本篇文献发表在BRAIN COMMUNICATIONS杂志。本公众号所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

1.引言

健康衰老伴随着一定程度的流体、速度依赖性认知下降。基于使用弥散加权成像等磁共振成像技术评估脑结构的理论提出，分布脑区之间白质通路的失连接导致了年龄相关的认知下降。然而，更高分辨率的弥散加权成像采集可能有助于更好地理解年龄相关的结构失连接及其与脑功能的关系，这对于指导旨在减缓神经认知衰老的未来干预措施是必要的。

白质在认知功能中起着至关重要的作用，高度髓鞘化的纤维以高效的方式在不同灰质区域之间传播动作电位。理论上，弥散加权成像测量的白质结构连接的下降应限制健康衰老中功能磁共振成像测量的灰质功能连接，使得突触前和突触后神经元之间动作电位的更快轴突传播应有益于认知表现。然而，关于跨成年生命周期中这些结构-功能关联的存在和方向，研究报告了不一致的结果。例如，一些研究已识别出脑结构与脑功能之间关联的显著年龄相关下降，而其他研究报告了相对独立的结构和功能连接年龄相关效应。文献中这种差异的一种可能性是，功能连接测量随任务需求而变化，而白质连接在测量时相对静态。第二种可能性是，这些不一致的发现可能是由于标准弥散加权成像采集的相对较低空间分辨率削弱了检测这些关联的能力。与标准弥散加权成像相比，更高分辨率的弥散加权成像应更好地估计小且紧密弯曲区域以及具有多种组织类型的体素中的白质纤维，进而更好地捕获功能连接的年龄相关差异。

为了促进不同磁共振成像模态之间的比较，一种创新方法是使用图论评估结构和功能连接，图论将大脑划分为由解剖节点（即灰质区域）和它们之间的边（即白质连接）组成的网络。图论已成为识别结构和功能连接中年龄相关差异以及评估这些测量之间关系的成功工具。然而，迄今为止，尚无研究直接比较高分辨率结构连接在解释功能连接中年龄相关方差方面是否优于标准分辨率弥散加权成像。

在此研究中，使用了一个包含140名健康成年人（18-88岁）的样本，他们接受了静息态功能磁共振成像、标准分辨率弥散加权成像（1.5立方毫米体素；3.375微升体积）和高分辨率弥散加权成像（1立方毫米；1微升体积）数据采集。一个广泛的测试电池评估了流体认知的一般形式和特定形式，图论分析评估了皮层和皮层下网络之间的结构和功能连接。此研究的目标有三方面。首先，旨在使用这些数据的子集重复此研究先前的工作，证明高分辨率相对于标准采集的3倍分辨率提高独特地识别了网络内部和网络之间白质连接中年龄相关下降的模式。在整个大脑中进行分析，以评估这种模式在特定网络中是否更明显，例如具有更多浅表白质区域的网络与长程连接网络相比。其次，旨在重复先前关于网络内部功能连接年龄相关下降但没有相应网络之间连接差异的报道。通过纳入80岁以上的成年人来扩展这项工作，检验这些模式是否仍然明显。第三个目标代表了一项在先前的文献中尚未评估的新颖扩展，检验了核心假设：高分辨率结构连接应显著介导功能连接和流体认知中的年龄相关差异，超越标准分辨率弥散加权成像。

针对健康年轻成年人的研究报告了初级感觉网络中结构与功能连接之间更强的关联。然而，针对健康衰老的研究报告了联合网络（如默认模式网络）比初级感觉网络（如视觉网络）中更大的功能连接年龄相关差异。因此，预期健康衰老反而可能与联合网络比感觉网络更强的结构-功能关联相关，这可能反映了它们对潜在年龄相关结构退化的脆弱性。

2.方法

2.1研究对象

此研究严格遵循世界医学协会《人类实验伦理准则》开展，研究方案经杜克大学医学中心机构审查委员会审核批准。所有受试者均获得时间补偿并签署知情同意书。

参与者从北卡罗来纳州罗利-达勒姆地区及周边社区招募，使用分发给当地医院、社区中心和其他当地组织的印刷或虚拟传单。研究参与最初涉及筛选和行为测试环节，约一个月后进行磁共振成像扫描。纳入标准为：至少高中学历，无重大医疗状况，目前未服用已知影响认知的处方药，在简易精神状态检查或蒙特利尔认知评估上整体认知完好，在韦氏成人智力量表-III词汇分测验上表现符合年龄预期，无重性抑郁证据，以及足够的视力。

对于初步筛查，252名来自社区的健康成年人参与。由于失访、不符合纳入标准或磁共振成像安全要求，或在一种或多种认知测试中为异常值，排除了73名参与者。其余179名参与者完成了磁共振成像扫描，但由于时间限制，有12名个体无法采集高分辨率弥散加权成像数据。由于极端头动、磁共振成像伪影或图像预处理问题，或视觉注意任务表现差，额外排除了27名参与者。表1包含了最终140名参与者的详细信息，年龄18-88岁。年龄分布如下：18-29岁26人，30-39岁22人，40-49岁22人，50-59岁17人，60-69岁22人，70-79岁20人，80-88岁11人。

2.2心理测量和认知任务

如前所述，参与者完成了一个包含12项个体测试的流体认知组合测试。感知运动速度通过三个基于计算机的反应时测试和NIH工具箱模式比较测试中的85秒内正确数来测量。执行功能通过数字符号替代任务、侧翼任务、连线测验B部分与A部分以及NIH工具箱卡片分类测试来测量。记忆通过基于计算机的6项变化检测任务、16个单词的20分钟延迟口头回忆、逻辑记忆测试和NIH工具箱图片序列测试来测量。

2.3影像数据采集

影像数据采集在杜克大学医学中心的脑影像与分析中心进行，分为两项独立的视觉注意实验，时间跨度为2021年至2024年。大部分数据（n = 92）是在配备8通道头部线圈的3T GE MR750 MRI扫描仪上采集的。2022年，该扫描仪进行了一系列升级，其余数据（n = 48）是在配备48通道头部线圈的3T GE超高性能MRI扫描仪上采集的。参与者佩戴耳塞以保护听力免受扫描噪音影响，并使用泡沫垫尽量减少头部运动。

对于61名参与者，使用采用三维快速反恢复准备的扰相梯度回波（SPGR）序列采集了高分辨率 T1 加权图像，参数如下：体素大小 = 0.5×0.5×0.5 mm，采集矩阵 = 512×512×292 mm，重复时间（TR）= 2200 ms，回波时间（TE）= 3.1 ms，翻转角 = 8°，灵敏度编码（SENSE）因子 = 2。对于其余79名参与者，使用3D反转恢复准备 SPGR 序列采集了高分辨率 T1 加权图像，参数如下：TR = 2132.8 ms，TE = 最小全回波，翻转角 = 8°，体素大小 = 1×1×1 mm，采集矩阵 = 256×256×116 mm（n = 9）或 256×256×124 mm（n = 70），SENSE 因子 = 2。

对于全部140名参与者，使用单次激发自旋回波平面成像（EPI）序列采集了全脑标准分辨率弥散加权成像（DWI）数据，参数如下：采集矩阵 = 144×144×83 mm，TR = 4620 ms，TE = 64.1 ms，翻转角 = 90°，体素大小 = 1.5×1.5×1.5 mm，SENSE 因子 = 1，多频带因子 = 3。弥散加权梯度在90个方向上施加，b值分别为1500 s/mm² 和 3000 s/mm²，并采集了两个非弥散加权b = 0 图像。对于大多数参与者（n = 129），使用与主序列相同的参数采集了第二个弥散序列，具有六个相反极性的相位编码方向，但 TR = 4971 ms。对这些数据的后续分析仅限于使用 b = 1500 s/mm²球壳采集的数据，以便与高分辨率数据进行更可比的分析。

对于全部140名参与者，使用四次激发多重灵敏度编码（MUSE）序列采集了全脑高分辨率弥散加权成像（DWI）数据。对于74名参与者，使用自旋回波 EPI 序列采集了单频带数据，参数如下：体素大小 = 1×1×1 mm，采集矩阵 = 256×256×90 mm（n = 61）或 256×256×116 mm（n = 13），TR = 13000 ms，TE = 58 ms，翻转角 = 90°，SENSE 因子= 1，多频带因子 = 1。弥散加权梯度在15个方向上施加，b值为1000 s/mm²（n = 61）或800 s/mm²（n = 13），并采集了两个非弥散加权 b = 0 s/mm² 图像。对于其余66名参与者，使用自旋回波 EPI 序列采集了多频带数据，参数如下：体素大小 = 1×1×1 mm，采集矩阵 = 164×328×122 mm，TR = 8767 ms，TE = 60.8 ms，翻转角 = 90°，SENSE 因子 = 1，多频带因子 = 2。弥散加权梯度在25个方向上施加，b值为800 s/mm²，并采集了两个非弥散加权 b = 0 图像。对于几乎所有具有多频带数据的参与者（n = 64），使用相同参数采集了包含一个 b = 0 s/mm²和一个 800 s/mm² 的第二弥散序列，相位编码方向相反。

对于全部140名参与者，使用 T2* 加权梯度回波 EPI 序列采集了静息态功能磁共振成像（rsfMRI）数据（睁眼，中央注视），参数如下：体素大小 = 2 × 2 × 2 mm，采集矩阵 = 128 × 128 × 50 mm（n = 61）或 128 × 128 × 63 mm（n = 79），TR = 1500 ms，TE = 30 ms，翻转角 = 60°，SENSE 因子 = 2，时间点个数 = 300。对于采集了63层的79名参与者，使用 EPI 序列采集了一组场图，相位编码方向相反，参数与 rsfMRI 数据相同，但 TR = 1000 ms，翻转角 = 90°。

在扫描过程中，此研究还采集了任务态功能磁共振成像、磁敏感加权血管成像和液体衰减反转恢复成像的数据，其中大部分数据已在其他文章中报道。

2.5弥散加权成像数据处理

此研究首先提取了仅限于 b = 1500 s/mm² 球壳的标准分辨率 DWI 数据（dwiextract），以避免在两种感兴趣采集之间的比较中梯度强度的潜在混杂效应。所有 DWI 数据随后使用 MRtrix3 进行预处理，步骤顺序如下：去噪（dwidenoise）、运动校正、涡流引起的畸变和磁化率引起的畸变校正（dwifslpreproc）、偏置校正（dwibiascorrect）以及生成颅骨剥离的全脑掩模（dwi2mask）。该流程的唯一例外是，对于单频带 MUSE 数据未进行磁化率引起的畸变校正，因为常规的 SENSE 重建过程从四个 DWI 片段重建了全视场图像，并允许计算逐次激发的相位变化。一名训练有素的研究人员目视检查了所有处理过的 DWI 扫描，并认为它们在脑掩模覆盖范围、运动和磁化率引起的畸变充分校正、无 MRI伪影（例如重影、射频不均匀性）以及无重大解剖异常方面是可接受的。

为了估计结构连接组，此研究首先使用Dhollander 算法从灰质、白质和脑脊液中估计组织特异性响应函数（dwi2response）。然后，基于两个隔室（白质和脑脊液），使用多壳多组织约束球面反卷积推导出纤维取向分布（FOD）图（dwi2fod），因为数据仅包含单个壳层，并对得到的 FOD 图进行归一化（mtnormalize）。接下来，基于高分辨率 T1 加权图像生成灰质/白质边界掩模（5ttgen和 5tt2gmwmi）。对于每次 DWI 采集，使用 FSL 的 flirt 中的六自由度线性配准，将平均颅骨剥离、预处理后的 b = 0 s/mm² 图像配准到灰质/白质边界掩模。然后使用该变换矩阵的逆将灰质/白质边界掩模配准到原始弥散空间（transformconvert, mrtransform）。使用 FOD 图，通过解剖约束的概率示踪技术生成 1000 万条流线（tckgen）（最小流线长度 = 1 mm，最大长度 = 250 mm，FOD 幅度截断值 = 0.06）。使用解剖约束的概率示踪技术通过强制流线在灰质/白质边界掩模内终止，有助于确保流线在大脑内种子区域（Brainnetome 图谱中的灰质节点，在图论分析下描述）的生物学合理终止。此研究使用基于球面反卷积信息的示踪图过滤方法 2（tcksift2）为每条流线分配权重，相对于潜在的表观纤维密度。该方法不移除流线，而是将所有流线的加权贡献纳入球面反卷积扩散模型，更准确地表示每个体素中的纤维密度，并有助于防止与过拟合相关的问题。

2.6静息态功能磁共振成像数据处理

所有 rsfMRI 数据均使用 fMRIPrep 进行预处理，步骤顺序如下：从前四个图像生成颅骨剥离的功能参考图像、估计磁化率引起的畸变、估计相对于功能参考图像的头部运动参数（变换矩阵以及六个相应的旋转和平移参数），以及进行层时校正（AFNI 的 3dShift）。未进行空间平滑。对于未采集场图的 61 名参与者，此研究使用基于边界的配准，通过将功能参考图像与强度反转的高分辨率 T1 加权图像对齐来校正磁化率引起的畸变。对于其余 79 名参与者，使用 3dQwarp 从相反极性的 EPI 场图中估计 B0 非均匀性图来校正磁化率引起的畸变。最后，通过应用用于运动和磁化率引起的畸变校正的单一复合变换，将校正后的功能时间序列重采样到参与者的原始空间。

在 fMRIPrep 中处理之后，rsfMRI 数据随后被输入 xcpEngine 以移除前四个时间点、进行混淆回归、擦除高运动时间点，并应用时域带通滤波器（0.01–0.08 Hz）。混淆回归包括逐帧运动估计、白质和脑脊液的平均信号、全脑平均信号，以及这些信号的时间导数和二次导数，共产生 36 个协变量。在运动擦除之前，平均逐帧位移（FD）为 0.130 mm（SD = 0.053），并且与年龄呈正相关，r = 0.259，P = 0.002。此研究使用频谱插值来擦除所有 FD > 0.50 mm 的静息态时间点。如果两个异常时间点之间剩余的时间点少于五个，此研究则擦除这两个异常时间点及其之间的所有时间点，以考虑残余运动。所有参与者擦除后 rsfMRI 数据的平均持续时间为 7.40 分钟（SD = 0.24），最小值为 5.85 分钟。

2.7图论分析

为了评估连接性，此研究使用了一个基于来自另一项健康年轻成人研究的 rsfMRI 数据的标准网络分区。该网络基于 Brainnetome 图谱中 210 个皮质和 36 个皮质下灰质节点的分区，位于蒙特利尔神经学研究所（MNI）152 模板空间（1 mm³ 分辨率）。对于结构和功能连接的估计，每个皮质节点被分配至以下七个网络之一：背侧注意、默认模式、额顶、边缘、感觉运动、腹侧注意和视觉网络。此研究将 36 个皮质下节点合并为一个单一的皮质下网络掩模，与先前的工作类似。不幸的是，来自第一次实验（n = 61）的高分辨率 DWI 和rsfMRI 数据的层面采集范围对颞下区（主要位于边缘网络）的空间覆盖不足，影响 ≥20 名参与者。除了此处空间覆盖不足外，边缘网络还极易出现与 EPI 相关的伪影和高信噪比，因此此研究从结构和功能连接的计算中排除了 26 个边缘网络节点，留下最终可用的 220 个 Brainnetome 节点。对 DWI 和 rsfMRI 数据应用相同的功能定义网络分区，可以更直接地比较这些模态，并且与此研究先前仅使用同一分区评估结构连接的研究一致。此研究在此的目标是评估不同功能网络中灰质区域之间的结构连接测量如何因 DWI 空间分辨率而异，而不是描述每个成像领域独特的模块化结构。

为了评估每个参与者和每种 DWI 采集类型的结构连接性，将原始弥散空间中估计的流线转换到标准 MNI 152 1 mm³ 空间（tcktransform）。此研究通过将 1000 万条加权流线分配到最终的 220 个 Brainnetome 节点（tck2connectome）来创建对称结构连接矩阵，然后使用 2 mm 径向搜索将每条流线的终点分配到最近的灰质节点。在得到的未阈值化的 220 × 220 矩阵中，每个单元格中的值对应于连接该节点对的流线的加权贡献之和（按节点体积缩放）。

为了评估每个参与者的静息态功能连接，此研究使用 antsRegistration 工具将来自 xcpEngine 的残差化图像（即运动擦除后）对齐到标准 MNI 152 1 mm³ 空间。对于每个参与者，分别使用 220 个 Brainnetome 节点的时间序列数据的相关性（Pearson r）创建对称功能连接矩阵。在得到的未加权 220 × 220 矩阵中，负相关设为零，对角线排除，并将 r 值转换为 Fisher z 值。

最后，为评估结构连接性和功能连接性，我们使用 Brain Connectivity Toolbox27 分别对七个目标网络（即排除边缘网络）中的每个网络，分别计算了网络内部连接性（即属于同一网络的节点之间的平均连接强度）和网络间连接性（即属于同一网络的节点与该网络之外所有节点之间的平均连接强度）的图论度量指标。

2.8实验设计和统计分析

统计分析主要在 R Studio（版本 2024.04.2）中进行，少数分析（即含多个协变量的偏相关分析）在 JASP（版本 0.17.1）中进行。卡方检验表明，不同扫描仪特征的分布在年轻成人（18-39 岁）、中年成人（40-59 岁）和老年成人（60-88 岁）之间无显著差异，χ² = 0.883，P_uncorrected = 0.643。然而，扫描仪设置仍作为协变量用于所有后续的 MRI 数据分析。所有结果均通过应用错误发现率（FDR）程序进行多重比较校正。

对于心理测量和认知数据，使用来自所有 12 项测试的主轴因子分析得到的未旋转第一因子来代表一般流体认知，而记忆、执行功能和知觉运动速度则由这些独立领域内每组四项测试的第一因子代表。此研究的主要兴趣是年龄与一般流体认知之间的关联，并使用 Pearson 相关分析进行检验，但此研究也对年龄与每个个体认知测量指标之间进行了类似的探索性分析。

对于结构连接数据，此研究首先通过偏相关分析评估了七个网络中每个网络的网络内和网络间连接的标准分辨率与高分辨率测量之间的相似程度，同时将扫描仪设置作为协变量。然后，此研究分别对标准分辨率数据和高分辨率数据进行了年龄与七个网络连接测量指标之间的偏相关分析，同时将扫描仪设置作为协变量。此研究使用双尾 Steiger z 检验方法比较了标准分辨率和高分辨率采集之间与年龄相关相关性的效应量大小，该方法用于比较相关相关系数。

对于功能连接数据，此研究进行了年龄与七个网络内和网络间连接测量指标之间的偏相关分析，同时将扫描仪设置和头部运动（FD）作为协变量。为了检验高分辨率结构连接在解释与年龄相关的功能连接差异方面是否超出标准分辨率结构连接测量的假设，此研究使用 R Studio 中的 PROCESS 宏进行了平行中介分析。显著的间接效应（对应于模型路径之间的交互作用）通过偏差校正的 95% 置信区间（CI）确定，该区间在10,000 次自助替换后不包含零。在这些模型中，此研究将年龄作为预测变量，扫描仪设置和头部运动作为协变量，功能连接作为结果变量，高分辨率和标准分辨率结构连接测量作为平行中介变量，并对每个网络进行单独分析（例如，额顶结构连接作为年龄相关的额顶功能连接差异的中介变量）。这些平行中介分析分别针对网络内或网络间连接测量进行，并且仅限于与年龄存在显著关联的功能连接结果测量指标。

最后，此研究试图理解三种连接形式（静息态功能连接、高分辨率结构连接和标准分辨率结构连接）中哪一种可以解释与年龄相关的一般流体认知差异。此研究再次以完全相同的方式进行了平行中介分析，不同之处在于现在将所有三种连接形式作为平行中介变量，并将一般流体认知表现建模为结果变量。这些模型再次分别针对网络内或网络间连接测量进行，并且中介变量的选择仅限于与年龄存在显著关联的网络连接测量指标。

在脑海科技云平台中，内置了图论分析模块，支持用户批量处理数据，并确保每一步参数设置都有据可查。此外，平台的项目管理模块可清晰记录数据筛选标准、排除被试原因、分析版本等信息，极大提升了研究的透明度和可复现性。感兴趣可联系咨询以及预约产品演示。

3.结果

3.1认知表现的年龄相关差异

为了评估与年龄相关的认知差异，此研究重点关注一般流体认知评分，但也探讨了记忆、执行功能和知觉运动速度的个体领域因子分数。个体领域因子彼此之间均显著相关，Pearson r ≥ 0.479，P_FDR < 0.001。为了解释表现中独特的领域特异性方差，此研究对个体领域分数进行了残差化处理，以考虑该领域之外的两个因子分数上的表现。然后，此研究对年龄与每个认知因子进行 Pearson 相关分析，并对四个测量指标之间的比较应用 FDR 校正。结果表明，年龄增加与一般流体认知、知觉运动速度和记忆的表现降低显著相关，但与执行功能无显著相关（图 1）。

3.2结构连接

3.2.1弥散加权成像采集之间的相关性

为了检验高分辨率与标准分辨率结构连接之间的关联，此研究使用了单独的偏相关分析（以扫描仪设置为协变量），并对七个网络之间的比较应用了 FDR 校正。结果表明，两种采集方式在网络内连接方面普遍高度相关，相关系数范围为0.269 至 0.668（表 2；r 高分辨率—标准分辨率）。网络间连接的相关系数也高度相关，相关系数范围为 0.375 至 0.743（表 2，r 高分辨率—标准分辨率）。

为了检验这些相似性是否受年龄影响，此研究使用年龄作为额外协变量重复了相关性分析。对于网络内连接，两种采集方式之间的相关性总体上保持不变，相关系数范围为 0.197 至 0.659（附表 1）。对于网络间连接，在将年龄作为协变量纳入后，相关性普遍降低，但仍然保持强相关，相关系数范围为 0.257 至 0.663（附表 1）。

3.2.2年龄相关差异

为了评估与年龄相关的结构连接差异，此研究对年龄与网络内或网络间连接进行了偏相关分析，分别针对每种采集类型，同时将扫描仪设置作为协变量，并对七个网络之间的比较应用 FDR 校正。对于网络内连接（图 2），高分辨率数据显示，除背侧注意网络和额顶网络外，所有网络均出现显著的与年龄相关的降低（表 2；r 高分辨率—年龄），而标准分辨率数据显示，除腹侧注意网络和额顶网络外，所有网络均出现显著的与年龄相关的降低（表 2；r 标准分辨率—年龄）。对于网络间连接（图 3），高分辨率数据（表 2；r 高分辨率—年龄）和标准分辨率数据（表 2；r 标准分辨率—年龄）均显示所有网络出现显著的与年龄相关的降低。

为了确定标准分辨率与高分辨率采集之间结构连接与年龄相关降低的幅度是否存在显著差异，此研究使用双尾 Steiger z 检验比较了相关相关系数。结果表明，对于感觉运动网络、腹侧注意网络和皮质下网络的网络内连接，以及感觉运动网络的网络间连接，高分辨率数据相对于标准分辨率数据的年龄相关相关性显著更大（表 2；Steiger z）。

3.3功能连接

为评估功能连接中的年龄相关差异，对年龄与网络内部或网络之间连接进行单独的偏相关分析，同时协变量扫描仪设置和头动，并对七个网络之间的比较应用FDR校正。对于网络内部连接，结果表明年龄增加与每个个体网络中的较低连接性显著相关。然而，年龄与任一独立网络的网络连接性之间均未呈现显著相关性，r值≤0.120， P_FDR值≥0.562。

基于先前关于联合网络相对于初级感觉网络的功能连接图论测量中更大年龄相关差异的报道，创建了联合网络网络内部连接的平均测量，并比较了该测量中的年龄相关差异与视觉和感觉运动网络中网络内部连接的年龄相关差异。使用与上述相同的双尾Steiger's z方法，并对两次比较应用FDR校正。结果表明，与感觉运动网络相比，关联网络的年龄相关差异显著更大（z=2.226， P_FDR =0.046）；但与视觉网络的年龄相关差异无显著差异（z=1.664， P_FDR =0.096）。

3.4结构与功能连接

接下来，检验结构连接是否介导了功能连接中的年龄相关差异。将这些分析限制在与年龄显著相关的功能、高分辨率结构和标准分辨率结构数据的网络内部连接测量中。对于这三个网络中的每一个，构建了以年龄为预测变量、网络内部功能连接为结果变量、高分辨率网络内部结构连接测量及其相应的标准分辨率版本作为平行中介变量的中介模型。这种平行方法提供了对来自两种弥散加权成像采集的测量之间的中介效应的直接比较，因为这些测量相互覆盖。

结果表明，默认模式网络内的高分辨率结构连接是默认模式网络内功能连接年龄相关下降的显著中介变量。间接效应的beta系数为负 (β= −0.0003)，反映了一个负效应和一个正效应的乘积：随年龄增加功能连接下降，以及随网络内部结构连接增加网络内部功能连接增加。因此，年龄通过结构连接的下降间接影响了默认模式功能连接的下降，而这种结构连接的下降可通过更高分辨率的MUSE序列检测到。

3.5连接性与认知

最后，检验连接性测量是否介导了认知表现中的年龄相关差异，特别关注与年龄显著相关的测量。对于网络之间连接，这些是七个个体网络中每个网络的结构连接。对于网络内部连接，相关测量是除额顶叶网络外所有网络的结构连接，以及所有七个网络的功能连接。类似地，将一般流体认知因子作为结果测量，因为它表现出与年龄最大的相关性。

对于网络之间连接，为七个网络中的每一个构建了单独的中介模型，以一般流体认知表现为结果变量，高分辨率和标准分辨率结构连接作为平行中介变量，扫描仪设置作为无兴趣协变量。结果表明，高分辨率和标准分辨率连接测量的个体间接效应对于任何网络都不显著。然而，对于使用来自感觉运动、背侧注意或额顶叶网络的结构连接作为中介变量的模型，总间接效应显著，表明标准分辨率和高分辨率连接测量的组合效应显著介导了一般流体认知中的年龄相关差异。其他四个网络的个体或总间接效应不显著。

对于网络内部连接，构建了类似的中介模型，以标准和分辨率结构连接加上静息态功能连接作为平行中介变量，静息态头动作为额外协变量。结果表明，来自感觉运动网络的高分辨率结构连接的个体间接效应显著，表明由高分辨率采集检测到的感觉运动网络内结构连接的年龄相关下降介导了流体认知中的年龄相关差异。感觉运动模型的总间接效应也显著，反映了结构和功能连接测量对流体认知年龄相关差异的组合贡献。其余评估模型的总或个体间接效应不显著。

4.讨论

先前研究报告，更高空间分辨率的弥散加权成像相对于标准分辨率弥散加权成像能更好地估计结构连接组。此研究使用一种高分辨率弥散加权成像方案，该方案相对于标准弥散加权成像方案实现了3倍的空间分辨率提升，将这些发现转化到跨成年生命周期的健康神经认知衰老中。研究发现，高分辨率弥散加权成像识别出比仅使用标准分辨率弥散加权成像检测到的更大的白质结构连接年龄相关下降。当与标准分辨率弥散加权成像直接比较时，高分辨率结构连接还有助于更好地解释功能连接和流体认知中的年龄相关下降。这些发现说明了该高分辨率磁共振成像方案在检测脑功能和认知表现年龄相关改变方面的实用性，这将为未来希望利用该方法进行进一步转化衰老研究奠定基础。

4.1结构连接与健康衰老

当通过两种弥散加权成像采集评估时，成年年龄增加与跨皮层和皮层下网络的白质结构连接下降显著相关。当通过两种采集评估时，网络之间连接的年龄相关下降对所有网络均显著，但网络内部连接的差异仅存在于视觉、默认模式和皮层下网络。然而，高分辨率采集在感觉运动、腹侧注意和皮层下网络的网络内部连接中，以及感觉运动网络的网络之间连接中，识别出显著更大的年龄相关差异。发现网络之间连接中比网络内部连接中更大、更广泛的年龄相关差异，重复了先前的图论研究。扩展这项工作，此研究的发现表明，与标准分辨率弥散加权成像采集相比，高分辨率弥散加权成像可能更好地检测结构连接中的年龄相关差异，这与动物模型和健康年轻成年人的研究一致。

两种采集之间的连接性测量高度相关，类似于使用这些数据子集的先前研究，该研究未评估与功能连接的关系或进入第九个十年的结构连接年龄相关差异。有趣的是，此研究先前的观察发现，当通过标准相对于高分辨率弥散加权成像评估时，结构连接的年龄相关相关性更大，但当前研究反而发现，当通过高分辨率弥散加权成像评估时，少数网络的年龄相关相关性更大。这种差异可归因于几个潜在差异，包括更大的样本量、单波段和多波段高分辨率数据的组合（后者还具有更多的弥散加权方向和因此更高的角分辨率），以及纳入80岁以上的成年人。

4.2结构连接及其与功能连接的关系

除了结构连接，此研究还识别出所有网络内部功能连接中显著的年龄相关差异，而网络之间连接与年龄无显著相关。这一发现重复并扩展了先前的工作，证明即使纳入80岁以上的“高龄”老年人，这种模式仍然持续存在，尽管这些人可能表现出更放大的年龄对脑功能的影响。尽管一些研究报告了网络之间功能连接的年龄相关增加，但此研究当前来自社区居住高功能志愿者样本的发现反而支持了最近的证据，表明网络之间连接的增加模式可能更特征性地属于病理性衰老，如阿尔茨海默病，而非健康衰老。网络之间连接，根据定义，平均了一个网络的节点与该网络外部节点之间的连接强度。因此，可能一对网络之间连接的年龄相关增加和另一对网络之间连接的年龄相关减少导致了对网络之间连接的净零年龄效应，正如此处所观察到的。这种可能性可以在未来研究中通过解构每对网络组合之间的成对关联来检验。一些研究进一步报道，联合网络相对于感觉网络的功能连接年龄相关效应更大，这一模式在此处相对于感觉运动网络得到了重复。

理论解释会提出，联合网络功能连接中更大的年龄相关改变应与联合网络的底层结构架构相关，后者在健康衰老中也表现出比初级感觉皮层相对更大的退化。然而，实证研究报告了关于跨成年生命周期中脑结构和功能测量之间关联的混合结果。此研究怀疑这些混合发现可能部分反映了标准弥散加权成像采集的较低空间分辨率限制了评估细粒度白质区域连接性的能力。发现默认模式网络内的功能连接年龄相关差异显著由默认模式网络内的结构连接介导，但仅当通过高分辨率弥散加权成像评估时。这一发现表明，结构退化对脑功能年龄相关改变的贡献可能通过高分辨率弥散加权成像更好地检测，而标准弥散加权成像中的测量误差可能削弱检测白质连接与功能磁共振成像脑功能测量之间显著关联的能力。这一发现扩展了此研究在当前样本子集中的先前工作，该工作仅限于结构连接的分析，并且据此研究所知，代表了两种不同弥散加权成像结构连接测量及其与功能连接关系之间的首次直接比较。

有趣的是，默认模式网络包括分布广泛的前部和后部子区域，这些区域独特地受到阿尔茨海默病神经病理学的影响，甚至在认知障碍表现前数年就已如此。然而，该网络的后部子区域是最早积累淀粉样蛋白的区域之一，并且即使在健康成年人中也与异常功能连接相关。此处采用的网络分区结合了默认模式网络的前部和后部子分区，且未从当前样本收集神经病理学的生物标志物测量。尽管当前样本在一般认知功能方面得到了很好的表征，但未来的工作在有生物标志物状态的样本中重复这些分析是重要的，以便直接评估神经病理学对功能和结构连接的影响，特别是在默认模式网络的独特解剖子分区内。

先前研究进一步证明了图论在评估结构和功能连接之间关系中的实用性。此研究当前的结果与先前的建议一致，即结构和功能连接可能相对独立，并且这些关系可能特定于网络。针对健康年轻成年人的研究报告感觉网络比联合网络中结构与功能连接之间更强的关联，但当前发现与先前关于健康衰老中联合网络比感觉网络具有更强关联的研究一致。总之，这些发现表明默认模式网络功能连接与潜在的结构连接年龄相关退化有关，而高分辨率弥散加权成像可能更好地检测到这种退化。

4.3结构连接、功能连接与流体认知

结构连接的年龄相关下降介导了一般流体认知的年龄相关下降，这是一种与年龄呈强负相关的测量。平行中介分析表明，来自感觉运动、背侧注意和额顶叶网络的网络之间连接的高分辨率和标准分辨率弥散加权成像测量组合有助于解释流体认知中的年龄相关下降，共同支持了皮层失连接作为正常年龄相关认知下降机制的论点。重要的是，感觉运动网络内的高分辨率结构连接是流体认知年龄相关差异的显著个体中介变量，并且该网络在通过高分辨率弥散加权成像评估时也表现出显著更大的年龄相关相关性。然而，该感觉运动模型的显著总效应表明，标准分辨率和功能网络内部连接也对认知表现的年龄相关差异产生了一定程度的组合影响。总之，这些发现表明白质在跨成年生命周期的流体认知中起着至关重要的作用，并且高分辨率弥散加权成像可能更好地检测这种关系，至少对于可能包含更小、更细粒度纤维的网络内部连接测量而言。

4.4局限性与未来研究

此研究的优势在于纳入了跨生命周期的成年人，包括在脑和认知衰老磁共振成像研究中代表性不足的80岁以上老年人。此处使用的高分辨率弥散加权成像采集有望桥接临床和转化研究，因为它需要的扫描时间比大多数高分辨率方案短得多，但仍可以从动物模型获取。然而，此处标准和高分辨率数据之间的比较可能因标准数据中更高的b值而混淆，这可能会更好地捕获受阻和受限的弥散源，这就是为什么排除了来自b=3000秒/平方毫米壳的标准分辨率数据。此研究的分析也受到数据收集期间发生的扫描仪设置变化的限制。尽管将扫描仪设置作为无兴趣协变量，但不能完全排除其对当前结果的影响。这种扫描仪设置的变化也与从单波段到多波段高分辨率弥散加权成像数据采集的升级高度混淆。通过在所有分析中将扫描仪设置作为无兴趣协变量，此研究的这一特征也提供了一些信心，即高分辨率弥散加权成像解释功能连接和流体认知中年龄相关差异的能力改进不能完全归因于高分辨率方案之间的差异。然而，这一特征确实限制了解开此处两种方案之间潜在差异的能力，代表了该领域未来研究的一个重要方向。最后，当前分析仅限于单个时间点的观察，必须在未来的工作中使用纵向设计进行重复，以确保这些模式反映真实的年龄相关效应，而不是队列效应等因素。

4.5结论

更高分辨率的磁共振成像方案可能更好地捕获体内神经解剖学的复杂细节，但往往以延长扫描时间为代价。在此，此研究证明了一种临床可行的高分辨率弥散加权成像采集在理解健康衰老中脑结构、脑功能和认知之间相互作用方面的实用性。与标准分辨率弥散加权成像相比，发现高分辨率结构连接更好地解释了默认模式网络内功能连接中的年龄相关方差，并提高了解释流体认知中年龄相关方差的能力。此研究的结果应为旨在识别认知衰退高风险成年人的未来干预工作提供信息，并应对希望在人力和动物神经认知衰老模型中使用这种高分辨率弥散加权成像方案的未来研究具有参考价值。