fMRI時間シリーズの振幅と位相が機能的結合解析に与える影響

2024-06-17 Mon
振幅と位相に基づく磁気共鳴画像時間系列の機能的接続分析への影響序論過去10年間において、機能的磁気共鳴画像（fMRI）は非侵襲的な画像技術として、血中酸素依存（BOLD）コントラストを利用して脳活動を測定し、脳機能を研究するために使用されてきた（Kwong, 1996）。空間的に離れた脳領域間のBOLD時間系列の時間相関を分析することで、静的機能接続（Functional Connectivity, FC）を推定できる。機能接続は通常、脳領域間の時間系列の相関を計算することで測定される。一部の研究は、タスク状態（例えば、指タップや視覚タスク）におけるBOLD信号の瞬時位相表現（Instantaneous Phase, IP）を機能接続分析に用いているが、瞬時振幅（Instantaneous Amplitude, IA）の役割についてはあまり検討されていない。
本研究では、異なる脳領域からの瞬時振幅表現が機能的脳ネットワークに追加情報を提供する可能性があると仮定した。この仮定を検証するために、静止状態BOLD fMRI信号の瞬時振幅表現を調査し、それを瞬時位相表現から得られる静止状態ネットワーク（Resting State Networks, RSNs）と比較した。
論文の出典本研究はPriyanka Mittal（インド工科大学マンディ校）、Anil K. Sao（インド工科大学ビライ校）およびBharat Biswal（ニュージャージー工科大学）の執筆により、2023年4月17日に『Magnetic Resonance Imaging』誌に掲載された。
研究方法データと処理本研究では、ヒトコネクトームプロジェクト（HCP）データセットから、100名の健康な成人（年齢：20-35歳、女性54名）の静止状態fMRIデータを使用した。データは3Tの磁気共鳴スキャナーを使用して、4回の15分間の実行で取得され、編成の方向は左-右および右-左であった。これらの4回の実行は2つのセッションに分けられ、被験者は目を開けて白い十字を見つめるよう指示された。Hilbert変換を通じて、狭帯域フィルタリングされたBOLD時間系列から瞬時振幅と瞬時位相表現を抽出し、種子ベースの方法を使用して脳内の静止状態ネットワークを計算した。
実験方法研究全体は3つの段階に分かれている：
第1段階：信号前処理
HCPが提供する標準的なプロセスに従ってfMRIデータを前処理し、さまざまな空間アーティファクトと頭部運動効果を除去し、時間系列データを構造データと整合させ、全体の信号強度を正規化した。
第2段階：信号変換および表現抽出
Hilbert変換を通じて狭帯域フィルタリングされたBOLD信号を複素数信号に変換し、瞬時振幅（IA）、瞬時位相（IP）、瞬時周波数（IF）表現を抽出した。
第3段階：機能接続分析
種子ベースの方法を使用し、選択された種子と他の脳領域の時間系列間のFC値を計算した。IP表現に対しては、種子と他のボクセルのIP時間系列間の位相同期指標（PLV）を計算した。
各種表現およびそれに対応する実験実験では、周波数範囲0.01-0.1 Hzおよびそのサブバンドに対してIA、IP、およびIF表現をそれぞれ計算した。各表現に対して、異なる周波数サブバンド（例：0.01-0.04 Hz、0.04-0.07 Hz、0.07-0.1 Hzなど）における静止状態ネットワーク（例：デフォルトモードネットワーク、大脳運動ネットワークなど）の空間的一致性を観察した。
データ解析方法一貫性を評価する指標としてJaccard類似度（Jaccard Similarity, JS）を使用し、2つのセッション間の機能接続マップを空間的に比較することで、各表現法の異なる周波数サブバンドにおける一致性を評価した。
研究結果実験結果により、周波数範囲0.01-0.1 Hz内で、瞬時振幅表現（IA）に基づいた静止状態ネットワークは瞬時位相表現（IP）に基づいたネットワークとの類似度が最も高いことが明らかになった。特に運動ネットワークに顕著であった。高周波帯（0.198-0.25 Hz）では、IAおよびIP表現のネットワーク一致性は低くなった。IAとIP表現の融合により得られた静止状態ネットワークは、IP表現のみを使用したネットワークに比べ、デフォルトモードネットワークの一致性が3-10%、運動ネットワークの一致性が15-20%向上した。
さらに、瞬時周波数（IF）表現を使用した機能接続ネットワークの調査では、IP表現のみを使用した結果と同等の類似度が得られた。すべての周波数サブバンドにおいて、IA表現に基づく方法は運動ネットワークにおいて最も高い類似度スコアを示し、IP表現は前頭前野-頭頂葉ネットワークにおいて最良の結果を示した。
結論と討論本研究は、振幅表現に基づく方法が瞬時位相表現に基づく方法と同様の静止状態ネットワークを推定でき、その結果が2つのセッションで再現性があることを明らかにした。IAとIP表現の組み合わせにより、機能接続分析の結果は改善されることが示された。
科学および応用の価値研究は、現在の多くの研究が瞬時位相表現を使用して機能接続を推定することに焦点を当てている一方で、瞬時振幅表現も有用な情報を含み、両者を組み合わせることで静止状態ネットワーク分析の結果の信頼性と一致性が向上することを示した。これは脳機能ネットワークの研究に新たな視点を提供し、静止状態における脳の機能活動をより全面的に説明するのに役立つ。
研究のポイント研究は、瞬時振幅表現が機能接続分析において重要な役割を果たすことを革新的に探求し、それが瞬時位相表現の重要な補完となることを示した。
実験結果は、2つの表現法（瞬時振幅と瞬時位相）が互補的であり、融合することで静止状態ネットワーク分析の結果の正確性が向上することを示した。
周波数サブバンドの分析によって静止状態ネットワークの再現性を高める新しい方法を提供し、さまざまな周波数帯域が脳の機能接続に与える影響を理解するのに重要な意義を持つ。
研究の限界瞬時振幅と瞬時位相表現の手法が実際の応用においてどのように異なり、適用範囲がどのように異なるかをさらに研究する必要がある。また、現在の結果は主に静止状態fMRIデータに基づいているため、これらの結果が他の脳活動状態（例えば、タスクや自然刺激）でも有効であるかを将来的にさらに検証する必要がある。
本研究は、fMRI時間系列の瞬時振幅表現についての深い探求を行い、静止状態ネットワーク分析におけるその重要な役割を明らかにし、将来的な脳機能接続研究に新たな方向性と方法を提供した。