fMRI的BOLD信号静息态
3.1 静息态数据
3.1.1 fMRI静息态数据与任务态数据
如1.1所述,fMRI技术可以方便且有效地得到大脑中某区域各个体素BOLD信号与时间的关系。通过任务态数据分析,可以确定大脑中控制某项功能的具体位置信息。这样,可以通过fMRI技术来研究大脑中控制某项功能的区域的BOLD信号随时间变化的性质。
3.1.2 fMRI静息态数据与大脑中的临界
大脑中神经元所构成的复杂网络已被证明是无标度的,然而大脑是否处于临界状态却尚未有明确的结论。有很多指标可以判定系统的临界程度,例如本文所用的熵的量度。通过任务态数据的分析,定位出控制手动的区域,进而研究此区域静息态的数据,比较静息状态与激活状态下时间序列的熵的变化,对大脑处于静息状态下是否更接近临界状态做出判断。
3.2 实验数据
3.2.1 实验对象与实验仪器
实验对象与实验仪器均如2.1所述。共有40名被试参与了静息态任务的测试。1-20名被试与21-40名被试所采取的实验方案不同。
3.2.2 实验方案
1-20名被试的实验方案见图3.1。实验分为两阶段,被试于第一阶段处于静息态,第二阶段处于动手的激活态,时间均为8分钟20秒。
21-40名被试的实验方案见图3.2。实验分为两阶段,被试于第一阶段处于静息态,时间为10min,第二阶段处于激活、静息交替进行的阶段,各60秒,第二阶段共6分钟。
3.2.3 大脑任务态成像数据采集
静息态:20个横向层面,6mm厚(无间隙),回波时间[TE]=40ms,重复时间[TR]=2000ms,翻转角(flip angle)=90°,基元(matrix)96*96,视场(field
of view)240mm*240mm,总计需要时间为16min40s,包括500个全脑volumes。(静息态实验二总计16min,包括480个全脑volumes)。
图3.1 1-20名被试的静息态实验方案
图3.2 21-40名被试的静息态实验方案
3.3 数据处理
3.3.1 预处理数据
对静息态数据进行预处理。与任务态不同的是,此处对静息态进行处理时不再进行高通滤波。
其流程为:①去除头皮②分层时间校正③头动校正④空间标准化⑤空间平滑处理。
3.3.2 制作左右脑原始Z值MASK
依据2.2中得到的大脑标准空间中的Z值分布,需要提取符合一定Z值范围的区域的位置信息。在标准空间中将需要的位置标为1,不需要的位置标为0,这样的标准空间模板就是需要的MASK。MASK包含了大脑中控制动手功能的所有区域的位置信息。
由于2.2中直接通过测得的任务态数据进行分析,得到的Z值较高的区域不仅有大脑,还有小脑和脑干,但这些区域并非是下一步需要分析的区域,需要将其去除。为此,需要到一个标有大脑中某处空间位置对应的解剖位置的模板,据此来将不需要的区域去除。
Talairach模板将脑分为了1128个区域,详细标注了各区域所对应的解剖结构。如表3.1所示,可以得到一张列表,包含了各区域的编号、在标准空间中的坐标、具体解剖结构信息。表中仅列出1-8号区域的信息。其中,具体解剖结构信息中详细地记录了各区域属于大脑、小脑还是脑干,并记录了属于左脑还是右脑。同时,在具体解剖结构信息中还记录了此区域对应的布罗德曼分区,如8号区域,对于分析具体功能的脑区提供了方便。
区域X
编号
1
2
3
4
5
6
7
8
65
23
54
21
46
41
67
68
Y
21
20
36
34
39
39
62
56
Z
16
15
16
16
14
14
14
18
Left小脑
Right小脑
Left小脑
Right小脑
Left脑干
Right脑干
*
Left大脑
Posterior-Lobe
Posterior-Lobe
Posterior-Lobe
Posterior-Lobe
Medulla
Medulla
*
Temporal-Lobe
具体解剖结构信息
Inferior
Inferior
Cerebellar
Cerebellar
*
*
Inferior
Inferior
Semi-Lunar
Semi-Lunar
Tonsil
Tonsil
*
*
Temporal-Gyrus
Temporal-Gyrus
Lobule
Lobule
Gray-Matter
Gray-Matter
*
*
*
Gray-Matter
Gray-Matter
Gray-Matter
*
*
*
Brodmann-area-20
矩阵。用这两个模板对2.2中直接通过测得的任务态数据进行分析得到的Z值分布做乘法,则可得到左大脑和右大脑中Z值的分布矩阵。此即左右脑原始Z值MASK。
3.3.3 制作左右脑MASK
通过取不同的Z值为阈值,将低于Z值的区域变为0,不低于Z值的区域变为1,可以得到不同的MASK。
此时得到的MASK仍有问题。MASK即以后提取时间序列的模板,实际上标记了需要讨论的感兴趣区域,理应是互相连通的一块区域。但实际上并非如此,此时仅仅通过Z值截断得到的区域往往为不连通的多块区域。
为了得到单独的一块连通区域,需要先确定一个Z值最高的点,并保证此点处在感兴趣的区域。在取定Z值之后,需要从定点出发,寻所有与之连通的点,进而得到一整块连通的区域。
3.3.4 提取时间序列
……
利用Talairach模板,可以方便地得到左大脑、右大脑的模板,即三维的0-1……
……
……
……
表3.1 Talairach模板分区图
……
……
……
……
……
将预处理之后的静息态数据去除最初10幅图像,即最初的10个时刻,然后按照静息状态与激活状态分割,分别去除线性趋势、滤波。分别计算静息状态下与激活状态下的同步和熵,并进行比较。
3.3.5 相同步和同步熵
将时间序列进行去除线性趋势、滤波之后,首先通过希尔伯特变换(Hilbert
transform)得到时间序列的相迹(phase trace)
本文发布于:2024-09-22 11:17:59,感谢您对本站的认可!
本文链接:https://www.17tex.com/fanyi/30746.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
留言与评论(共有 0 条评论) |