静息状态下脑功能连接的磁共振成像研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.事实上通过采集一系列静息状态脑的BOLD 磁共振图像并提取某一有意义体素信号强 度随时间的变化曲线, 可以发现静息状态下 脑的BOLD 磁共振信号并不是一成不变的 , 而是随时间有所涨落。
原始数据已进行时间/空间校正、平滑等 预处理 LFF<0.08HZ（已滤波）
• 1995 年 , Biswal (毕斯沃)等人首创性地提 取了静息态 BOLD 信号中的低频成分( < 0. 1Hz , 如图所示)并对其进行了分析. 他们发 现: 人脑左右半球的感觉运动皮层的BOLD 信号低频涨落(low f requency fluctuations , L FF)存在显著的相关性。由此可以推测: 大 脑在静息状态下的功能活动并非是 “噪声”
3.空间标准化：在于消除不同被试者个体间的差异 以便进行组分析(group anslysis) , 通常将被试者 脑图像与标准脑模板(如蒙特利尔神经科学研究所 (MNI)提出的标准脑)进行配准.
4.平滑：可削弱随机噪声的影响.
5.滤波：则可提取所需的低频涨落信号
1பைடு நூலகம் 种子相关分析是最简单使用最广泛的静息
般杂乱无章的 , 而是有其特定的规律和组织 方式。
3 .BOLD信号低频涨落与神经细胞自发活动
• 有些研究者发现静息态下大脑中BOLD 信号低频 涨落与呼吸、 心跳以及动脉血中二氧化碳分压 ( PaCO2 )的节律性变化有关, 从而认为这些信号 变化可能由生理噪声引起.。
• 但是静息态脑功能研究关心的BOLD 信号涨落的 频率一般在0. 1 Hz或0. 08 Hz以下 ,而人类呼吸和 心跳的频率分别约为 0. 1～0. 5 Hz 和 0. 6～1. 2 Hz，定量分析了生理噪声对BOLD 信号低频涨落 的贡献 , 发现其大小不足 10 %。
静息状态下脑功能连接 的磁共振成像研究
• 本文主要是总结了静息状态功能磁共振成 像的主要研究成果 , 对静息状态脑功能网络 的发现和发展、 研究方法、 各网络及其特
点以及在临床方面的应用进行简单的介绍 和分析
摘 要:
• 通过对fMRI信号低频涨落成分的同步性分 析 , 可以得到大脑静息态任意脑区的功能连 接和多套网络系统 。
• 2.采集磁共振数据的过程中同时监测并记录 心跳和呼吸信号 , 之后通过线性回归的方法 将它们的贡献从BOLD 信号的时间序列中 去除。
• 3.使用独立成分分析( ICA)方法可以将生理 噪声、神经活动信号作为不同的独立成分 从原始数据中分离出来 , 然后单独进行研究
2. 静息态功能连接的分析方法
• 1. 生物体血液中的氧主要以氧合血红蛋白的形式存在. 氧合血红蛋白 释放氧后形成的脱氧血红蛋白具有顺磁性 , 可在血管及周边组织中产 生局部不均匀磁场. 受该局部磁场不均匀性的影响 , 血管及周边组织 中不同水分子的磁共振信号间会发生失相 , 脱氧血红蛋白含量越高, 信号强度降低的幅度就越大; 相反地 , 如果组织中脱氧血红蛋白的含 量降低 , 组织的磁共振信号强度就会上升 , 这就是BOLD 效应的由来。
更具体地说 , 静息状态是指被试者保持清醒、 不接收任何外部刺激或执行任何高级功能 的状态。
本文综述fMRI研究静息态下脑功能的基本 原理和最新进展。
概 述：
1. BOLD 效应的由来 2. 静息态下 BOLD信号的低频涨落 3. BOLD信号低频涨落与神经细胞自发活动
目前使用最广泛的fMRI方法是基于血氧水平依赖BOLD效应。
从默认网络2 个不同脑区的种子点出发所得到的该网络可 以看出二者网络模式基本相同, 侧面证明了该网络的稳定 性以及后扣带回和内侧前额叶是默认网络中重要组成部分
和主要结点
静息态功能连接主要应用
• 最新的研究发现 , 静息状态很多功能连接有 相应的结构基础 , 表明静息态功能连接与解 剖连接之间可能存在密切的联系。
2. 而实际中脑网络的复杂结构却更可能使得 不同来源的信号分量之间存在交叠.使得该 方法一定程度上依赖于主观假设和先验知 识
静息状态脑功能网络的特点
• 大量的研究结果表明静息状态的脑功能 网络在一定程度上具有稳定性. 在被试者睁 眼或闭眼时的静息状态, 以及睡眠状态、麻 醉状态等类似状态甚至植物状态下 , 脑功能 连接网络都具有虽然不尽相同却及其相似 的组织模式，但是也与独立个体自身属性 和环境具有显著相关性 , 因此可为预测和衡 量个体行为及状态提供有力的参考。
• 种子相关分析 • 等级聚类 • ICA • 其他的分析方法还包括自组织网络(SOM) 互信息、小波分析以及局部一致性(ReHo)
在分析静息态功能连接之前 , 先要对数据进 行必要的预处理
1.时间校正：是为了消除脑不同部位fMRI信号采集 时间不同所引起的差异.
2.头动校正：可纠正信号采集过程中由于被试者头 动造成的图像在空间上的错位.
• 静息态下大脑中BOLD信号的低频涨落主要反应 了神经细胞的自发活动 , 而其在不同脑区中的同 步性则显示了静息态下脑功能的连接模式。
数据分析方法
• 1. 生理噪声的消除 • 2. 静息态功能连接的分析方法
1. 生理噪声的消除
• 1.从数据获取的角度，通过使用较高的采样 频率来避免L FF 信号与呼吸及心跳信号的 混叠。
2 默认网络
1.默认网络(default mode network)是在静息 状态脑功能网络研究中引起最广泛关注的 网络之一。
2.默认网络主要包括后扣带回皮层/楔前叶、 外侧顶叶、 以及内侧前额叶皮层等脑区。
• 默认网络所执行和维持的脑功能与其他静 息态网络相比并不明朗。
• 默认网络并不是随机 “任务” 的反应 , 而 是随年龄变化又具有统计稳定性的大脑功 能结构 , 反应大脑神经细胞自发活动的组织 模式 , 可能与大脑的学习记忆、 认知功能 等相关; 而随机意识在多大程度上参与默认 网络的构建以及如何将其有效的避免和分 离 , 则需要进一步的实验探索。
• 2. 而事实上 , 当神经细胞活动增强时 , 其能量消耗增加 , 并随即引发 局部脑血流( rCBF)的上升 , 以补充能量代谢所需要的底物— 葡萄糖 和氧气. 神经细胞活动时耗氧量的增加与其所引发的rCBF的增加并不 成比例. 实验结果表明: 神经细胞激活时所导致的 rCBF 增加(氧供给量 的增加)幅度往往要大于氧气消耗量的增加幅度由此 , 激活脑区最终表 现为局部氧合水平升高, 去氧血红蛋白浓度降低 , 在磁共振图像上呈 现亮信号。
2. 静息态fMRI数据分析另一种比较常用的方 法是 ICA
1. 该方法假设静息态下得到的BOLD 信号时 间序列是由相互独立的不同信号分量构成 的。因此可以通过数学运算将原始信号中 的各种生理及系统噪声信号 , 以及各功能网 络系统信号分别提取出来 , 并定位于解剖结 构进行各静息态网络的研究.
• 特别需要指出的是 , BOLD2 fMRI 中所
采集的信号并不直接反应神经细胞的活动
而是度量由神经细胞活动所引发的脑区中 脱氧血红蛋白浓度的改变. 这种改变是局部 脑血流 , 脑血容积(CBV)及氧代谢速率 (CMRO2 )变化共同作用的结果。
2. 静息态下 BOLD信号的低频涨落
1.传统的BOLD- fMRI研究主要关注由外部刺 激或执行任务所致的神经活动所引发的血 氧水平的改变,静息状态大多被选择作为任 务状态的对照状态。
态fMRI 数据分析方法
1)根据实验目的确定特定脑区作为静息态研 究的种子区域 , 提取该区域内各体素的时间 序列并计算得到该种子区域的平均序列
2)计算该平均序列与全脑所有体素的时间序 列之间的相关系数 , 以其值作为功能连接强 度 , 从而得到与该种子区域正负相关的所有 体素信息
3)通过统计方法选择有统计意义的相关体素, 并将其定位于解剖结构图 , 从而得到种子区 域的静息态功能连接图
• 皮层下脑区的功能研究和大脑各脑区的功 能细分是目前的研究趋势。
• 静息态fMRI数据量相对庞大 , 信号的组成也 比较复杂 , 使得数据分析显得尤为重要，并 在此基础上进行改进和开发更好的分析方 法, 也是研究的热点之一。
谢 谢！
其中 “默认网络” 的发现可能为人脑固有 网络的研究提供新的思路。
而静息态网络与解剖连接之间可能存在的 对应 , 以及在神经精神疾病患者脑中性质和 连接的异常改变 , 使其具有重要的研究和临 床应用价值。
引 言：
• 大脑是人体最重要的器官，包含多达 1 011 种的神经细胞。大脑中的神经细胞在非任 务状态也存在协同活动 , 并保持着传统认为 只有在执行任务时才出现的复杂网络系统, 这种非任务状态目前被广泛地称为 — — 静 息状态。
原始数据已进行时间/空间校正、平滑等 预处理 LFF<0.08HZ（已滤波）
• 1995 年 , Biswal (毕斯沃)等人首创性地提 取了静息态 BOLD 信号中的低频成分( < 0. 1Hz , 如图所示)并对其进行了分析. 他们发 现: 人脑左右半球的感觉运动皮层的BOLD 信号低频涨落(low f requency fluctuations , L FF)存在显著的相关性。由此可以推测: 大 脑在静息状态下的功能活动并非是 “噪声”
3.空间标准化：在于消除不同被试者个体间的差异 以便进行组分析(group anslysis) , 通常将被试者 脑图像与标准脑模板(如蒙特利尔神经科学研究所 (MNI)提出的标准脑)进行配准.
4.平滑：可削弱随机噪声的影响.
5.滤波：则可提取所需的低频涨落信号
1பைடு நூலகம் 种子相关分析是最简单使用最广泛的静息
般杂乱无章的 , 而是有其特定的规律和组织 方式。
3 .BOLD信号低频涨落与神经细胞自发活动
• 有些研究者发现静息态下大脑中BOLD 信号低频 涨落与呼吸、 心跳以及动脉血中二氧化碳分压 ( PaCO2 )的节律性变化有关, 从而认为这些信号 变化可能由生理噪声引起.。
• 但是静息态脑功能研究关心的BOLD 信号涨落的 频率一般在0. 1 Hz或0. 08 Hz以下 ,而人类呼吸和 心跳的频率分别约为 0. 1～0. 5 Hz 和 0. 6～1. 2 Hz，定量分析了生理噪声对BOLD 信号低频涨落 的贡献 , 发现其大小不足 10 %。
静息状态下脑功能连接 的磁共振成像研究
• 本文主要是总结了静息状态功能磁共振成 像的主要研究成果 , 对静息状态脑功能网络 的发现和发展、 研究方法、 各网络及其特
点以及在临床方面的应用进行简单的介绍 和分析
摘 要:
• 通过对fMRI信号低频涨落成分的同步性分 析 , 可以得到大脑静息态任意脑区的功能连 接和多套网络系统 。
• 2.采集磁共振数据的过程中同时监测并记录 心跳和呼吸信号 , 之后通过线性回归的方法 将它们的贡献从BOLD 信号的时间序列中 去除。
• 3.使用独立成分分析( ICA)方法可以将生理 噪声、神经活动信号作为不同的独立成分 从原始数据中分离出来 , 然后单独进行研究
2. 静息态功能连接的分析方法
• 1. 生物体血液中的氧主要以氧合血红蛋白的形式存在. 氧合血红蛋白 释放氧后形成的脱氧血红蛋白具有顺磁性 , 可在血管及周边组织中产 生局部不均匀磁场. 受该局部磁场不均匀性的影响 , 血管及周边组织 中不同水分子的磁共振信号间会发生失相 , 脱氧血红蛋白含量越高, 信号强度降低的幅度就越大; 相反地 , 如果组织中脱氧血红蛋白的含 量降低 , 组织的磁共振信号强度就会上升 , 这就是BOLD 效应的由来。
更具体地说 , 静息状态是指被试者保持清醒、 不接收任何外部刺激或执行任何高级功能 的状态。
本文综述fMRI研究静息态下脑功能的基本 原理和最新进展。
概 述：
1. BOLD 效应的由来 2. 静息态下 BOLD信号的低频涨落 3. BOLD信号低频涨落与神经细胞自发活动
目前使用最广泛的fMRI方法是基于血氧水平依赖BOLD效应。
从默认网络2 个不同脑区的种子点出发所得到的该网络可 以看出二者网络模式基本相同, 侧面证明了该网络的稳定 性以及后扣带回和内侧前额叶是默认网络中重要组成部分
和主要结点
静息态功能连接主要应用
• 最新的研究发现 , 静息状态很多功能连接有 相应的结构基础 , 表明静息态功能连接与解 剖连接之间可能存在密切的联系。
2. 而实际中脑网络的复杂结构却更可能使得 不同来源的信号分量之间存在交叠.使得该 方法一定程度上依赖于主观假设和先验知 识
静息状态脑功能网络的特点
• 大量的研究结果表明静息状态的脑功能 网络在一定程度上具有稳定性. 在被试者睁 眼或闭眼时的静息状态, 以及睡眠状态、麻 醉状态等类似状态甚至植物状态下 , 脑功能 连接网络都具有虽然不尽相同却及其相似 的组织模式，但是也与独立个体自身属性 和环境具有显著相关性 , 因此可为预测和衡 量个体行为及状态提供有力的参考。
• 种子相关分析 • 等级聚类 • ICA • 其他的分析方法还包括自组织网络(SOM) 互信息、小波分析以及局部一致性(ReHo)
在分析静息态功能连接之前 , 先要对数据进 行必要的预处理
1.时间校正：是为了消除脑不同部位fMRI信号采集 时间不同所引起的差异.
2.头动校正：可纠正信号采集过程中由于被试者头 动造成的图像在空间上的错位.
• 静息态下大脑中BOLD信号的低频涨落主要反应 了神经细胞的自发活动 , 而其在不同脑区中的同 步性则显示了静息态下脑功能的连接模式。
数据分析方法
• 1. 生理噪声的消除 • 2. 静息态功能连接的分析方法
1. 生理噪声的消除
• 1.从数据获取的角度，通过使用较高的采样 频率来避免L FF 信号与呼吸及心跳信号的 混叠。
2 默认网络
1.默认网络(default mode network)是在静息 状态脑功能网络研究中引起最广泛关注的 网络之一。
2.默认网络主要包括后扣带回皮层/楔前叶、 外侧顶叶、 以及内侧前额叶皮层等脑区。
• 默认网络所执行和维持的脑功能与其他静 息态网络相比并不明朗。
• 默认网络并不是随机 “任务” 的反应 , 而 是随年龄变化又具有统计稳定性的大脑功 能结构 , 反应大脑神经细胞自发活动的组织 模式 , 可能与大脑的学习记忆、 认知功能 等相关; 而随机意识在多大程度上参与默认 网络的构建以及如何将其有效的避免和分 离 , 则需要进一步的实验探索。
• 2. 而事实上 , 当神经细胞活动增强时 , 其能量消耗增加 , 并随即引发 局部脑血流( rCBF)的上升 , 以补充能量代谢所需要的底物— 葡萄糖 和氧气. 神经细胞活动时耗氧量的增加与其所引发的rCBF的增加并不 成比例. 实验结果表明: 神经细胞激活时所导致的 rCBF 增加(氧供给量 的增加)幅度往往要大于氧气消耗量的增加幅度由此 , 激活脑区最终表 现为局部氧合水平升高, 去氧血红蛋白浓度降低 , 在磁共振图像上呈 现亮信号。
2. 静息态fMRI数据分析另一种比较常用的方 法是 ICA
1. 该方法假设静息态下得到的BOLD 信号时 间序列是由相互独立的不同信号分量构成 的。因此可以通过数学运算将原始信号中 的各种生理及系统噪声信号 , 以及各功能网 络系统信号分别提取出来 , 并定位于解剖结 构进行各静息态网络的研究.
• 特别需要指出的是 , BOLD2 fMRI 中所
采集的信号并不直接反应神经细胞的活动
而是度量由神经细胞活动所引发的脑区中 脱氧血红蛋白浓度的改变. 这种改变是局部 脑血流 , 脑血容积(CBV)及氧代谢速率 (CMRO2 )变化共同作用的结果。
2. 静息态下 BOLD信号的低频涨落
1.传统的BOLD- fMRI研究主要关注由外部刺 激或执行任务所致的神经活动所引发的血 氧水平的改变,静息状态大多被选择作为任 务状态的对照状态。
态fMRI 数据分析方法
1)根据实验目的确定特定脑区作为静息态研 究的种子区域 , 提取该区域内各体素的时间 序列并计算得到该种子区域的平均序列
2)计算该平均序列与全脑所有体素的时间序 列之间的相关系数 , 以其值作为功能连接强 度 , 从而得到与该种子区域正负相关的所有 体素信息
3)通过统计方法选择有统计意义的相关体素, 并将其定位于解剖结构图 , 从而得到种子区 域的静息态功能连接图
• 皮层下脑区的功能研究和大脑各脑区的功 能细分是目前的研究趋势。
• 静息态fMRI数据量相对庞大 , 信号的组成也 比较复杂 , 使得数据分析显得尤为重要，并 在此基础上进行改进和开发更好的分析方 法, 也是研究的热点之一。
谢 谢！
其中 “默认网络” 的发现可能为人脑固有 网络的研究提供新的思路。
而静息态网络与解剖连接之间可能存在的 对应 , 以及在神经精神疾病患者脑中性质和 连接的异常改变 , 使其具有重要的研究和临 床应用价值。
引 言：
• 大脑是人体最重要的器官，包含多达 1 011 种的神经细胞。大脑中的神经细胞在非任 务状态也存在协同活动 , 并保持着传统认为 只有在执行任务时才出现的复杂网络系统, 这种非任务状态目前被广泛地称为 — — 静 息状态。