基于静息态fMRI的自发脑活动频率特异性特征及计算方法学研究

Electrophysiological studies have suggested that frequency speficicity is an important principle of brain function. It is typically considered that the functionally meaningful frequency bands of resting state fMRI signal lie in the low frequency (0.01-0.08Hz) range. Recently, it has been implied that different frequency components within this frequency bands may have different functional roles. Such frequency specific characteristics would provide more specific biomarkers for application studies. In this program, we firstly seek to confirm inderectly the biological basis for such frequency specific characteristics, by examining the reproducibility of the differences in both the local and network properties of the different frequency components between two resting state types, eyes open (EO) and eyes closed (EC). Second,the frequency spectrum of some physiological noises and high-frequency signal would be aliased if the sampling rate is not high enough, and hence biased results would be introduced. Here we will employ multiband parallel imaging techniques, in which high sampling rate (less than 1s) with complete brain coverage is allowed, to explore how different sampling rate will affect the frequency specific analysis results. Third, we will also investigate the influence of several common resting state fMRI denoising techniques, including global signal regression, RETROICOR+RVHRCOR, and aCompCor, on the results of frequency specific analysis, in order to find out the optimal denoising techniques in characterizing the frequency specific characteristics. By these studies, we expect to get further understanding about the biological basis of frequency specific characteristics of intrinsic brain activity. This program will provide solid foundation for introducing the frequency analysis approaches of resting state fMRI into application studies.

电生理研究表明频率特异性是脑功能组织的重要特点。目前常认为静息态fMRI信号具有生理意义的频段位于0.01-0.08Hz，然而有研究提示这一频段内可能包含多个具有不同功能意义的频率成分，挖掘频率特异性信息将有可能为静息态fMRI应用研究提供更加特异的生物标记。在本项目中，我们采用大样本数据考察静息态fMRI信号不同频率成分的局部属性与网络属性是否可以在睁眼与闭眼静息态间表现出不同变化，并且这种频率特异性调节现象在独立样本间是否可重复，以证明静息态fMRI信号中确有多个固有的频率成分；其次，我们采用multiband并行成像技术对全脑进行快速采样，考察采用不同采样率对揭示频率特异性分析结果的影响；最后,我们探讨不同的生理噪声校正技术对于静息态fMRI频率特异性分析结果的影响。通过以上三个方面的研究，将进一步明确静息态脑自发活动频率特异性特征的生物学意义，并为应用研究提供方法学参考。

大量神经电生理研究表明，频率特异性是脑活动的基本特征之一。然而，在fMRI研究中相关报道却比较少见。由于静息态fMRI研究着重考察一段较长时间内的信号波动，当采样率比较低时，可以获得足够数目的时间点，因此比较适合于挖掘fMRI信号的频率信息。. 在本项目中，我们从以下三个方面展开研究：1）基于静息态fMRI的脑自发活动频率特异性特征是否是生理上的固有属性？具体来说，静息态fMRI各频段的指标及其被不同状态的调节是否表现出频率特异性的特点，这种现象在不同数据上是否稳定可重复？2）方法学上，信号采样率如何影响研究结果？3）不同类型的去噪方法如何影响研究结果？. 我们的研究结果发现：1）不同频率成分对于不同状态之间振幅差异的贡献并不相同，并且这种差异性在不同脑区也所不同，这种频率特异性现象在不同样本之间高度可重复；此外，我们采用快速采样技术围绕静息态fMRI信号的高频特性也开展了研究，结果发现0.1-0.35 Hz之内的频率成分可以被稳定地被不同状态调节；2）高采样率对低频振幅在不同条件之间的差异影响不大，但是对于高频成分振幅结果非常明显，有利于提高结果敏感性同时抑制噪声的影响；3）协变量回归对于低频结果的空间模式影响不大，主要影响高频（0.1Hz以上）的结果，对于高频成分的分析是必需的。同时我们也发现，全脑信号回归对静息态fMRI局部一致性的影响比较复杂，具有脑区特异性的特点。. 本项目的结果初步表明静息态fMRI 频率特异性是固有的生理特性，为静息态fMRI频率分析提供了现象学支持；在方法上，我们证实了高采样率、协变量回归对于静息态fMRI频率分析的必要性，为后续研究提供了方法学参考。