fMRI时间序列数据的MP-PCA去噪可能导致人为激活“扩散”
医学物理
2022-11-29 v1
摘要
MP-PCA去噪已成为MRI去噪的首选方法，因为它提供了一个客观阈值来分离所需信号与不需要的热噪声成分。在啮齿动物中，线圈中的热噪声是一个重要的噪声源，会降低fMRI中激活映射的准确性。使这一问题更加复杂的是，供应商数据通常包含补零和其他可能违反MP-PCA假设的效应。在此，我们开发了一种对供应商数据进行去噪的方法，并评估了在啮齿动物任务态fMRI数据中由MP-PCA去噪引起的激活“扩散”。数据来自N=3只小鼠，在视觉刺激期间使用常规多层和超快采集（时间分辨率分别为1秒和50毫秒）获得。当使用小的[2 2]去噪窗口时，MP-PCA去噪对多层和超快数据分别产生了64%和39%的信噪比增益，以及BOLD图中9%和7%的傅里叶频谱振幅增加。更大的窗口提供了更高的信噪比和傅里叶频谱振幅增益，但激活的空间范围也增加了，这可能代表也可能不代表真实的激活。模拟显示，MP-PCA去噪会导致激活“扩散”，伴随假阳性率增加和由于主成分局部“渗漏”导致的更平滑功能图，并且基于Dice系数计算，用于提高功能映射特异性的最佳去噪窗口取决于数据的时间信噪比和功能对比噪声比。这种“扩散”效应也适用于最近提出的另一种低秩去噪方法（NORDIC）。我们的结果预示着在未来的fMRI工作中可以显著提高空间和/或时间分辨率，同时需考虑低秩去噪方法的灵敏度/特异性权衡。
引用
@article{arxiv.2211.15401,
title = {MP-PCA denoising of fMRI time-series data can lead to artificial activation "spreading"},
author = {Francisca F. Fernandes and Jonas L. Olesen and Sune N. Jespersen and Noam Shemesh},
journal= {arXiv preprint arXiv:2211.15401},
year = {2022}
}