基于静息态功能磁共振成像的静态及动态功能连接分析方法研究进展

基于静息态功能磁共振成像的静态及动态功能连接分析方法研究进展

目录

• 基于静息态功能磁共振成像的静态及动态功能连接分析方法研究进展
• Basic information
• Contents
  • Concepts

Basic information

磁共振成像 2019年 第10卷 第8期

Contents

Concepts

• 肯德尔系数一致性(Kendall's coefficient concordance,KCC)用于衡量给定体素的时间序列及其与其近邻的体素时间序列的相似性。
• 静态功能连接主要包括模型驱动-种子点法、数据驱动网络法以及功能网络连接法。
  1. 模型驱动分析法-种子点法：用先验知识确定一个大脑区域或体素的集合作为ROI，然后探究大脑其他脑区与ROI功能连接。
  2. 功能网络连接分析(functional network connectivity,FNC)：首先对被试的fMRI数据进行组ICA分析得到被试的特异性功能网络(由ICs反映)及其相关波动(由时间序列[time courses,TCs]反映)；然后，通过计算其后处理的TCs之间的Pearson相关性的连接性度量来获得任意两个网络之间的功能连接，从而产生包括所有网络之间的连接性强度的功能连接矩阵，FNC与ICA都需要预先确定组件的数量。
  3. 数据驱动分析法：使用分解或聚类方法映射全脑功能网络，其方法包括空间独立成分分析(independent component analysis,ICA)、PCA法和聚类方法等。
     1. 空间ICA将功能磁共振成像(functional magnetic resonance imaging,fMRI)数据矩阵(时间点*体素)分解为多个空间独立分量(independent conmponents,ICs)的线性组合，其中有意义的ICs可视为脑功能网络，在每个功能网络中，具有更高Z分数的体素倾向于具有更强的内部功能连接(或共同激活)。
        为了解决ICA方法中存在的ICs生成顺序任意的问题，fMRI研究中提出以下两种解决方法：
        |方法|内容|
        |---|---|
        |方法①|对每个被试分别进行ICA，然后使用主观识别、聚类等方法建立跨被试的ICs对应关系及基于可重复性的自动匹配。|
        |方法②|组ICA(group ICA)：对所有被试的数据执行一个ICA，然后以某种方式从组级ICs获得被试特定的ICs，从而在不同被试之间建立IC的直接对应关系。|
• 动态功能连接(可反映时变的功能连接变化)包括基于滑动时间窗法和无窗口法。
  1. 滑动窗相关法(sliding window correlation,SWC)：用具有特定权重变化结构的窗口对信号进行动态截取，然后对窗口截取的数据进行功能连接分析。
  2. 无窗口法：
     1. 时频分析：使用多个频率来探索功能连接。将观测窗口与原始时间过程的频率相适应。
     2. 贝叶斯方法：提取时变功能网络作为贝叶斯设置下的动态模型。