基于功能磁共振BOLD信号的瞬态共变方法的研究与应用

发布时间：2016-10-22 06:34

1、背景介绍

我们的大脑可视为一个网络。它是由空问上分离,但功能上相互关联的脑区祖成,这些脑区持续的进行信息交互。脑区之间功能上的交互可能在复杂认知任务中起到重要作用,其促进了不同脑区间的信息整合。在过去三十年中,大量结构和功能的神经成像研究极大丰富了我们对灵长类动物和人类大脑的认识,尤其是各个脑区扮演的角色和功能。功能成像领域的发展为测量和发掘脑区之间功能上的关联提供了新的工具,推动了对大脑功能连接的研究。为理解功能连接的变异究竟是神经活动抑或噪声,需要同时记录神经活动以及生理信号。与此同时还需要比较这种变异性在个体间或是群体上的差异是否显著。也有研究关注静息态下功能连接的变异和自发电生理信号的相关性,结果表明功能连接的变异有神经活动的贡献,并且还可能与认知或警觉状态的变化有关。也有研究发现功能连接的变异还和疾病引起的变化有关,进一步论证了其神经基础,也提示我们功能连接的这种时间特性可能作为疾病的生物指标。因此,即便我们目前的研究方法存在诸多不足,功能连接动态性的起源仍有很多疑问,但么不妨碍他们提出动态性的问题,从这个问题出发,我们化能进一步理解大脑的运行机制。
.......

2、研究一:瞬态共变方法在真假指压反馈任务中的应用

2.1问題提出

现阶段,大脑功能网络的一种新的特性引起了研究人员的注意。这种特性称之为动态功能网络,或是随时间变化的功能连接,它将大脑的运作看成是一种非稳态的过程。大量算法被开发出来用于研究这一特性。其中,瞬态共变算法因其不依赖统计假设、受参数影响较小以及方法简单明了而有优势。这一算法的核A、思想是:将种子点时间序列中,超过一定阔值的时刻点挑选出来,再根据这些时刻点全脑信号的空间相化性进行分类,得到不同的活动模式。这些不同的模式可以被解择为在不同时刻下,种子脑区和其他脑区短时程的相互作用。然而,在提出这一算法的文章中,作者只是将其应用于静息态功能構共振数据,对结果的解释和生理意义的探究仍显单薄。而在之后的文章中,作者做了方法上的改动,将所有的时刻点都纳入到分类的过程中,而不依靠预设的种子点时间。这妨碍我们对这一方法背后机制以及生理意义的挖掘。据我们所知,该方法还未被应用于任务态的实验中,方法所得到的动态模式也就无法在不同的任务条件下进行比较,这些动态模式的具体功能也就无法进一步理解。

2.2研究目的

在这一研究中,我们将这一方法应用于一个持续的、状态相关的任务态功能磁共振试验中,试图发现在不同条件下动态特性的差异。我们假设,通过8对实验条件的操控,可对一些棋式的动态特征进行调控。具体地,我们在一组健康被试上进行了持续指压反馈实验。该实验有真、假反馈两种条件。在真反馈条件下,被试可以获得本人指压压力的实时视觉反馈;在假反馈条件下,被试获得的是非本人指压压为的实时视觉反馈。之前利用这一数据的研究已经,发现,在不同实验条件下,默认网络的激活和比率低频振幅有差异。另外,基于模块设计的功核磁共振实验发现,在多种运动反馈任务中,对侧运动皮层的激活有差异。神经反馈可以提高儿童的执行功能,预示大脑执行控制网络的变化。基于以上研究的结论,我们选择了PCC、LMC和DLPFC作为种子点,它们分别是默认网络、感觉运动网络和执行控制网络的关键节点。

2、研究一:瞬态共变方法在真假指压反馈任务中的应用.....8

2.1问题提出........8
2.2研究目的.......8
2.3材料和方法.........9
2.4结果........12
3、研究二:基于独立成分分析对瞬态共变方法的改进..........19
3.1问题提出.....19
3.2研究目的.......19
3.3材料和方法........20
4、总结和展望.........27

3、研究二:基于独立成分分析对瞬态共变方法的改进

3.1问題提出

瞬态共变研究基于预先定义的种子点,去探究大脑动态功能网络。在提出该方法的文章中,作者将后扣带回和顶内沟作为种子点,把种子点活动高的时刻点上的全脑信号做动态分类。这种分类实际上是基于某一种子点,而非整个网络,尽管该种子点可能为网络的关键节点。但是,从功能整合的角度看,单一脑区不能代表整个网络。只基于单一种子点而非网络,分类便不够彻底,生理意义化更不明确。独立成分分析在脑成像光其是功能磁共振领域是比较常用的方法。基于该方法,大脑可被认为是多种成分的组合,相互之间是空间上独立的。每种成分对应一条时间序列,反映该成分的活动情况。这些成分在空间上独立,但在时间上会有依存性,可以用来计算网络之间的功能连接。

3.2研究目的

我们认为,如果关键时刻点是依据整个网络的波动提取出来的,那么动态时间点的分类会更完全,也更有生理意义。基于此,我们提出了基于网络的动态功能连接的方法,即利用独立成分分析的方法提取出目标网络的波动信号,再根据此信号找到关鍵时刻点,进行动态分类。该方法避免了单一种子点带来的偏差,同时因为独立成分分析固有的分离噪声的能为,也使得结果受噪声和伪迹的影响。功能连接网络可以分成不同模式的出现能够反映出模式之间的层级关系。在上一个研究中,为探究不同反馈任务对大脑的调节差异,他们比较了真、假指压反馈任务下各模式出现次数的差异。而在本研究中,被试都在睁眼和闲暇两种状态下进行了扫描,各模式在这两种状态间出现次数的差异也值得探究,可以反映出睁眼对大脑动态活动的影响。
.........

4、总结和展望

大脑动态特性是近期研究的热门话题。与传统某一时间段内大脑整体活动不同,动态性关注在更短时间窗甚至具休时刻点上大脑的活动情况。本论文中,我们从己有的动态分析方法入手,首次将瞬态共变方法应用于任务态,观察并比较在真、假指压反债条件下,大脑不同网络之间的相互关系。结果表明,任务态下大脑不同网络之间需要协调配合,而且是以几种不同的配合模式存在。同时,不同任务条件对大脑动态功能有调节作用,具体体现在同一模式出现的频率上。为突出大脑功能网络之间的动态性,我们利用独立成分分析算法对原方法做了改进。具体地,即以ICA得到的网络时间序列代替原有种子点时间序列,提取出网络内部脑区活动一致性高的时刻点。从原理上排,这种改进得到的结果真正体现了网络与网络间的相互关系。随着更高分辨率的磁共振机器的出现,大脑动态特性的研究方兴未艾。将来给我们可以在更精细的时间与空间层面上分析脑区活动,我们对于大脑功能的理解会来到一个新的层面。

.......

参考文献（略）

，

本文编号：148738