01
研究背景

血氧水平依賴 (BOLD) 信號作為大腦激活的代理測量，被廣泛用于功能性磁共振成像 (fMRI)。然而，由于這些信號與血液有關(guān)，它們也受到其他生理過程的影響——在靜息狀態(tài) fMRI 中尤其如此。以往的研究發(fā)現(xiàn)，靜息狀態(tài)BOLD的幅度與區(qū)域血管密度密切相關(guān)。此實驗研究了 BOLD 信號的一些時間波動也可能與區(qū)域血管密度有關(guān)，首先確定與血液結(jié)合的全身低頻振蕩 (systemic low-frequency oscillation，sLFO)，然后根據(jù)體素與sLFO 的相關(guān)性評估所有體素的分布。

02
研究方法
 

2.1、被試

共8名有效被試被招募，平均年齡33歲。
 

2.2、實驗材料

無任務(wù)態(tài)范式。僅采用了具有注視點(diǎn)的灰色屏幕。
 

2.3、實驗過程

參與者被要求安靜地躺在MRI掃描儀中，睜著眼睛，觀看一個灰色屏幕，屏幕中心有一個注視點(diǎn)。靜息狀態(tài)掃描持續(xù) 6 分鐘。在靜息態(tài)fMRI掃描前、中、后，參與者的NIRS數(shù)據(jù)通過ISS Imagent被收取。

2.4、數(shù)據(jù)采集和處理

所有 MR 數(shù)據(jù)都是在 Siemens TIM Trio 3T 掃描儀（Siemens Medical Systems, Malvern, PA）上使用 32 通道相控陣頭矩陣線圈采集的。NIRS數(shù)據(jù)使用 ISS Imagent（ISS, Inc., Champaign, IL）在 690 和 830 nm 處以 25 Hz 采集速率連續(xù)記錄。
 

對于每個參與者，標(biāo)準(zhǔn)的 fMRI 預(yù)處理步驟，包括大腦提取、運(yùn)動校正、切片時間、校正和平滑（3 毫米）應(yīng)用于原始 BOLD 信號（使用 FSL 5.0 的 FEAT v6.00）。在 MATLAB中在BOLD 數(shù)據(jù)中去除呼吸和心臟搏動的高頻生理信號。隨后使用FAST (FSL) 分割白質(zhì)、灰質(zhì)和腦脊液 (CSF) 區(qū)域（結(jié)果見圖1）。這些分割區(qū)域、MRA 掃描和每個參與者自己的靜息狀態(tài) fMRI 體積都注冊到 MNI152 標(biāo)準(zhǔn)大腦中。每個受試者的脈管系統(tǒng)（VA）來自每個受試者的閾值 MRA 掃描。閾值50是根據(jù)所有受試者的結(jié)果和掃描參數(shù)決定的經(jīng)驗值，它為所有受試者呈現(xiàn)明確的 VA 地圖。
 

從每個參與者的靜息狀態(tài)數(shù)據(jù)中得出兩個不同的圖 (3D)：(1) 低頻波動幅度（ALFF），其中的值表示來自每個體素 BOLD 信號的 LFO 的幅度，以及 (2) sLFO 的最大交叉相關(guān)性 (maxcc)，其中每個體素的值表示從上矢狀竇 (Superior Sagittal Sinus，SSS) 中的 BOLD 中提取的最佳延遲 sLFO 與每個體素中的 BOLD 信號時程之間的最佳相關(guān)性。

圖1. 分割后所有被試者平均的不同組織類型：白質(zhì)、灰質(zhì)、腦脊液、脈管系統(tǒng)。
 

03
實驗結(jié)果

3.1、Maxcc值與不同組織中提速數(shù)量的關(guān)系

圖 2a 顯示了來自 8 個被試者的平均堆疊 maxcc 分布圖，其中條形表示 10 個 bin 中每個 bin 中體素的組織分布。條形圖中不同的顏色分別代表在 灰質(zhì)、白質(zhì)、CSF 和 VA 中發(fā)現(xiàn)的這些 10% 體素的比例。具有標(biāo)準(zhǔn)偏差的相同平均分布圖如圖 2b 所示。隨著 maxcc 值的增加，在灰質(zhì)中發(fā)現(xiàn)了更多的體素。在白質(zhì)中觀察到相反的趨勢。CSF和 VA 與 maxcc 沒有顯著關(guān)系，除了在最高相關(guān)值（第 10 條）中，與第 9 條中的值相比，這兩個組織段中的體素顯著更多。眾所周知，腦脊液中不應(yīng)該含有任何血液。然而，CSF 的位置與 GM 和 VA 的位置相鄰。因此， CSF 結(jié)果在很大程度上代表了分割和配準(zhǔn)錯誤。

圖2. Maxcc 映射的平均堆疊分布圖a及其對應(yīng)的正則分布圖b。

3.2、Maxcc和ALFF增加值所對應(yīng)的有效提速空間分布

圖3為maxcc (a)和ALFF (b)的增加值所對應(yīng)的有效體素空間分布�？梢酝ㄟ^以下方式看到相似之處：（1）具有最低 maxcc 和 ALFF 值的體素聚集在白質(zhì)中，如圖 3 的第一行所示；(2)隨著maxcc和ALFF值的增加，體素越來越有可能出現(xiàn)在灰質(zhì)區(qū)域；(3) maxcc 和 ALFF 最高的體素在大血管中，如圖 3 最后一行所示。maxcc 和 ALFF 的空間分布圖之間的可見差異是：(1) maxcc 值最低的體素可以見于下腦（如腦橋），這不適用于 ALFF；(2) maxcc 的空間模式比 ALFF 的空間模式更嘈雜，邊界更清晰；(3) 即使具有最高 maxcc 和 ALFF 的體素在大血管中，具有最高 maxcc 值的體素聚集在大腦的頂部和后部（圖 3A 中的最后一張圖），而具有最高 ALFF 值的體素可以在靠近腦橋的較低大腦區(qū)域中找到（圖 3B 中的最后一張地圖）。

圖3. Maxcc (a)和ALFF (b)的增加值所對應(yīng)的有效體素空間分布
 

04
結(jié)論

本研究結(jié)果表明，組織類型對靜息狀態(tài)下 BOLD 信號的 ALFF 有顯著影響。更重要的是，每個體素中由 sLFO 解釋的 BOLD 信號部分高度依賴于組織類型。由于這些組織類型在血管密度上存在顯著差異，每個體素中由 sLFO 以及 ALFF 值解釋的 BOLD 信號部分可能與體素的潛在血管密度正相關(guān)。

Tong, Y., Hocke, L.M., Lindsey, K.P., Erdoğan, S.B., Vitaliano, G., Caine, C.E. and Frederick, B.D., 2016. Systemic low-frequency oscillations in BOLD signal vary with tissue type. Frontiers in neuroscience, 10, pp.1-9.

DOI: 10.3389/fnins.2016.00313