谱以纵轴为聚类名称标签，横轴为文献发表年份，节点出现的时区为该关键词首次出现的时间。该图谱可显示每个聚类里关键词节点随时间变化的研究进展，可进一步展示各聚类出现、结束和时间趋势，能体现某一聚类的重要程度及分布时间跨度[31]。对CNKI 文献进行关键词聚类，Q=0.8843，S=0.9793，共得到16 个聚类标签，#0 认知障碍、#1 功能连接、#2 脑功能、#3 痴呆、#4 糖尿病、#5 静息态、#6 海马、#7 低频振幅、#8 诊断、#9 机器学习、#10 大脑皮质、#11 帕金森、#12 危险因素、#13 针刺、#14 内嗅皮层、#15 脑出血。聚类#0、#3、#4、#8、#11、#12、#15 可归为fMRI 在认知障碍疾病中的应用；聚类#1、#2、#5、#7、#9 为fMRI 应用分类；聚类#6、#10、#14 可归为认知功能脑区的fMRI研究；聚类#13可归为认知障碍治疗方法研究。关键词#0～#10 聚类图及时间线图如图8所示。

图8 CNKI文献关键词聚类可视化图谱

对Web of Science 文献进行关键词聚类，Q=0.8368，S=0.9327， 共得到25 个聚类标签，#0 independent component analysis、#1 national institute、#2 parkinsons disease、#3 emotion regulation、#4 voxel-based morphometry、#5 alzheimers disease、#6 major depressive disorder、#7 multiple sclerosis、#8 cortical thickness、#9 bipolar disorder、#10 older adult、#11 diffusion tensor imaging、#12 cognitive control、#13 adhd、#14 regional homogeneity、#15 vegetative state、#16 panic disorder、#17 social cognition、#18 response inhibition、#19 effective connectivity、#20 graph theory、#21 transcranial magnetic stimulation、#22 machine learning、#23 motorimagery、#24 nucleus accumbens。聚类#2、#5、#6、#7、#9、#13、#15、#16 可归纳为疾病研究；聚类#0、#4、#8、#19、#20、#22 可归纳为fMRI 分析方法；聚类#12、#17、#18 归纳为认知功能研究；聚类#3、#21、#23 归纳为治疗手段。关键词#0～#10 聚类及时间线图如图9所示。

图9 Web of Science文献关键词聚类可视化图谱

2.6.3 突现分析

突现分析揭示的是具体年份频率突增的关键词，用于识别不同时期的研究趋势与前沿[32]。对国内文献关键词突现进行可视化分析，得到8 个突现词，结果如图10a所示，CNKI 文献中关于fMRI 在认知功能方面的研究较少且研究内容单一，当前热点是对脑网络的研究。对Web of Science 文献关键词突现进行可视化分析，得到的前25 个突现词如图10b所示，2012—2015年主要研究内容为各皮层脑区的激活以及对认知过程早期注意的研究；2018—2022年研究的疾病包括亨廷顿病、首发精神障碍、2 型糖尿病、应激障碍，分析方法热点是机器学习、动态功能连接。

图10 关键词突现可视化分析

3 讨论

3.1 研究现状

从发文量来看，我国在使用fMRI 研究认知功能领域发文量呈逐年上升趋势。相对于Web of Science 文献数量，CNKI 每年发文量少且增长趋势缓慢，说明fMRI 对于认知功能的研究持续受到我国学者的关注。Web of Science 文献分析发现美国发文量最高，但中心性最强的国家是英国，说明英国在该领域影响力最大，国际合作活跃度高。中国与其他国家/地区之间缺少合作，国际影响力有待提升。

3.2 合作团队研究

从作者合作网络来看，作者之间虽然形成了各自的团队，但是团队合作网络较小，合作范围局限，各团队之间缺乏交流合作。所以，我国的各研究团队或研究机构应多关注顶尖机构与高影响力期刊中的研究动态，积极进行学科交叉合作，加强彼此间的沟通交流，并形成跨校、跨院、跨省甚至跨国间的合作，将各研究团队或研究机构间的资源进行整合利用，拓宽研究的深度与广度，提升我国在该领域的研究水平。

3.3 关键词分析

对关键词进行共现、聚类、突现、聚类时间线图分析，得出以下3 个方面的内容。

（1）认知功能分析指标。CNKI 文献主要以局部性低频波动振幅分析和功能连接分析为主，局部性低频波动振幅分析描述单个体素区域的活动强度，功能连接分析描述不同脑区之间的协同性，二者均是描述静息态影像的重要特征。Web of Science 文献的分析方法包括局部分析（局部一致性分析、局部性低频波动振幅分析）、功能连接分析（独立成分分析、基于种子点分析）、图论方法分析（小世界网络分析、度中心性分析）。随着机器学习的发展，支持向量机、深度学习、分类算法等分析方法在认知研究领域广泛应用，相较于传统的统计学分析方法，机器学习可选择性多，应用范围广，在处理高维多元特征方面优势明显。对比两个数据库可知，中文文献在利用fMRI 研究认知功能时特征提取以及分析方法简单，与英文文献存在显著差距，因此今后的研究中需要增加更加科学全面且完善的分析方法。

（2）涉及认知功能及脑区。CNKI 文献中主要涉及的认知脑区研究包括海马、丘脑、前扣带回、大脑皮质以及默认模式网络，认知功能包括注意力、执行功能、记忆、短时记忆。Web of Science 文献中主要涉及的脑区包括海马、路易小体、默认模式脑网络（Default Mode Network，DMN）、突显网络（Salience Network，SN），认知功能包括注意、语言记忆、空间工作记忆、执行功能。国内外研究均注重与认知情感关系密切的DMN，DMN 被认为和阿尔茨海默病、孤独症、精神分裂症和癫痫等伴随认知功能的神经精神类疾病相关。特别地，DMN 功能连通性异常为各种疾病的早期诊断和干预治疗提供了帮助[33]。除DMN 外，国际上也十分关注SN 与认知功能的研究，SN 对于感觉运动信息的处理、总体认知以及情感、疼痛和身体动作之间的协调起着不可或缺的作用[34-36]，并且调节着大脑的主要控制网络[ DMN 和中央执行网络（Central Executive Network，CEN）]。当岛叶受外界刺激时，SN 可发出信号，启动CEN 有关脑区参与决策、行为控制、注意力、工作记忆等认知功能，并控制DMN 静息活动[37]。SN 结构完整才能确保认知功能正常[38-39]，SN 过度活跃或活动不足会导致其无法正确地处理脑网络之间的切换和情绪调节，这种异常活动可能是抑郁症、焦虑症、创伤后应激障碍和精神分裂症的特征[40-42]。

（3）认知相关疾病研究。利用fMRI 研究认知损害性疾病，CNKI 文献中疾病包括2 型糖尿病、脑卒中、痴呆、癫痫、失眠、高血压、抑郁症、睡眠剥夺；Web of Science 文献中疾病包括抑郁症、轻度认知障碍、精神分裂症、双相情感障碍、多发性硬化症。CNKI 文献中的干预措施包括药物疗法（多奈哌齐、利培酮、卡巴拉汀、奥氮平)，中医传统疗法(针刺、灸法），太极拳，导引功法，传统武术以及其他有氧运动疗法等，研究多集中于利用fMRI 评价干预手段对认知损害的疗效评价。Web of Science 文献涉及的干预措施包括运动想象、心理疗法、有氧运动、经颅磁刺激、认知行为疗法等，更多的研究集中于利用fMRI 探索其对认知神经疾病的诊断。

4 结论

本研究利用CiteSpace 和VOSviewer 对Web of Science 和CNKI 数据库中有关fMRI 应用于认知功能研究的文献进行科学计量分析，揭示了fMRI 应用于认知功能研究的全球趋势，获得了该领域的机构、作者、关键词和被引频次的可视化结果，系统地梳理了该研究领域的发展脉络，为探索该研究领域的发展趋势提供了新的视角。但本研究存在一定的局限性：① 只选取了CNKI 和Web of Science 两个数据库进行分析，万方、维普等数据库文章未纳入分析，使分析内容不够全面，可能导致文献选择偏倚；② CiteSpace 和VOSviewer 只是可视化分析软件，对于认知功能的脑网络连接改变和干预措施需要进一步研究。