fMRI时间序列幅度和相位对功能连接分析的影响

神经病学 医学 生物物理学 医学影像 生命科学
功能连接 静息态网络 瞬时相位 瞬时幅度 同步

基于振幅和相位的磁共振成像时间序列对功能连接分析的影响

引言

在过去十年中，功能磁共振成像（fMRI）作为一种非侵入性成像技术，利用血氧水平依赖（BOLD）对比度来测量大脑活动并研究大脑功能（Kwong, 1996）。通过分析空间上远离的脑区之间的BOLD时间序列的时间相关性，可以估算出静态功能连接（Functional Connectivity, FC）。功能连接通常通过计算大脑区域间的时间序列相关性来测量。一些研究关注于任务状态下（比如手指敲击或视觉任务）的BOLD信号的瞬时相位表示（Instantaneous Phase, IP）用于功能连接分析，但瞬时振幅（Instantaneous Amplitude, IA）的作用却较少被探讨。

本研究中，我们假设来自不同脑区的瞬时振幅表示可能为功能脑网络提供额外的信息。为了验证这一假设，我们探讨了在静息状态BOLD fMRI信号的瞬时振幅表示，并将其与瞬时相位表示所得到的静息状态网络（Resting State Networks, RSNs）进行比较。

论文来源

此研究由Priyanka Mittal（Indian Institute of Technology Mandi, India）、Anil K. Sao（Indian Institute of Technology Bhilai, India）和Bharat Biswal（New Jersey Institute of Technology, United States of America）撰写，发表在2023年4月17日的《Magnetic Resonance Imaging》期刊上。

研究方法

数据与处理

本研究使用了人类连接组项目（HCP）数据集中100名健康成年人的静息状态fMRI数据（年龄：20-35岁，54位女性）。数据通过3T磁共振扫描仪在四次15分钟的运行中获取，编排方向分别为左-右和右-左。这四次运行分为两个会话，受试者被要求保持眼睛睁开且固定在一个白色十字上。通过Hilbert变换，从窄带滤波的BOLD时间序列中提取瞬时振幅和瞬时相位表示，并使用基于种子的方式计算大脑中的静息状态网络。

实验方法

整个研究分成三个阶段：

第一阶段：信号预处理 按HCP提供的标准流程预处理fMRI数据，包括去除各种空间伪影和头动效应，将时间序列数据与结构数据对齐，以及进行全局强度归一化处理。

第二阶段：信号变换与表示提取 通过Hilbert变换将窄带滤波的BOLD信号转换为复数信号，提取瞬时振幅（IA）、瞬时相位（IP）和瞬时频率（IF）表示。

第三阶段：功能连接分析 采用基于种子的方法，在选定种子与其他脑区的时间序列之间计算FC值。其中，对于IP表示，计算种子与其他体素IP时间序列之间的相位同步指标（PLV）。

各种表示及其相应实验

在实验中，我们针对频率范围0.01-0.1 Hz以及其子频带分别进行IA、IP和IF表示的计算。对于每种表示，在不同频率子带（如0.01-0.04 Hz、0.04-0.07 Hz、0.07-0.1 Hz等）下，观察所得静息态网络（如默认模式网络、大脑运动网络等）的空间一致性。

数据分析方法

使用Jaccard相似度（Jaccard Similarity, JS）作为衡量在两个会话间的一致性指标，通过对两会话间的功能连接图进行空间比较，评估各表示法在不同频率子带上的一致性。

研究结果

实验结果显示，在频率范围0.01-0.1 Hz内，基于瞬时振幅表示（IA）的静息状态网络与基于瞬时相位表示（IP）的网络相似度最高，尤其对于运动网络。在高频带（0.198-0.25 Hz）上，IA和IP表示的网络一致性有所降低。通过融合IA和IP表示所得静息态网络，与仅采用IP表示的静息态网络相比，默认模式网络的一致性提高了3-10%，而运动网络的一致性提高了15-20%。

此外，使用瞬时频率（IF）表示在探讨功能连接网络时，所得相似度与仅使用IP表示所得结果相当。在所有频率子带中，基于IA表示的方法在运动网络中显示最高的相似度分数，而IP表示在前额-顶叶网络中表现最佳。

结论与讨论

本研究发现基于振幅表示的方法能够估算出与瞬时相位表示方法类似的静息状态网络，其结果在两次会话中的再现性具有可比性。IA与IP表示的结合能够改善功能连接分析的结果。

科学与应用价值

研究显示，虽然目前大多数研究侧重于使用瞬时相位表示来估算功能连接，但瞬时振幅表示同样包含有用的信息，两者结合能显著提高静息态网络分析结果的可靠性和一致性。这为脑功能网络的研究提供了新的视角，有助于更全面的解释大脑在静息状态下的功能活动。

研究亮点

  1. 研究创新性地探索了瞬时振幅表示在功能连接分析中的作用，提出其可作为瞬时相位表示的重要补充。
  2. 实验结果表明，两种表示法（瞬时振幅和瞬时相位）互补且融合后能提高静息状态网络分析的结果准确性。
  3. 提供了一种新的思路，通过频率子带分析来提高静息状态网络的再现性，这对于理解不同频率带对脑功能连接的影响具有重要意义。

研究的局限性

仍需进一步研究瞬时振幅与瞬时相位表示的方法在实际应用中的差异及适用范围。此外，目前的结果主要基于静息状态fMRI数据，未来的研究应进一步验证这些结果在其他脑活动状态（如任务或自然刺激）的可行性。

本研究对fMRI时间序列的瞬时振幅表示进行了深入探讨，发现其在萤火虫状态网络分析中的重要作用，为未来大脑功能连接研究提供了新的方向和方法。