所述方法的目标是确定范式的什么时刻 (时间透视), 以及在哪些区域 (空间透视) 之间, 功能连接中的显著重新配置发生在功能磁共振成像上在其中播放有时间锁定的刺激的录音。
基于任务的功能磁共振成像具有很大的潜力, 可以理解我们的大脑是如何对各种类型的刺激做出反应的;然而, 这通常是在不考虑功能处理的动态方面的情况下实现的, 分析输出通常会考虑任务驱动效应和大脑活动的潜在自发波动的合并影响。在这里, 我们引入了一个新的方法管道, 可以超越这些限制: 使用滑动窗口分析方案可以跟踪功能随时间变化, 并通过交叉主题相关性测量, 该方法可以隔离纯粹与刺激有关的影响。通过严格的阈值过程, 可以提取和分析主体间功能相关性的显著变化。
在一组接受了自然主义视听刺激的健康对象身上, 我们通过将未发现的功能重新配置与电影的特定线索捆绑在一起, 证明了这种方法的有用性。我们展示了如何通过我们的方法, 捕捉大脑活动的时间轮廓 (给定连接的演变), 或者在关键时间点关注空间快照。我们提供了一个公开的版本的整个管道, 并描述了它的使用和其关键参数的影响逐步。
功能磁共振成像 (fMRI) 已成为非侵入性监测外部刺激引起的大脑活动变化的首选工具。更具体地说, 人们对区域激活时间课程 (称为功能连接(fc)1 ) 之间的统计相互依存关系的理解产生了浓厚的兴趣, 通常被计算为皮尔逊的相关性系数。大脑中的功能交互已被广泛地证明是作为基础任务2,3,4的功能重新配置。
除了这一介绍性描述之外, 还分别遵循了两个分析方向: 一方面, 观察到时间锁定刺激在特定大脑区域引起的反应在不同的研究对象之间有着强烈的相关性 5.量化这种学科间相关性(isc) 显示出提高我们对认知6、7、8、9 和大脑疾病10、11 的理解的潜力.此外, 这种跨主体关联方法还扩展到跨区域同步性 12的评估, 即所谓的主体间职能相关性(isfc) 方法13。
另一方面, FC 重组的动态味道开始受到越来越多的关注 (见 H和chison 等人 14、Preti、Bolton 和 Van de ville 15、冈萨雷斯-卡斯蒂略和班代蒂尼16关于最近的评论重述状态和任务为基础的双方的这个问题)。特别是, 随着时间的推移, 可以通过连续的相关测量来跟踪整个大脑 fc 的变化, 在逐渐转移的时间子窗口17,18, 揭示了在行为任务的背景下的额外见解19,20。
在此, 我们提出了一个将这两个途径结合起来的方法框架。事实上, 我们以滑动窗口的方式计算 ISFC, 以跟踪暴露在一个时间锁定的自然主义范式下的主体之间跨区域同步的演变。通过该方法的交叉主体方面, 分析的重点是刺激驱动的效果, 而自发的 fMRI 变化 (这在被试之间是不相关的) 是强烈的阻尼。这一点很重要, 因为休息状态和任务唤起的活动模式越来越被理解为具有不同的特性21,22。
至于该方法的动态组件, 它可以更完整和准确地描述任务刺激, 特别是当探索自然主义范式, 其中不同的线索 (听觉, 视觉, 社会等) 结合随着时间的推移。此外, 由于对重大动态波动的合理统计评价已引起激烈辩论 23,24, 我们的方法特别注意这方面的分析, 隔离重大的 isfc 变化通过与相应的空数据进行比较。
我们在接触到视听电影刺激的一组健康对象上说明了这种方法, 并向他们展示了局部电影子区间产生的时间和空间 ISFC 变化轮廓可以准确提取。在此过程中, 我们还描述了用户选择的主要分析参数的影响。所提出的调查结果是根据以前公布的数据25、26 的一部分得出的。
在健康主体的数据集上, 我们演示了同步交叉主体 (ISFC 瞬态) 中的增加和减少如何与临时本地化的电影提示相匹配, 从而提供了超出静态描述的信息。虽然使用跨主体相关措施能够将分析重点放在刺激驱动的功能重组上, 但人们也必须意识到, 它将调查结果限制在所研究人群中共享的影响上: 因此, 是低水平的与正面处理40相比, 感觉处理的比例预计会过高。为了绕过这一限制, 正在开发新的方法, 这些方法也有能力提取各学科差异最大的区域 41。
引入的方法的另一个局限性来自滑动窗口方面, 因为与框架方面的方法相比, ISFC 瞬态时间程的时间分辨率降低了 15.正如我们所表明的, 需要在足够低的窗口长度以正确解决动态 ISFC 重新配置和足够大的大小以获得可靠的估计之间进行权衡。我们框架中的两个关键步骤确保提取的 ISFC 瞬态反映了连接中真正发生的变化: 第一, 按窗口长度32的反转对区域时间过程进行高通过滤;其次, 利用静定状态 ISFC 数据生成相关的空分布, 与刺激相关数据具有相同的采集参数。当然, 后者还需要更长的全球采集时间, 以便在与刺激有关的会议之外收集休息状态数据。作为避免额外的恢复状态记录的替代方法, 我们还提供了直接从刺激相关的时间课程生成相位随机数据的可能性, 这种方法通常用于动态功能连接分析23,24. 对一组会议的进一步评价显示, 虽然重述状态 null 方法比较保守, 因此更不容易出现误报, 但两个方案的 ISFC 出游检测全球模式相似 (见补充图 5)。
补充图 5: 通过空数据生成方法检测 ISFC 游览.对于恢复状态 (左列、蓝色图) 或相位随机化 (右列、红色图形) 空数据生成方法, 通过连接提取的 ISFC 游览的百分比。底部的图形是关于从前三个被考虑的大脑区域发出的连接的内集。误差表示主体之间的标准偏差。请点击这里查看此图的较大版本.
恢复状态获取的持续时间实际上与分析的一个关键参数有关: α值。如上所述, 过于宽松的选择将导致检测到的 ISFC 瞬态中出现大量误报。可用的恢复状态数据量越大, 可实现的假阳性率就越严格, 因为阈值可以基于空分布中更极端的值。作为一个指示, 对于 n = 299 地图集区域, 在这里, 并考虑到我们的统计 5, 762个静状态数据点, 我们最多可以实现一个α值接近 0.01% (请参阅步骤5.2.6 的数学细节)。
与任何 fmri 分析相关的另一个关键点在于严格删除可能与运动相关的伪影从分析数据30,42。特别是, 如果我们希望将引入的管道应用于在扫描仪中显示有标记运动的患病人群, 我们建议在进行的统计分析中, 除了将运动变量作为协变包括在内之外, 还应进行额外的预处理。步骤, 如小波去噪43或 ica-aroma44。例如, 通过在这两类兴趣上同时运行所述方法, 可以很容易地进行群体比较 ISFC 瞬变, 这可以很容易地实现 (见 Bolton 等人, 例如被诊断的人群)自闭症谱系障碍)。但是, 组之间的差异可能会出现在两个不同的设置中: (1) 一个组中缺少 ISFC 的变化, 或 (2) 该组中更具异构性的进化。为了消除这两个因素, 应使用健康主题集作为引导步骤中的参考组, 为患病组再次运行管道。前一种情况仍将导致没有答复, 而后一种情况则不会。
除了我们在这里描述的之外, 引入的方法还开辟了有希望的未来途径: 从分析方面, ISFC 瞬态地图可以被看作是大脑图, 从这个图表可以得出量化大脑连接的指标 45, 或者动态 isfc 状态可以通过聚类方法提取, 并根据其空间和时间特征进行评估 17,46。此外, 还可以设想使用比 pearson 的相关系数更复杂的连接测量工具来揭示 47,48fc 的微妙侧面。
从实验方面来看, 我们的管道应用于一套更广泛的范式是一个很有希望的视角: 例如, 人们可以设想使用一段音乐49或叙事故事13, 而不是像这里所研究的电影, 50作为一个有时间锁定的刺激。或者, 它甚至可以设想, 通过超扫描51, 探索自然主义的社会沟通52,53。
The authors have nothing to disclose.
这项工作得到了以下各方面的部分支持: 瑞士国家科学基金会 (赠款编号 205321 _ 163376 至 DVDV)、Bertarelli 基金会 (对 TB 和 DVDV)、生物医学成像中心 (CIBM) 和国家研究机构 (向 ALG 提供04701号临时赠款)。作者要感谢罗伯托·马尔图齐和朱利亚·普雷蒂分别作为核磁共振操作员和扫描志愿者对这项工作的视频内容做出的贡献。
Freesurfer version 6.0 | Laboratory for Computational Neuroimaging, Martinos Center for Biomedical Imaging, Boston (MA), USA | https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall | A MATLAB-compatible toolbox enabling to carry out various processing, visualisation and analytical steps on functional magnetic resonance imaging data |
MATLAB_R2017a | MathWorks | https://ch.mathworks.com/downloads/ | Working version of the MATLAB computational software (version 2014a or more recent should be used) |
Statistical Parametric Mapping version 12.0 (SPM12) | Wellcome Trust Center for Neuroimaging, University College London, London, UK | https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ | A MATLAB-compatible toolbox enabling to perform statistical analyses on functional magnetic resonance imaging data |
Tim-Trio 3 T MRI scanner | Siemens | https://www.healthcare.siemens.ch/magnetic-resonance-imaging/for-installed-base-business-only-do-not-publish/magnetom-trio-tim | Magnetic resonance imaging scanner in which subjects have their functional brain activity recorded (at 3 T) |