重磅综述—从fMRI动态角度窥探认知与神经病理学机制
原创重磅综述—从fMRI动态角度窥探认知与神经病理学机制
原创
人类行为包括许多因其动态特性而突出的方面。为了量化它的神经基础，时间分辨的功能磁共振成像方法在过去十年得到了发展。在这篇综述中，我们概念性地组织了一个广泛的动态分析流程，并提取了它们在行为和脑障碍研究中的应用的一般观察结果。我们的目的是提供一个广泛的概述，而不是只检查选定的方法逻辑家族或特定的行为领域。
我们考虑行为方面具有明显的长期稳定性(例如，生理状态与人格)，并通过互补的遗传学和症状学来处理选定的脑疾病。这种综合暴露了文献中动态发现的某种有限的一致性，以及对多种可用方法的不平衡应用，这些方法由于其技术特性，有可能揭示动态的不同方面。我们呼吁今后进一步进行比较和合作。
1.功能影像推断的脑动力学与人类行为的研究相关 也许人类最显著的特征是不同个体之间深刻的行为多样性，这涉及到与物理和社会环境相互作用的所有因素。这种多样性构成了人格、生理和心理能力的可变性，而这些可变性不仅是由生物影响(如疲劳、药物的影响、基因组成)构成的，而且还受到经验(如社会学习、创伤)的影响。可以说，大脑是人类已知的最复杂的系统，理解这个器官对于解释行为至关重要。对休息时大脑的研究表明，尽管环境对大脑有影响，但大脑是内在运作的，是受环境调节的，而不是受环境控制的。这种调节是大脑和环境之间的一个递归过程，由知觉和动作介导。显然，这个过程是高度动态的，环境和大脑也是如此。 神经科学，尤其是神经成像研究，旨在将行为的可变性与大脑的变化联系起来。自20世纪90年代初被发现以来，功能磁共振成像已经成为达到这一目的的最突出的方法之一。fMRI是一种非侵入性的工具，用于探测全脑活动，并使研究复杂的过程成为可能，包括随着时间的推移对不同大脑区域的功能整合和分离。在任务或其他形式的刺激中对大脑信号的研究已经成为一种有效的方法来解码大脑中特定过程的表征;然而，对休息时大脑内在组织的研究同样有价值，并已被证明可以预测行为和精神病理学。 最初的分析方法与获取技术的进步并行发展，从收集区域激活到分散的网络连接，直到最近还依赖于静态测量来理解大脑功能。然而，静态测量无法捕捉大脑和行为的内在动态本质，因此其解释价值可能有限，并忽略了重要的见解。与行为的所有方面都是动态现象的假设相一致，以时间分辨的方式研究fMRI信号的定制分析方法已经变得越来越突出。此外，这些方法已被应用于认知和精神障碍的研究。 在这篇综述中，与过去的报道相比，我们提供了一个更全面的动态分析管道及其在一系列行为和疾病中的应用概述。为此目的，我们提供了功能大脑动力学的主要衍生测量的特征，以及一个广泛的动态方法的概念性组织。我们希望这将是一个有用的方向，不仅对这些方法的新的使用者，而且那些熟悉它们的人。然后，我们检查了在健康行为和不安行为中使用的动态方法，并调查了是否可以提取出来自动态方法的结果的共性。在此过程中，我们探讨了一系列行为方面的问题，并根据它们的遗传特征和症状检查互补性脑障碍。 此外，在接下来的内容中，我们假设报道的发现真实地描述了行为的神经基质，这在基于fmri的动态分析中仍然是一个悬而未决的问题。
2. 脑活动的动态特性可以从不同方法来定征 2.1 基于连接的变异性以及连接状态是两个最基本的功能脑连接测度 由于其简单性，滑动窗口框架加强了其作为最广泛应用的跟踪大脑活动动态的工具的地位。图1以规范形式说明了这一点。简单地说，区域活动时间过程之间的统计相关性(称为功能连通性(FC))是在整个采集过程中30 ~ 60秒的连续时间窗口内进行评估的。区域时程通常是通过对选定的大脑分割区域内的体素功能信号或独立成分分析(ICA)的空间簇内的功能信号进行平均得到的。基于滑动窗口的分析结果是一组时间进程，显示了整个大脑跨区域互动的时间变化。常用的动态功能连接(dFC)术语最初表示这种时间解析的相关信息; 随着后来的发展，它已经成为包括其他方法家族的一个总括术语。 在脑/行为分析中应用最广泛的两种动态测量方法是由dFC时间程构建的。在个体连接的层面上，可以量化时间过程的标准差(或可变度量);我们称这种连接变异性(CV)。在全脑水平上，连接时程的聚类反而导致连接状态(CS)的识别;即重复出现的连接模式。如果假设导出的CS在时间上是互斥的，那么它们的出现和它们之间的转换速率表征了时间动力学。相反，如果CS是联合表达的，则构建元状态(CS的加权组合)可以在更高级别上调查大脑活动的流动性和动态性。 从一个给定时间窗口的dFC测量也可以被看作是一个全脑图，其中节点是区域，边缘是它们当前的FC估计。然后通过跟踪反映信息流或社区组织随时间变化的全局属性来执行动态图分析(GA)。
图1 经典滑窗动态功能连接
2.2 基于其概念特性的分类dFC方法 图2根据dFC方法(不仅仅是基于滑动窗口的)的主要概念特性对它们进行了分类。首先，不同的方法研究原始功能数据的不同特征。 例如，一些方法描述了单个区域的时间活动，而另一些方法(包括CV或CS的计算)探查不同大脑区域之间变化的同步性。 其次，每种方法都以特定的时间分辨率检查时间波动:对于CV是中间值，因为它无法知道FC变化是从一帧到下一帧还是以更慢的速度发生。相反，CS的提取涉及到更快的时间分辨率:如果使用1 TR(重复时间)步长，更快速的变化确实可以捕捉到全脑FC的突然波动。 第三，不同方法的空间分辨率也不同。对于CS和CV来说，这取决于区域时间进程是如何构建的;例如，最初的基于ica的方案意味着网络级的解析。伴随点是分析的重点;例如，典型的CS是整个大脑，而不是集中在一个关键区域。 最后，每种方法都以不同的复杂性传递动态信息:对于CV，每个跨区域的相互作用仅用一个数字编码，而对于CS，有K个不同的值(每个状态一个)，然后通过专门的重组过程生成信息度量，如前所述。
图2 动态功能连接分析工具的概念分类
2.3 可选的分析方法沿着几个概念轴细化标准工具 虽然CV和CS在大脑的动态研究中得到了最显著的审查，但它们所覆盖的可探索的概念空间有限。因此，在过去几年中采取了其他办法:例如，血氧合水平依赖(BOLD)信号变异性的计算是在区域(而不是跨区域)水平上进行的，还可以使用滑动窗口框架来跟踪(跨)区域同步。注意，对于这些方法，对于给定的连接，对每一对受试者进行一次估计。 有几个框架通过在框架层面上操作来特别提高时间分辨率:在领先的特征向量动力学分析(LEiDA)中，关于区域活动阶段的框架信息是通过希尔伯特变换获得的。在提取出每个时间点的主要跨区域相位差异后，聚类导出的状态为大脑功能动力学提供了一个不同的视角。 在另一种方法中，创新驱动共激活模式(iCAPs)是通过对显示最大全脑信号变化的fMRI体积的反卷积进行聚类获得的。最后，共激活模式(CAP)分析也产生了全脑活动模式，但重点是与感兴趣的种子区域的相互作用，仅保留超过活动阈值时的时间点。 一些方法不是将时间样本作为单独的实体来处理，而是联合检查空间和时间:在多层GA算法中，基于滑动窗口的单个图是在时间上链接的，从而产生了跨区域和跨时间的边。在框架层面上，还可以提取活动的准周期模式。 还引入了时间建模方法来进行原则性的框架分析。例如，自回归模型已应用于区域空间分辨率:尽管只有R?个系数(其中R是大脑区域的数量)嵌入有关大脑活动的时间变化的信息，但近似与基于状态的方法一样好。隐马尔可夫模型(HMMs)也被应用于提取激活模式。
3.动态方法已被用于研究行为 专注于dFC的分析方法有可能应用到行为的各个方面。我们提供了使用不同dFC方法调查行为的研究的选择性概述，如表1所述。 执行功能是信息连续处理的中心，因此，与静态方法相比，使用动态方法有助于理解其在大脑中的基本过程，正如使用自回归模型所证明的那样。总的来说，执行功能大多与dFC增加相关。 最近的研究也证明了dFC和性格之间的联系。在一项基于状态的分析中，专注于DMN、显著性、执行力和背侧注意网络，在总体呈正相关网络状态下停留时间较长的受试者，其体验开放性更强，也许是因为这些互动将支持想象力和创造力的增强。 影响行为的一个更可变的因素是心理状态，这也被描述为dFC的变化。 正念特性最近被研究为具有当下意识的稳定趋势。与低特质正念个体相比，高特质正念的年轻人更频繁地向全脑连接状态过渡，该状态在任务积极网络和任务消极网络之间显示出强烈的反相关，以及网络内部的显著正相关。 除了描述带有dFC特征的心理因素外，关于生理状态影响的证据也在不断积累。两篇关于意识水平及其神经相关关系的综述指出，意识水平的降低导致了dFC的降低。物质消耗也可以调节大脑的功能动态，因为它改变了生理状态。
4.孤独症谱系综合征、精神分裂症和MDD的扰乱的动力学 精神和神经发育障碍极大地改变了许多层次的行为，这反映在dFC的变化。通过fMRI预测疾病的综述讨论了动态技术的使用，发现包含动态测量的模型通常优于依赖静态测量的模型。这里选择了三种疾病，以例证使用dFC方法描述个体行为变异性的临床潜力: 自闭症谱系障碍(ASD)、精神分裂症和抑郁症(总结见表2)。这一选择反映了在这些人群中使用dFC方法进行的相对大量的实证工作，但由于所选择的障碍的多样性，它也呈现出一种互补的选择。 ASD是一种被深入研究的神经发育疾病，与社交障碍、沟通障碍和重复性行为有关。最近的综述涉及了使用动态分析来理解神经发育障碍的好处，也强调了继续深入了解dFC中断作为理解ASD神经基础的一种方式的必要性。基于状态和CV方法的证据都指向ASD的高连通性和高变异性模式。 精神分裂症是一种使人衰弱的精神障碍，其特征是思维、语言、感知、自我和现实意识的严重破坏，它一直是神经影像学研究的目标。 左楔前叶是任务阳性和任务阴性网络的中枢，无论基因型和治疗如何，精神分裂症患者的CV都比健康对照组更强，而在另一项研究中，精神分裂症的区域CV在躯体运动网络和视觉网络水平上增加，而在DMN和额顶叶网络水平上减少。 最后，MDD是最普遍的精神疾病之一，给个人和社会带来了巨大的代价。总的来说，重度抑郁症患者表现出一种连通性低的模式;具体来说，两种基于状态的分析显示，在患者的听觉、躯体感觉和视觉网络中，在具有较强网络内部和网络之间连接的连接状态中停留时间较短。
5.总结和展望 从这篇综述中第一个观察到的是当前突出的相关动力学方法来探测大脑功能。从文献综合中得出的第二个观察结果是，尽管在相同的行为方面或障碍的发现与其他方面有所不同，但在研究和涉及的领域之间仍然存在相当大的差异，它们的dFC属性很少重叠。最后一个观察结果是，所探索的行为方面的广度与实践中应用的有限数量的动态方法形成了对比。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。