基于BOLD-fMRI的任务诱发变异调节和任务诱发激活的分离

发布时间：2020-08-03 15:56

【摘要】：近年来血氧水平依赖性功能磁共振成像(blood oxygen level dependent functional magnetic resonance imaging,BOLD-fMRI)研究发现任务诱发变异调节(task induced variability modulation,TIVM)的空间模式不同于传统的任务诱发激活(task evoked activation,TEA),表明TIVM可能会提供研究人脑功能的全新视角。但由于方法学上的局限,现有研究尚无法明确两者的差异是否确实反映不同的神经响应模式,这在很大程度上限制了TIVM在脑影像研究中的应用。因此,本文主要目的是通过系统性研究与比较,证实TIVM和TEA确实反映两种不同的神经响应模式。本文包括以下两个研究:研究一,评估不同数据处理参数对TIVM的影响。包括两个方面:全脑均值标准化(global mean normalization,GMN)和带通滤波(band-pass filtering,BPF),并在三批相互独立的数据集上重复验证。结果表明:GMN能够提高TIVM的可重复性,BPF对TIVM结果基本没有影响。研究二,TIVM和TEA的时间与空间特性比较。在研究一方法学评估的基础之上,本研究分别从空间和时间维度上比较基于睁眼/闭眼(eyes open(EO)/eyes closed(EC))范式的TIVM和TEA。首先,我们在同一批被试上,在同样的实验条件和同样的模态(BOLD-fMRI)下,直接比较EO/EC诱发的TIVM和TEA的空间模式。我们发现,EO与EC相比,TIVM显著升高的脑区位于双侧纹外皮层(extrastriate cortex,ESC),TIVM显著降低的脑区位于初级感觉运动皮层(primary sensorimotor cortex,PSMC)、初级听觉皮层(primary auditory cortex,PAC)、辅助运动区(supplementary motor area,SMA)以及少数丘脑体素;而任务激活区主要在初级视觉皮层(primary visual cortex,PVC)和丘脑。通过肉眼观察,TIVM和TEA的空间模式几乎没有重叠。其次,我们使用扩展时间窗(expanding window,EW)技术分析EO/EC诱发的TIVM的时间演化过程。结果表明,基于EO/EC范式的TIVM是一个慢速动态稳定过程,不像传统的激活一样能在几十秒的时间内测得。综上所述,我们可以得出以下两点结论:(1)GMN有利于提高TIVM的敏感性与可重复性。(2)EO/EC诱发的TIVM和TEA在空间和时间特性上都不相同。因此,我们证实了TIVM和TEA确实反映两种不同的神经响应模式。我们的结果为TIVM在脑影像研究中的应用提供了基础。
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：B842
【图文】：

数据集,重复性,右半球,左半球

- 18 -注 1）：“TIVM with GMN”表示做 GMN 处理的 TIVM 结果，“TIVM without GMN”表示未做 GMN处理的结果。“LNU”，“BNU”和“HNU”各自表示来自对应数据集的结果。“Corrected”表示TFCE 校正后结果（p < 0.05），“Uncorrected”表示未校正结果（p < 0.01）。“L”表示左半球，“R”表示右半球。图 3.1 GMN 对 TIVM 的影响Fig. 3.1 The effects of GMN to TIVM3.3.2 BPF 对 TIVM 的影响通过肉眼观察发现，BPF 前后的 TIVM 结果非常一致。具体来说：（1）未校正结果显示，进行（图 3.1A’-F’和 3.2A’-C’）和未进行 GMN（图 3.2D’-F’）处理的 TIVM 结果高度相似，并且在三批相互独立的数据集上具有较好的重复性（p < 0.01, 未校正）。（2）TFCE 校正后的结果显示，三批数据间的重复性较差，并且进行 GMN 处理后的 TIVM

右半球,左半球,数据集

- 19 -注 1）：“TIVM with BPF”表示做 BPF 处理的 TIVM 结果，“TIVM without BPF”表示不做 BPF 处理的结果。“LNU”，“BNU”和“HNU”各自表示来自对应数据集的结果。“Corrected”表示 TFCE校正后结果（p < 0.05），“Uncorrected”表示未校正结果（p < 0.01）。“L”表示左半球，“R”表示右半球。图 3.2 BPF 对 TIVM 的影响Fig. 3.2 The effects of BPF to TIVM

时间进程,数据集,辽宁师范大学,硕士学位论文

辽宁师范大学硕士学位论文在 270 秒后达到稳定，在 BNU 数据集上约在 240 秒后达到稳定，在 HNU 数据集上约在330 秒后达到稳定。在不校正（图 4.3）以及不做 GMN 处理的 TIVM 结果上（图 4.4 和图 4.5）都发现了类似的时间特性。此外，本研究通过计算 Dice 系数来直观显示 TIVM 的时间演化过程。从图 4.6 可见，随着时间窗的延长，Dice 系数逐渐增大。进行（图 4.6A）和不进行（图 4.6B）GMN 的结果相似。

【相似文献】