本篇文献分享发表于NeuroImage杂志。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

耳鸣是在没有外部声音刺激的情况下感知声音的现象，影响着全球数百万个体。耳鸣对约1%的受影响患者产生深远且致残的影响，降低生活质量，影响情绪、认知和整体健康。鉴于耳鸣对严重受影响个体造成的沉重负担，迫切需要揭示该疾病的神经生物学基础。弥散加权成像为研究者提供了一种非侵入性的强大工具，用于探索与耳鸣相关的复杂神经通路和微结构改变。弥散张量成像作为标准神经影像学模式，使用单壳层弥散加权成像数据评估神经组织内水分子的弥散，以映射白质纤维束的走向。弥散张量成像指标可以为研究者提供关于大脑正常和受损连接及完整性的宝贵见解。多壳层弥散加权成像数据是一种有前景的新技术，用于探索脑微结构复杂性；通过改变弥散加权成像b值，研究者可以创建大脑感兴趣区细胞环境的更细致表征。从多壳层弥散加权成像数据获得的神经突方向离散度与密度成像等高级模型为研究者提供了强大的指标，如细胞内体积分数、方向离散度和各向同性体积分数，用于表征神经突密度、方向离散度和各向同性弥散。这些指标为研究者提供了更详细、更全面的白质微结构视图，并有望增强对病理状况的理解。通过多壳层弥散加权成像数据获得的精细纤维追踪改善了复杂纤维方向分布函数和纤维重建的估计。

先前的研究试图使用单壳层弥散加权成像的基于纤维束的空间统计或基于感兴趣区的分析来解释耳鸣的神经病理机制，尽管这些研究的结论很少重叠。此外，这些研究很少尝试将其影像结果与患者的临床特征联系起来，阻碍了理解耳鸣神经病理机制的努力。最近一项研究试图使用结构网络拓扑属性解释耳鸣患者不同的声音治疗效果；然而，该研究未纳入对照组进行比较，且结构连接组仅使用单壳层数据通过传统纤维追踪获得。这些研究大多未将灰质作为感兴趣区纳入，忽略了灰质微结构的可能变化。

此研究假设耳鸣患者大脑中的灰质和白质均经历微结构重塑，而通过白质纤维通路连接灰质的结构网络发生重组。这些变化可能为耳鸣的发生及相关的认知和行为改变提供见解。此研究利用耳鸣组和健康对照组的先进神经突方向离散度与密度成像模型的多壳层弥散加权成像数据，识别与耳鸣相关的神经结构。采用体素级和基于感兴趣区的分析，获取整个白质骨架和灰质的弥散指标。基于多组织、多壳层纤维追踪建模，使用图论方法评估白质连接的网络拓扑属性。分析了脑与神经心理学表现之间的相关性。通过结合先进的影像和分析方法，此研究旨在揭示与耳鸣相关的大脑微结构改变，为更有针对性的干预和改善患者结局铺平道路。

2.方法

2.1.参与者

参与者包括48例临床诊断的主观性耳鸣患者和48例匹配良好的健康对照；所有受试者均为右利手。要求耳鸣患者完成耳鸣障碍问卷。参与者的人口学特征见表1。患者纳入标准为：存在显著双侧或中枢性耳鸣，且在0.25、0.5、1、2、4和8 kHz的平均听阈<25 dB。有耳毒性药物使用史、中耳手术史、梅尼埃病、搏动性耳鸣、神经系统疾病或脑损伤者被排除。所有参与者均根据南京第一医院批准的程序提供书面知情同意书。

2.2.神经心理学测试

对患者和对照进行以下行为和认知测试：（a）简易精神状态检查；（b）蒙特利尔认知评估；（c）词语流畅性测试；（d）Rey复杂图形测试和延迟测试；（e）连线测验A和B；（f）听觉词语学习测试和延迟测试；（g）画钟测验；（h）数字广度测试；（i）数字符号替代测试；（j）焦虑自评量表；（k）抑郁自评量表。由于不同量表的评分方法不同，对连线测验A和B的得分取倒数，以统一量表方向，使分数越高表示认知表现越好。此外，由于不同量表的计数单位不同，对这些得分进行Z分数标准化。

表1研究人群的人口统计学与临床数据

2.3.影像数据采集

所有受试者在3.0 Tesla MRI系统上进行MRI扫描，配备64通道相控阵头线圈。数据采集期间，受试者取仰卧位，佩戴耳塞，闭眼，被要求保持清醒且不思考。使用耳塞和泡沫垫以减少噪音和不自主头动的影响。弥散加权成像采用自旋回波平面成像序列，参数如下：视野256×256 mm²；层厚2.0 mm；64层；TR/TE=4300/79 ms；四个b值（0、1000、2000和3000 s/mm²），每个b值对应64个弥散编码方向。使用三维T1加权磁化准备快速梯度回波序列采集结构数据，参数如下：TR/TE=5000/2.98 ms，层厚=1 mm，间隔=0.5 mm，层数=176，视野=256 mm×256 mm，INV1或TI1=700 ms，FA=4°，INV2或TI2=2500 ms，FA=5°，体素大小=1.0×1.0×1.0 mm³。

2.4.数据处理与模型拟合

由两名资深放射科医师评估结构MRI图像质量。数据检查发现1例健康对照和7例患者的弥散加权成像与T1加权图像配准不佳，导致这8例的T1加权图像被排除分析。因此，所有参与者仅使用弥散加权成像数据纳入基于纤维束的空间统计和基于灰质的空间统计分析，而涉及T1数据配准的结构网络拓扑分析和灰质基于感兴趣区的分析则包括88例参与者。将剩余DICOM格式的T1加权图像转换为NIfTI格式，然后去除头部周围和小脑下方颈部部分的多余空气。

将弥散加权成像DICOM数据转换为NIfTI格式后，在MRtrix3中进行以下预处理步骤：降噪、涡流校正和Gibbs去伪影。之后，生成脑掩模，去除颅骨，以便于进一步的数据分析。

使用FMRIB FSL工具箱计算弥散张量成像参数图。神经突方向离散度与密度成像的ISOVF，ICVF和OD由AMICO计算。

2.5.统计分析

2.5.1.基于纤维束的空间统计分析

基于纤维束的空间统计分析 (TBSS) 在FSL工具箱中执行。首先，将每位参与者的FA 图像仿射对齐到MNI152空间的标准FA骨架上。然后，生成所有参与者的平均FA图像用于白质骨架，FA阈值设为0.3。最后，将此白质骨架用作二值掩模。

将从每位参与者获得的DTI图像和NODDI图像分别投影到骨架上，然后导出进行统计分析。使用随机化方法进行体素级统计和推断检验，采用推荐的TFCE选项（显著性水平：0.05，非参数置换的团块大小>50体素，5000次迭代，FDR校正）。应用一般线性模型控制协变量：年龄、性别、教育水平和平均听阈。采用校正了年龄、性别、教育水平和平均听阈的一般线性模型检验健康对照与耳鸣患者之间的差异。

图1基于灰质的空间统计学（GBSS）分析概述

2.5.2.基于灰质的空间统计分析和基于感兴趣区的分析

此研究采用了Nazeri提出的基于灰质的空间统计分析流程。流程总结如下：首先，在弥散加权成像数据的原始空间中，通过从灰质中减去脑脊液分数和从各向异性分数图像使用Atropos双组织类别分割估计的白质分数来估计灰质分数。然后将每个组织类别的部分体积估计图像乘以其对应的对比度值（0代表脑脊液，1代表灰质，2代表白质）并求和，生成具有类似对比度的图像。采用基于纤维束的空间统计算法增强灰质体素的受试者间对齐。首先，对平均灰质分数图进行骨架化，然后将每位受试者的弥散指标和灰质分数从模板空间中具有最高灰质分数的局部体素投射到骨架上。最后，将灰质分数低于0.65且在>75%的受试者中存在的剩余体素，使用高斯核按邻近程度加权，用周围满意体素的平均值填充（图1）。获得灰质骨架后，还对OD, ICVF和ISOVF图像进行体素级置换检验。

基于既往耳鸣发病机制研究中强调的报告，从AAL90图谱中提取四个感兴趣区：海马、杏仁核、丘脑和Heschl回。利用从标准空间到个体空间的逆变换关系，获得原始空间中的图谱并提取感兴趣区。具体而言，使用仿射变换将原始空间中的个体各向异性分数图像与其对应的T1加权图像进行配准。然后，将个体结构图像非线性配准到ICBM152模板。基于这两步得到的变换，可以获得从标准空间到原始弥散加权成像空间的逆扭曲变换。然后通过应用此逆变换，将标准空间中的AAL90图谱逆向变形回个体原始空间。然后计算每个感兴趣区的DTI和NODDI 指标均值。为减少解剖变异对分析的影响并提高统计稳定性，将左右半球的相应脑区合并进行分析。同样，校正年龄、性别、听阈和教育水平等协变量，并使用FDR进行多重比较校正。

2.5.3.探索耳鸣相关结构网络重组

白质纤维束和网络的构建主要在MRtrix3和FreeSurfer中进行。使用多组织、多壳层约束球面反卷积模型计算纤维方向分布。采用概率性、解剖约束的纤维追踪算法，结合动态白质播种，为每位受试者创建包含1000万条流线的个体全脑纤维追踪图。流线纤维追踪参数设置为：任何纤维束的最大长度250 mm，纤维方向分布振幅截止阈值降至0.06；这使得流线能够更可靠地到达灰质与白质的界面。使用FreeSurfer获取DKT图谱中的一套标准解剖分区，包括68个皮层区和16个皮层下区，将其定义为网络节点。然后，每条边分别以流线数和节点间平均各向异性分数值进行加权。构建加权网络后，保留每组内80%受试者中存在的网络边，以去除虚假连接。

对于白质结构连接组，在GRETNA工具箱中应用基于网络的统计方法，阈值为p<0.05，校正后p<0.001（5000次置换检验）。这些参数用于探测健康对照与耳鸣患者之间显著不同的连接。在加权网络上进行复杂网络分析，计算多个拓扑属性并检验组间差异。采用全局网络效率和局部网络效率检验网络信息处理能力的组间差异，统计阈值设为p<0.05。

进一步分析寻找“富人俱乐部”枢纽，其特征为高度节点之间比低度节点更密集地相互连接，代表更高层次的脑网络。首先将识别的连接转换为二值网络，仅保留至少80%受试者中存在的连接，构建加权组平均网络。对于每条连接，其权重在所有受试者中取平均值。随后，通过计算网络中与其他节点的连接数来确定组平均网络中每个节点的度。在每个子图内，计算连接总数和这些连接的权重和。加权富人俱乐部系数通过将子图权重和与从原始加权矩阵中提取的最强连接的权重和进行比较来计算。根据先前理论，富人俱乐部组织的特征是高度节点之间的相互连接程度高于平均水平，超过偶然预期。因此，将富人俱乐部系数相对于1000个可比随机网络的平均值进行归一化。如果归一化的富人俱乐部系数在一定度范围内超过1，则可以认为网络中确实存在富人俱乐部。将排名前12%的最高排名节点指定为富人俱乐部节点，其余节点视为外周区域。分类两种节点后，网络边分为三类：连接富人俱乐部节点的富人俱乐部边、连接富人俱乐部节点与外周节点的馈送边、以及连接外周节点的局部边。计算每类边的权重和作为连接强度。采用广义线性模型（GLM）分析健康对照者（HCs）与耳鸣患者在馈源强度、局部强度或富集俱乐部强度方面的差异。

2.5.4.识别脑特征与临床特征之间的相关性

采用Student t检验或Mann-Whitney U检验比较健康对照与耳鸣患者在年龄、教育水平、听阈及各项测试表现上的差异。使用一般线性模型检验健康对照与耳鸣患者在一系列神经心理学测试上的差异，校正年龄、性别、教育水平和听阈。

进行Spearman相关分析，研究白质微结构、网络效率、行为指标与临床特征之间的关系；结果用于确定耳鸣组与健康对照组之间是否存在显著差异。此外，进行初步中介分析，探讨基于TBSS分析的白质纤维微结构、网络效率、耳鸣状态与行为评分之间的关系，并确定耳鸣组与健康对照组之间是否存在显著差异。

中介分析可用于评估三个或更多变量之间通路的存在性和相对大小。它已被广泛用于脑行为研究，以检测脑反应中显著改善行为可预测性的未受控变异性。为检验间接中介效应，使用R语言中的Mediation包进行中介分析，采用1000次自助法置换。间接效应比例定义为间接效应能够解释模型总效应的程度。建立单变量中介分析模型，检验连接耳鸣状态与连线测验B部分评分的dMRI中介变量。使用上述指标进行逻辑回归分析。采用受试者工作特征曲线和曲线下面积估计预测性能。所有分析使用Matlab 2022和R版本4.2.0进行。

在脑海科技云平台中，内置了TBSS和NODDI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。读者可对照思考如何在平台中实现类似的分析流程。感兴趣可联系预约产品演示。

3.结果

3.1.人口学与神经心理学测试

在纳入TBSS和GBSS分析的耳鸣患者与健康对照之间，在人口学指标、年龄、性别、教育水平和听阈方面未观察到组间差异。校正协变量后，仅连线测验B部分显示出显著差异，耳鸣患者在连线测验B部分的表现比健康对照差（表1）。结构网络拓扑分析和灰质基于ROI分析的样本相同。

3.2.弥散张量成像和神经突方向离散度与密度成像的基于纤维束的空间统计分析

在TBSS分析中，两组之间无人口学差异。几个团块（一个在右侧皮质脊髓束，两个在小钳）在健康对照与耳鸣患者之间存在显著差异（表2）。回归协变量后的TBSS分析显示，与健康对照相比，耳鸣患者在小钳和右侧皮质脊髓束中的方向离散度值显著升高，在右侧皮质脊髓束中的轴向弥散率值降低。具有显著弥散值的白质团块被定义为白质感兴趣区。经FDR校正后，TBSS衍生的白质感兴趣区1的平均方向离散度值与连线测验B部分评分呈正相关（r=-0.246，p=0.046）（图2）。TBSS的弥散指标均未与耳鸣特征显著相关。

表2 TBSS 分析结果

图2所有受试者中白质指标与 TMT -B评分之间的相关性分析

3.3.灰质空间统计和基于ROI的分析

在此研究中，在灰质空间统计分析中未发现显著团块。经过必要的多重比较校正后，在灰质感兴趣区分析中未观察到显著变化。

3.4.白质连接组的拓扑属性分析

根据NBS结果，耳鸣患者与健康对照在右侧尾状核-右侧距状沟周围皮层、右侧尾状核-左侧颞上叶、左侧壳核-左侧楔叶的连接存在显著差异（图3A）。此外，耳鸣患者白质连接组的全局效率（F=4.955，p_adjusted=0.029）低于健康对照（表3，图3B）；耳鸣患者的局部效率也低于健康对照（F=4.403，p_adjusted=0.039）。然而，这些异常的拓扑参数与耳鸣患者在连线测验B部分中的异常表现无显著相关。

研究识别出一系列跨组富人俱乐部区域，涉及双侧尾状核、壳核、苍白球、丘脑本体以及左侧顶上小叶和楔前叶（图3B）。组分析显示馈送连接存在显著组效应（F=5.393，padjusted=0.023）（图3C，表3）。在白质连接组效率与连线测验B部分评分之间未观察到显著相关性。

图3结构连接组的拓扑学特性分析

表3网络拓扑属性分析结果

建立单变量中介分析模型，检验连接耳鸣状态与连线测验B部分评分的dMRI中介变量。图5A提供了所有中介路径分析的简要概述。结果表明，只有TBSS衍生的方向离散度特征在耳鸣与连线测验B部分评分之间显示出显著的中介效应（a=0.003，pa<0.001；b=-98.124，pb=0.002）（表4，图5B）。自助法结果表明，小钳的TBSS衍生的方向离散度值贡献了耳鸣状态对连线测验B部分评分总效应的28.63%（表4）。

图4中的ROC曲线显示了小钳的不同弥散参数在耳鸣患者与健康对照中的敏感性与特异性。在单个变量中，方向离散度感兴趣区3的AUC最高；该特定指标在识别和区分耳鸣患者与健康对照方面效率最高。然而，所有六个弥散参数组合的AUC最高，在识别和区分耳鸣患者与健康对照方面表现出略优于方向离散度的效率（图4，表5）。

表4耳鸣状态与 TMT -B评分的中介分析

图4不同扩散参数的ROC分析结果

表5基于扩散特征的ROC分析结果

4.讨论

据此研究所知，此研究首次利用多壳层弥散加权成像（DWI）数据探究耳鸣的神经影像学机制及其与临床特征的关联。与健康对照组（HC）相比，耳鸣患者在 TMT -B测试中表现较差，这可能归因于小钳状回纤维排列紊乱。此外，小钳状回与右侧皮质脊髓束的AD值以及白质连接组拓扑特性均存在显著组间差异。这些发现为揭示耳鸣患者与HC之间的结构与功能差异提供了新视角，有望为开发更有效的治疗方案以减轻患者症状负担提供理论依据。

4.1.探究耳鸣患者的认知功能差异  

在校正年龄、性别、教育水平和平均听阈后，耳鸣患者在连线测验B部分的表现比健康对照差。这一发现与既往研究一致，提示耳鸣损害认知能力。然而，其他测试如连线测验A部分、一般认知表现、简易精神状态检查及蒙特利尔认知评估均未显示健康对照与患者之间的显著差异。未能观察到这些其他认知测试的差异可能与这些患者的耳鸣持续时间有关，因为既往研究报告耳鸣持续时间影响认知功能。连线测验B部分被认为反映更复杂的认知过程，特别是注意和执行功能，可能对耳鸣的干扰特别敏感。然而，此研究应谨慎解读这一结果。与耳鸣相关的认知下降可能受年龄和听力的影响。连线测验B部分观察到的显著组间差异是反映了量表的敏感性差异还是由于样本的统计功效所致，仍需进一步研究。

4.2.耳鸣患者脑微结构的改变 

此研究发现在白质纤维束中轴向弥散率值降低和方向离散度值增加。这些结果表明耳鸣与白质完整性异常相关，与既往观察一致。与健康对照相比，耳鸣患者的轴向弥散率值主要在左侧皮质脊髓束和小钳中降低，而方向离散度值主要在小钳中增加。轴向弥散率是指水分子沿组织内主要弥散方向弥散的速度，其降低通常与轴突丢失相关。轴向弥散率降低反映了耳鸣患者的轴突损伤。相反，方向离散度在患者中增加，反映了纤维排列紊乱的程度。方向离散度值范围从0到1，其中0表示纤维完美排列，1表示完全各向同性。因此，较高的方向离散度值可能表示纤维紊乱或轴突损伤，导致水分子弥散变得更加各向同性。先前使用大鼠模型的电生理研究表明，噪声暴露诱导的神经脱髓鞘可能导致听力损失和耳鸣。虽然耳鸣相关脑改变的不对称性在既往研究中被广泛争论，但结果仍无定论。相比之下，Ryu等人提出，工作记忆完整性改变中显著的左向不对称性可能源于语言处理过程的固有不对称性。

然而，此研究中患者纳入标准仅基于优势侧，未严格区分单侧和双侧耳鸣，且未系统记录侧别信息。鉴于这一局限性，此研究对观察到的不对称性变化持谨慎态度，并避免就此问题得出广泛结论。未来研究应纳入详细的耳鸣侧别数据以进一步阐明此问题。

小钳作为连接中央前回和额叶外侧的主要联合纤维束，在既往研究中因其在认知功能中的参与而被广泛研究，特别是在轻度认知障碍和精神分裂症的背景下。此外，皮质脊髓束作为大脑中下行运动纤维的主要纤维束，表现出微结构轴突损伤。此研究表明耳鸣与小钳的轴突损伤和皮质脊髓束的微结构轴突损伤相关。先前关于轻度认知障碍的研究表明，小钳和皮质脊髓束是与白质损伤相关的主要区域。这些结果表明耳鸣和轻度认知障碍具有相似的白质损伤模式。在中介分析中，此研究确实发现小钳的神经纤维破坏介导了耳鸣患者在连线测验B部分测试中表现的认知障碍。

此研究在体素水平或基于感兴趣区域（ROI）的分析中均未观察到灰质（GM）存在显著的微观结构改变。尽管既往研究已证实耳鸣患者在大脑皮层或皮层下核团等脑区存在灰质功能异常，但针对耳鸣患者灰质结构的神经影像学研究结果仍存在争议。部分研究发现耳鸣患者听觉通路内外均存在灰质结构改变，而其他研究则认为这些结构改变源于伴随的听力损失。此研究从微观结构角度为Husain与Elouise等人的研究提供了支持依据。耳鸣患者脑结构改变在灰质结构中的表现尚不明确。虽然此研究采用体素水平 GBSS 分析和基于ROI的分析方法探究脑灰质微观结构变化，但两种方法均未获得阳性结果。然而，这些方法确实可能存在灵敏度局限性。例如，GBSS 分析基于NODDI 模型进行，其结果可能受NODDI模型稳健性的影响。在ROI分析中，此研究仅纳入听觉皮层、海马体、丘脑和杏仁核等区域，而忽略了其他脑区。因此，灰质微观结构变化仍是未解决的问题，需在未来研究中进一步探讨。

4.3.耳鸣患者结构连接组的拓扑特性  

在既往耳鸣研究中，结构网络分析主要采用单壳层数据进行纤维追踪。据此研究所知，这是首项利用多壳层数据通过概率性纤维追踪技术探究耳鸣患者结构连接性及拓扑特征的研究。通过将纤维连接数量与平均FA值作为连接性指标，耳鸣患者表现出右侧尾状核与右侧枕叶旁回、以及颞上叶之间连接强度的降低。此外，左侧壳核与楔叶也呈现类似的连接强度下降。这些结果再次证实耳鸣患者感觉皮层与边缘系统之间存在显著交互作用。

既往研究表明，构成纹状体的尾状核与壳核接收来自感觉皮层的信息，充当感觉门控区域。近期采用水杨酸盐诱导耳鸣啮齿动物模型的研究显示，耳鸣受试者尾状核与壳核的细胞外多巴胺浓度显著降低。已知可影响纹状体的多巴胺调节药物已被证实对耳鸣具有治疗作用。此研究观察到壳核、尾状核与感觉皮层之间的结构连接性降低。然而，这种连接是否可能通过基底神经节内的多巴胺能神经回路介导耳鸣症状，仍需更多基础性实验证据支持。

基于多壳层数据构建的结构连接性分析结果显示，耳鸣患者中Eg和Eloc指标均呈现下降趋势。这些结果表明该神经网络的信息传递能力及资源整合能力存在衰退。陈等研究者在耳鸣患者中也观察到类似结果，即患者结构网络整体效率较低。与对声音疗法反应消极的患者相比，对耳鸣声音疗法产生积极反应的患者具有更高的网络整体效率。积极反应的耳鸣患者表现出结构网络重组特征，表现为富集俱乐部脑区与外周脑区之间连接强度减弱。综上所述，此研究的研究结果表明：结构连接性网络效率下降及富集俱乐部组织外部连接减少可能是耳鸣患者的特征性改变，其潜在机制可能与病理性脱髓鞘或纤维重组有关。

4.4.临床意义 

基于白质纤维束的微结构变化和拓扑网络破坏，此研究提出，耳鸣相关的认知下降可能归因于小钳的微结构破坏，该区域将额叶区域连接到大脑两侧。既往研究已报道耳鸣与额叶认知功能之间的关系。作为连接左右额叶的联合纤维，小钳微结构完整性的破坏可能导致跨额叶信息整合受损，最终导致耳鸣患者观察到的认知障碍。受耳鸣影响的另一条纤维束是皮质脊髓束。除了在运动功能中的经典作用外，皮质脊髓束也参与听觉处理。例如，皮质脊髓束将听觉信息传递到喉运动神经元以产生发声，并将听觉信息传递到脊髓运动神经元以产生声音诱发反射。因此，皮质脊髓束的损伤可能导致耳鸣。此研究发现耳鸣患者尾状核与多个脑区（包括距状沟周围皮层、颞上叶和楔叶）之间的连接强度降低。尾状核与听觉皮层之间的结构连接中断可能影响听觉信号的调制。此外，壳核与楔叶之间的连接强度降低。鉴于楔叶在视觉空间注意中的关键作用，这种连接的破坏可能揭示了耳鸣与注意缺陷之间关联的潜在机制。

5.局限性与未来方向  

此研究存在一些局限性。首先，样本量相对较小，可能限制了统计功效。其次，此研究是一项横断面研究，无法建立因果关系。纵向研究对于理解耳鸣微结构变化的进展是必要的。第三，虽然此研究使用了先进的多壳层弥散加权成像数据和NODDI模型，但空间分辨率不足以在细胞水平上探测微结构。第四，虽然此研究探索了白质和灰质的微结构变化，但阴性结果不应被解释为灰质在耳鸣中没有作用。未来的研究应使用更高分辨率的成像技术来探测耳鸣中灰质的潜在变化。尽管存在这些局限性，此研究为耳鸣的神经生物学基础提供了新的见解，并可能指导未来的治疗发展。

6.结论 

此研究揭示，耳鸣患者表现出白质（WM）完整性受损以及结构连接网络拓扑特性改变，而非灰质（GM）变化。这些特征可能成为耳鸣的重要生物标志物。此外，耳鸣患者白质完整性受损可能与其注意力执行功能改变存在潜在关联。此研究或为耳鸣脑区中枢重塑机制提供新见解。