方法文章

利用功能连接MRI对颞叶癫痫患者默认模式网络进行网络分析

DOI：

10.3791/51442

⸱

2014年8月5日

 ,  ,  ,  , 
1Department of Neurology, Baylor College of Medicine, 2Neurology Care Line, Michael E. DeBakey VA Medical Center, 3Semel Institute for Neuroscience and Human Behavior, University of California, Los Angeles, 4Department of Neurology, University of California, Los Angeles

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

采用基于种子点的功能连接MRI（fcMRI）分析颞叶癫痫（TLE）患者脑部静息状态下的默认模式网络（DMN）。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

功能连接磁共振成像（fcMRI）是一种功能性磁共振成像方法，通过分析不同脑区之间血氧水平依赖（BOLD）信号随时间波动的相关性，来研究脑区间连接性。颞叶癫痫（TLE）是成人中最常见的癫痫类型，涉及多个脑网络。默认模式网络（DMN）参与意识状态下的静息态认知过程，被认为在TLE中受到癫痫发作导致的意识障碍影响。本研究采用基于种子点的fcMRI方法考察癫痫中的DMN。分析中将DMN的前部和后部中枢作为种子点。结果表明，在TLE患者的基线状态下，DMN的前部与后部中枢之间存在连接中断。此外，左侧TLE患者显示DMN与其他脑区的连接增强，而右侧TLE患者则表现为连接减弱。该分析展示了如何利用基于种子点的fcMRI方法探究TLE等脑部疾病中的脑网络异常。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

功能连接磁共振成像（fcMRI）是一种相对较新的fMRI数据分析方法，通过量化不同脑区血氧水平依赖（BOLD）信号时间序列的相似性来评估它们之间的关系——这被称为“功能”连接，区别于描述脑区间是否存在物理连接的解剖连接（例如， 白质纤维）。在该方法的一个特殊应用中，时间序列数据是在受试者未执行任何任务 或处于所谓“静息状态”时采集的。

尽管功能连接磁共振成像（fcMRI）最早于1995年被描述1，但近年来对其研究兴趣激增，仅2012年就有约1,000篇与该技术相关的出版物。与基于任务的功能磁共振成像（fMRI）相比，fcMRI具有以下内在优势：（1）无需执行特定任务；（2）不需要受试者的主动配合；（3）同一数据集可用于分析多个不同的脑网络；（4）信噪比较优，可能与大脑能量代谢的差异有关；（5）避免了与任务相关的混杂因素2。作为概念验证，已发现fcMRI的变化与脑电图（EEG）3以及脑内局部场电位4的变化相对应。

功能磁共振成像（fcMRI）分析技术包括基于感兴趣区域（ROI）或种子点的方法、独立成分分析（ICA）、图论分析、格兰杰因果分析、局部方法（低频波动振幅、区域同质性分析）以及其他方法5。目前尚无单一技术被证明明显优于其他方法，尽管 其中最常用的方法是基于种子点和ICA的方法6。基于种子点的fcMRI通过将预设网络中预先选定的“种子”区域或“感兴趣区域（ROI）”的BOLD信号时间波动与其他全脑区域进行相关性分析，来识别功能连接。大脑中BOLD信号与种子区域呈相关的区域被认为代表了该功能网络的组成部分。相比之下，ICA采用一种无模型、数据驱动的分析方法，通过对全脑血流动力学信号特征的分析，提取在时空上具有相关性的脑区（即独立成分，ICs）5。

本文介绍了一项先前发表的研究中所采用的方法，该研究针对颞叶癫痫（TLE）患者默认模式网络（DMN）的静息态种子点功能连接性进行了分析7。TLE 是成人中最常见的癫痫类型。除癫痫发作外，TLE 还会导致多种脑网络功能障碍，包括记忆、行为、思维和感觉功能8。DMN 由支持清醒状态下静息态认知的大脑区域构成。已有研究报道 DMN 参与了与意识降低相关的癫痫发作过程9,10。此外，海马是 TLE 中关键的脑结构，被认为可能是 DMN 的组成部分之一。然而，后扣带回皮层（PCC）与海马结构之间的功能连接强度弱于其与其他 DMN 成分（如内侧前额叶皮层和下顶叶皮层）之间的连接。这表明海马可能属于 DMN 的一个子网络 ，或是一个与 DMN 相互作用的独立网络11,12。TLE 与 DMN 之间的这些共性提示，DMN 的功能连接可能在 TLE 中发生了改变。本分析通过比较 TLE 患者与健康对照者的 DMN，以深入理解 DMN 在 TLE 中的参与情况。研究分析了放置于 DMN 主要中枢区域——前部和后部枢纽区域——的种子点的功能连接12。在 TLE 患者和健康对照者中，分别将种子点置于由后脾回/楔前叶（Rsp/PCUN）组成的后部枢纽，以及由腹内侧前额叶皮层（vmPFC）组成的前部枢纽，以识别 DMN 的前部和后部子网络。

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 受试者

  1. 研究人群共36名受试者，包括3组：右侧颞叶癫痫（n=11）、左侧颞叶癫痫（n=12）和健康对照组（n=13）。需获得所有受试者的书面知情同意。本研究遵循加州大学洛杉矶分校（UCLA）机构审查委员会的指南。
  2. 癫痫受试者组应为经视频脑电图监测、脑部MRI、PET成像和神经心理学测试确定适合行前颞叶切除术的患者。患者在进行fMRI扫描期间应继续使用常规药物，且不应在癫痫发作后立即进行扫描。确保所有受试者脑部MRI正常，无神经系统疾病（癫痫患者组除外），且未使用神经系统相关药物。

2. 成像

  1. 使用3特斯拉磁共振成像系统进行扫描。采用回波平面成像（EPI）序列获取功能图像的轴向切片，采用扰相梯度回波（SPGR）序列获取解剖图像。
  2. 功能成像采用以下参数：TR = 2,000 毫秒，TE = 30 毫秒，视野（FOV）= 210 毫米，矩阵 = 64 × 64，层厚 4 毫米，共34层。高分辨率结构成像采用以下参数：TR = 20 毫秒，TE = 3 毫秒，FOV = 256 毫米，矩阵 = 256 × 256，层厚 1 毫米，共160层。
  3. 每次成像扫描持续20分钟。要求受试者闭眼放松。无需特殊听觉刺激。

3. BOLD 数据的预处理

  1. 使用 FSL（fMRIB 软件库）软件版本 4.1.6（牛津，英国，www.fmrib.ox.ac.uk/fsl）对 fMRI 数据进行预处理13,14预处理步骤应包括以下内容：使用 FSL MCFLIRT 去除头动伪影15使用 FSL BET 去除非脑组织16 使用BET选项-F处理BOLD文件。这有助于在脑组织上单独进行后续分析步骤。
  2. 在 FEAT 中，运行一个包含配准的最小化处理分析。选择“第一级分析”，然后将顶部两个按钮中的“完整分析”更改为“预统计”。
    1. 在“Pre-stats”选项卡中，取消勾选“BET脑提取”，并将“运动校正”设为“无”（因上述步骤中已完成）。将功能图像（BOLD）配准至解剖图像（SPGR），再配准至标准模板图像（MNI）。此过程将生成变换矩阵，后续分析中用于将标准空间中选定的种子点映射至受试者的脑空间。
  3. 使用生成的变换矩阵（名为“standard2example_func.mat”），将脑脊液（CSF）和白质ROI变换至个体的BOLD空间。
    1. 使用 fslmeants 命令，以个体被试空间中的脑脊液和白质感兴趣区域（ROI）作为掩模，提取时间序列。利用软件“R”对提取的时间序列进行标准化。这些时间序列随后在广义线性模型（GLM）中用作协变量，以去除分析中相应的伪影信号。
  4. 下一步是去除与受试者运动相关的伪影。在运行 FSL FEAT 之前，设置以下运动参数回归选项。
    1. 在数据标签页中，使用经过运动校正和脑组织提取的文件作为输入，将TR值设置为与您的数据集一致。使用100秒的滤波器进行高通滤波，以去除极低频的无关信号。用于去除高频信号的低通滤波将在后续的步骤4.1中应用。
    2. 在“预统计”选项卡中，选择 "无" 下 "运动校正" 如之前操作一样。取消勾选 "BET 脑提取" 如前所述进行操作。使用5 mm全宽半高（FWHM）进行空间平滑处理。
    3. 在统计选项卡中，对6个运动参数及其时间导数进行回归。卷积选项选择“无”，并勾选“应用时间滤波”。使用FSL MCFLIRT的输出获取运动参数的文本文件，然后将其输入FEAT分析模型，以在一般线性模型（GLM）中对这些参数进行回归。
    4. 同时将此前步骤中提取并归一化的脑脊液（CSF）和白质信号添加至一般线性模型（GLM）。卷积方式选择“无”，勾选“添加时间导数”，并取消勾选“应用时间滤波”。

4. 统计学方法

  1. 上述预处理得到的残差应被用于基于种子点的功能连接分析。这些残差首先需通过截止频率为0.1 Hz的低通滤波器，随后进行去均值化处理，即减去均值、除以标准差，再通过加上100进行缩放。种子点应在标准MNI空间中使用MRICron软件定义，直径为6 mm。
  2. 后部和前部种子区应对应以下坐标：（1）Rsp/PCUN 区域（x=2, y=-60, z=36）和（2）腹内侧前额叶皮层（vmPFC；x=3, y=60, z=-1）。这些种子区域的定位基于健康对照组定义，并将在下一步转换至个体空间。17-19.
    1. 随后应将种子区从标准MNI空间转换至每个被试个体的功能脑空间。为此，使用上述生成的变换矩阵（名为“standard2example_func.mat”）将种子区从标准（MNI）空间转换至个体功能（BOLD）空间。
    2. 使用 fslmeants 命令，以个体被试空间中的种子区作为掩模，从先前去均值化并缩放后的残差中提取时间序列。使用软件“R”对提取的时间序列进行标准化。
  3. 应针对每位受试者在每次运行中分别计算种子体素与所有其他脑体素之间的偏相关。为此，在 FSL FEAT 图形用户界面中选择“一级分析”，然后选择“统计 + 事后统计”。在“数据”选项卡中，应将先前去均值化并缩放后的残差作为输入导入 FEAT。
  4. 将高通滤波器截止值设为10,000，因为残差已在100秒处进行过高通滤波。在统计选项卡中，取消选中 "使用FILM预白化"，使用先前提取并标准化的种子时间序列进行GLM分析。在Post-stats选项卡中，将所需的Z统计值阈值设置为2.0。
  5. 在进行被试内多次运行合并的组分析之前，应对 COPE 进行 Fisher Z 转换 （参数估计值的对比） 从之前运行的相关性分析（步骤 4.3）生成的文件中，将步骤 3.1 中 FEAT 分析的“reg”目录中的配准数据复制到步骤 4.3 的相关性分析运行目录中。 
  6. 通过合并每个受试者内的运行数据来进行更高层次的分析。为此，在 FSL FEAT 图形用户界面中选择“更高层次分析”，然后选择“统计 + 事后统计”。在“数据”选项卡中，选择 "输入为较低层级的 FEAT 目录" 并输入第4.4步中受试者的运行数据。在“Stats”选项卡中，选择“Mixed effects: Simple OLS”。将模型设置为平均效应；为每个受试者的运行输入值1。
  7. 为在受试者间不同运行的数据进行合并，应采用普通最小二乘法（OLS）简单混合效应分析。为此，在 FSL FEAT 图形用户界面中选择“高级分析”以及“统计 + 事后统计”。在“数据”选项卡中选择 "输入为较低层级的 FEAT 目录" 并输入步骤 4.5 中受试者的合并运行数据。
  8. 在“统计”选项卡中，选择“混合效应：简单普通最小二乘法（Mixed effects: Simple OLS）”，然后进行设置 将模型设为3组；每个受试者所属组别赋值为1，其余组别赋值为0。应采用三水平单因素方差分析（对应右颞叶癫痫组、左颞叶癫痫组和健康对照组）对每个体素进行组间分析。
  9. 使用 Z 值的聚类形成阈值对 Z 统计量图像进行阈值处理 > 2.0 和经校正的簇显著性阈值 p=0.05 20为了在相关性图谱上获得正确的z值，应对结果进行反向Fisher Z变换。
  10. 应比较以下特定对比：（1）右侧TLE > 对照；(2) 左侧颞叶癫痫 > 对照；(3) 右侧颞叶癫痫 > 左侧颞叶癫痫；（4）左侧颞叶癫痫 > 右侧TLE；(5) 对照 > 右侧TLE；(6) 对照 > 左侧TLE；（7）TLE（合并右侧和左侧） > 对照；以及（7）对照 > TLE（右侧和左侧联合）

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

图1展示了以后部种子点（Rsp/PCUN，红黄色）和前部种子点（vmPFC，蓝绿色）进行功能连接分析所揭示的默认网络（DMN），并比较了不同受试者组中的网络模式（图1A-C），以及各组之间的差异：健康对照组与所有颞叶癫痫（TLE）患者之间的比较（图1D 和 1E）；健康对照组分别与左侧TLE患者（图1F 和 1G）及右侧TLE患者（图1H 和 1I）的比较。此外，还展示了左侧TLE与右侧TLE之间的直接比较结果（图1J 和 1K）。

长时程增强（TLE）

TLE 包括患有右侧或左侧 TLE 的受试者。与对照组相比，该合并组从后部到前部默认模式网络（DMN）区域...

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

癫痫被认为是一种网络性疾病，其相关网络的异常存在于发作期以及发作间期21。基于任务的功能磁共振成像（fMRI）已被用于分析颞叶癫痫（TLE）中语言和记忆网络的异常8。功能连接磁共振成像（FcMRI）在研究默认模式网络（DMN）方面具有内在优势，因为该网络主要在静息状态下活跃12。默认模式网络是一组脑区网络，发现在清醒且未受干扰、处于自发思维状态的个体中具有活动性。这些脑区包括腹内侧前额叶皮层（vmPFC）、压后皮层/楔前叶（Rsp/PCUN）、后扣带皮层、下顶叶区域、外侧颞叶区域以及海马12,17。默认模式网络被认为是意识状态的神经基础。据报道，在影响意识、记忆和社会认知的疾病中，如失神发作、阿尔茨海默病以及孤独症/精神分裂症中，该网络均发生改变22-26。

颞叶与默认模式网络（DMN）有着复杂的连接关系。DMN 的继发性参与可能介导了颞叶癫痫（TLE）对认知和意识的影响12,27。这种 DMN 的继发性参与也可能导致其他影响颞叶/边缘系统的疾病（如精...

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Engel 博士获得美国国立卫生研究院（NIH）基金 P01 NS02808、R01 NS33310 和 U01 NS42372 的资助，拥有专利 WO 2009/123734A1 和 WO 2009/123735A1，从 MedLink、Wolters Kluwer、Blackwell 和 Elsevier 获得版税，并曾从 Medtronic、Wolters Kluwer 和 Best Doctors 获得酬金。Stern 博士曾担任 UCB 和 Lundbeck 的付费顾问。Stern 博士是《MedLink Neurology》的编辑，并从 Wolters Kluwer 和 McGraw-Hill 获得版税。其余作者无任何披露内容或 利益冲突需要声明。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究的资助来源包括： 美国癫痫基金会、贝勒医学院计算与整合生物医学研究中心（CIBR）种子基金奖（ZH）； 美国国立神经疾病与中风研究所（NIH-NINDS）K23 奖项 NS044936（JMS）；以及 莱夫家族基金会（JMS）。 数据采集协助单位：Elizabeth Pierce（加州大学洛杉矶分校，UCLA）。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
MRI 机器
安装有图像分析软件的 Linux 工作站

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Biswal, B. B., Yetkin, F. Z., Haughton, V. M., Hyde, J. S. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn. Reson. Med. 34, 537-541 (1995).
  2. Fox, M. D., Greicius, M. Clinical applications of resting state functional connectivity. Front. Syst. Neurosci. 4, 1-13 (2010).
  3. Laufs, H., et al. Electroencephalographic signatures of attentional and cognitive default modes in spontaneous brain activity fluctuations at rest. Proc. Natl. Acad. Sci. U.S.A. 100, 11053-11058 (1073).
  4. Shmuel, A., Leopold, D. A. Neuronal correlates of spontaneous fluctuations in fMRI signals in monkey visual cortex: Implications for functional connectivity at rest. Hum. Brain Mapp. 29, 751-761 (2008).
  5. Margulies, D. S., et al. Resting developments: a review of fMRI post-processing methodologies for spontaneous brain activity. Magn. Mater. Phys. Biol. 23, 289-307 (2010).
  6. Biswal, B. B., et al. Toward discovery science of human brain function. Proc. Natl. Acad. Sci. U.S.A. 107, 4734-4739 (2010).
  7. Haneef, Z., Lenartowicz, A., Yeh, H. J., Engel, J., Stern, J. M. Effect of lateralized temporal lobe epilepsy on the default mode network. Epilepsy Behav. 25, 350-357 (2012).
  8. Pillai, J. J., Williams, H. T., Faro, S. Functional imaging in temporal lobe epilepsy. Semin. Ultrasound. CT MR. 28, 437-450 (2007).
  9. Blumenfeld, H., et al. Positive and negative network correlations in temporal lobe epilepsy. Cereb. Cortex. 14, 892-902 (2004).
  10. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nucl. Med. Imaging. 36, 823-830 (2009).
  11. Fransson, P., Marrelec, G. The precuneus/posterior cingulate cortex plays a pivotal role in the default mode network: Evidence from a partial correlation network analysis. Neuroimage. 42, 1178-1184 (2008).
  12. Buckner, R. L., Andrews-Hanna, J. R., Schacter, D. L. The brain's default network. Ann. N. Y. Acad. Sci. 1124, 1-38 (2008).
  13. Woolrich, M. W., Ripley, B. D., Brady, M., Smith, S. M. Temporal autocorrelation in univariate linear modeling of FMRI data. Neuroimage. 14, 1370-1386 (2001).
  14. Forman, S. D., et al. Improved assessment of significant activation in functional magnetic resonance imaging (fMRI): use of a cluster size threshold. Magn. Reson. Med. 33, 636-647 (1995).
  15. Jenkinson, M., Bannister, P., Brady, M., Smith, S. Improved optimization for the robust and accurate linear registration and motion correction of brain images. Neuroimage. 17, 825-841 (2002).
  16. Smith, S. M. Fast robust automated brain extraction. Hum. Brain Mapp. 17, 143-155 (2002).
  17. Raichle, M. E., et al. A default mode of brain function. Proc. Natl. Acad. Sci. U.S.A. 98, 676-682 (2001).
  18. Uddin, L. Q., Kelly, A. M., Biswal, B. B., Castellanos, F. X., Milham, M. P. Functional connectivity of default mode network components: correlation. Hum. Brain Mapp. 30, 625-637 (2009).
  19. Singh, K. D., Fawcett, I. P. Transient and linearly graded deactivation of the human default-mode network by a visual detection task. Neuroimage. 41, 100-112 (2008).
  20. Worsley, K. J., Evans, A., Marrett, S., Neelin, P. A three-dimensional statistical analysis for CBF activation studies in human brain. J. Cereb. Blood Flow Metab. 12, 900-918 (1992).
  21. Spencer, S. S. Neural networks in human epilepsy: evidence of and implications for treatment. Epilepsia. 43, 219-227 (2002).
  22. Greicius, M. D., Srivastava, G., Reiss, A. L., Menon, V. Default-mode network activity distinguishes Alzheimer's disease from healthy aging: evidence from functional MRI. Proc. Natl. Acad. Sci. U.S.A. 101, 4637-4642 (2004).
  23. Kennedy, D. P., Redcay, E., Courchesne, E. Failing to deactivate: resting functional abnormalities in autism. Proc. Natl. Acad. Sci. U.S.A. 103, 8275-8280 (2006).
  24. Garrity, A. G., et al. Aberrant "default mode" functional connectivity in schizophrenia. Am. J. Psychiatry. 164, 450-457 (2007).
  25. Mannell, M. V., et al. Resting state and task-induced deactivation: A methodological comparison in patients with schizophrenia and healthy controls. Hum. Brain Mapp. 31, 424-437 (2010).
  26. Jones, D., et al. Age-related changes in the default mode network are more advanced in Alzheimer disease. Neurology. 77, 1524-1531 (2011).
  27. Kobayashi, Y., Amaral, D. G. Macaque monkey retrosplenial cortex II. Cortical afferents. J. Comp. Neurol. 466, 48-79 (2003).
  28. Dupont, P., et al. Dynamic perfusion patterns in temporal lobe epilepsy. Eur. J. Nuclear Med. Mol. Imaging. 36, 823-830 (2009).
  29. Laufs, H., et al. Temporal lobe interictal epileptic discharges affect cerebral activity in “default mode” brain regions. Hum. Brain Mapp. 28, 1023-1032 (2007).
  30. Morgan, V. L., Gore, J. C., Abou-Khalil, B. Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI. Epilepsy Res. 88, 168-178 (2010).
  31. Gotman, J., et al. Generalized epileptic discharges show thalamocortical activation and suspension of the default state of the brain. Proc. Natl. Acad. Sci. U.S.A. 102, 15236-15240 (2005).
  32. Hamandi, K., et al. EEG-fMRI of idiopathic and secondarily generalized epilepsies. Neuroimage. 31, 1700-1710 (2006).
  33. Pittau, F., Grova, C., Moeller, F., Dubeau, F., Gotman, J. Patterns of altered functional connectivity in mesial temporal lobe epilepsy. Epilepsia. 53, 1013-1023 (2012).
  34. Liao, W., et al. Default mode network abnormalities in mesial temporal lobe epilepsy: a study combining fMRI and DTI. Hum. Brain Mapp. 32, 883-895 (2011).
  35. Pereira, F. R., et al. Asymmetrical hippocampal connectivity in mesial temporal lobe epilepsy: evidence from resting state fMRI. BMC Neurosci. 11, 1-13 (2010).
  36. Dupont, S., et al. Bilateral hemispheric alteration of memory processes in right medial temporal lobe epilepsy. J. Neurol. Neurosurg. Psychiatr. 73, 478-485 (2002).
  37. Vlooswijk, M. C., et al. Functional MRI in chronic epilepsy: associations with cognitive impairment. Lancet Neurol. 9, 1018-1027 (2010).
  38. McCormick, C., Quraan, M., Cohn, M., Valiante, T. A., McAndrews, M. P. Default mode network connectivity indicates episodic memory capacity in mesial temporal lobe epilepsy. Epilepsia. 54, (2013).
  39. Zhang, Z., et al. Altered spontaneous neuronal activity of the default-mode network in mesial temporal lobe epilepsy. Brain Res. 1323, 152-160 (2010).
  40. Horovitz, S. G., et al. Decoupling of the brain's default mode network during deep sleep. Proc. Natl. Acad. Sci. U.S.A. 106, 11376-11381 (2009).
  41. Deshpande, G., Kerssens, C., Sebel, P. S., Hu, X. Altered local coherence in the default mode network due to sevoflurane anesthesia. Brain Res. 1318, 110-121 (2010).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

FSL

相关文章