关注微信公众号:脑机接口研习社
了解脑机接口最近进展
系列文章目录
文章目录
一、Functional Segregation Methods for Identifying Neural Networks
功能分离根据大脑的特定功能将大脑分为多个区域:低频波动幅度(ALFF)和区域均匀性(ReHo)是功能分离评估中常用的方法。
Fractional-ALFF和ReHo反映了区域神经活动(“城市”)的不同方面,但未提供有关功能连接性(“高速公路”)的信息。
尽管ALFF和ReHo在许多方面都相似,但它们揭示了临床人群中脑异常的不同方面。这两种方法的组合应用比单独一种方法提供的信息更多。
接下来,我们将讨论这些方法中的每一种,它们的优缺点以及它们如何相互补充。
二、ALFF Analysis
ALFF方法在0.01 Hz到0.1 Hz的低频范围内测量BOLD信号的总功率,如图1A所示,结果通过REST Slice Viewer可视化。
http://www.restfmri.net
ALFF与区域神经活动成正比。
Fractional-ALFF是一种变体,用于测量低频范围(0.01-0.1 Hz)内的功率除以整个可检测频率范围内的总功率,并表示低频振荡的相对贡献。
ALFF和Fractional-ALFF仅测量区域的大脑活动,就像地图上城市的交通一样,ALFF揭示“交通”的密度为绝对值,而Fractional-ALFF则将交通密度视为城市中的比例。
因此,它们不提供有关大脑区域之间功能连接的信息。
▲原文中的图1
图1是ALFF和ReHo的测量结果(200名健康志愿者的1-sample t-test结果。A:ALFF结果;B:ReHo结果。ALFF和ReHo升高的结果大多与默认模式网络重叠,默认模式网络在健康志愿者的静息状态下被激活。对于不同类型的患者,可能在静息状态的其他大脑区域中检测到异常的ALFF或ReHo。ALFF和ReHo结果均反映了区域神经活动。ALFF专注于衡量活动的强度,而ReHo更专注于区域活动的连贯性和中心性(coherence and centrality of regional activity)。T表示峰强度。
据报告,频带的子集如下:
0.010~0.027 Hz:可能反映了皮质神经元活动;
0.027~0.073 Hz:可能反映了基底神经节活动;
0.073~0.198 Hz 或 0.198~0.250:与生理噪声和白质信号相关。
然而,关于rs-fMRI是否能真正检测出白质活动,目前存在着积极的辩论。
白质功能磁共振成像激活的原因仍有争议,需要进一步调查。
越来越多的证据支持使用基于rs-fMRI数据的功能相关张量分析评估的白质的空间特性。
功能相关张量结果显示与扩散张量成像相似,但代表一个单独的实体。
涉及rs-fMRI数据的功能相关张量分析的未来研究可能会提供对白质内大脑网络交互功能的了解。
PS. fMRI能否探测到白质尚有争议。可作为研究热点之一。Future studies involving functional correlation tensor analysis of rs-fMRI data may provide insight into the network interaction features of the brain within the white matter.
ALFF和Fractional-ALFF方法的优点在于分析简单,没有任何基础假设。
ALFF和Fractional-ALFF均显示出极高的时间稳定性和长期(约6个月)的重新测试可靠性。
Fractional-ALFF据报道对灰质更具特异性;但是,它的重测可靠性略低。
因此,通常将两种测量结果一起报告,以最大程度地确保受试者之间的可靠性,并具有足够的特异性来检查个体差异。
三、Regional Homogeneity Analysis
ReHo分析是基于体素的度量,用于根据给定体素的时间序列与其最近相邻的时间序列之间的相似性(通过BOLD时间序列的Kendall一致性系数来计算)。
ReHo分析测量相邻区域的同步性,相当于城市中“市区”与“郊区”之间交通的协调性(如上图1B所示)。
ReHo值越高,表示区域脑部活动的连贯性和中心性越高。
高的连贯性和中心性通常(但不一定总是)与高频率的活动相同。
因此,fractional-ALFF和ReHo的结果应分开讨论。
在ALFF和ReHo中重叠的区域表示的区域不仅以相同的时间频率激活,而且还与相邻体素同步激活。这种表示意味着这些区域不仅活跃而且还参与了相对较大的一组神经元活动之中。
ReHo通常在低频范围内计算,通常在0.01 Hz和0.1 Hz之间。
它可以细分为不同的频段。
较低的频段(0.01–0.04 Hz)ReHo对皮层活动更敏感。
在不同频段进行ReHo测量的确切生物学意义仍需进一步探索。
几项研究证明了不同神经系统条件下ReHo变化的频率依赖性。在未来的rs-fMRI研究中,应使用谱特异性分析策略在健康受试者和具有特定病症的患者中开展针对ReHo生物学意义的研究。
不同频段的ReHO的生物意义值得探索
即使经过很长的时间间隔(如6个月)重新扫描对象,ReHo方法的重测可靠性也很高。
Zuo等人在将单个预处理数据投影到皮质表面空间后,使用基于皮质表面的fMRI分析开发了一种沿二维(表面)的ReHo计算方法。
它比基于常规3D(体积)的方法更可靠,原因如下:
通过避免灰白色物质的混合,可以精确计算皮质表面的ReHo值;
通过避免由于人类皮层高度折叠而在3D空间中混合相邻的大脑组织,可以更精确地表征大脑区域内的功能同质性。
像ALFF一样,ReHo不需要先验定义ROI(Region of Interest),并且可以提供有关整个大脑区域活动的信息。
ALFF和ReHo方法均可用于揭示大脑的局部神经活动。
这些方法用于定义基于种子的功能连接性分析的ROI(下面进一步讨论)。
但是,由于将大脑作为一个集成网络而不是孤立的群集进行了更适当的研究,因此对于功能集成方法的支持,对独立功能分离方法的兴奋逐渐消退。
ReHo的另一个局限性是ReHo在不同频段的生物学意义相对不清楚。
欲知后事如何,请关注我们的公众号~
参考文献
Lv, H., Wang, Z., Tong, E., Williams, L. M., Zaharchuk, G., Zeineh, M., … & Wintermark, M. (2018). Resting-state functional MRI: everything that nonexperts have always wanted to know. American Journal of Neuroradiology, 39(8), 1390-1399.