神经血管耦合：来自 fMRI 与 MEG 多模态动态因果建模的见解
定量方法
2019-03-19 v1
摘要
本技术札记提出了一个利用多模态脑磁图（MEG）与功能磁共振（fMRI）神经成像数据研究人脑神经血管耦合潜在机制的框架。这等同于使用变分贝叶斯方法估计若干具有生物学依据的神经血管耦合模型的证据，并借助贝叶斯模型比较选出最合理的解释。首先，利用 fMRI 数据定位活跃的神经元源。随后将这些神经元源的坐标作为先验用于指定 MEG 的动态因果模型（DCM），以估计电生理响应的潜在生成源。由此得到的神经元参数估计值被用于生成神经元驱动函数，该函数对 fMRI 范式下各实验条件中的突触前或突触后响应进行建模。这些函数构成神经血管耦合模型的输入，其参数由 fMRI 数据估计得出。这确立了一种表征 BOLD 响应的贝叶斯融合技术——例如，探究瞬时或延迟的突触前/突触后信号是否介导血流动力学响应。贝叶斯模型比较用于识别关于多模态数据成因的最合理假设。我们通过比较一组单被试听觉 fMRI 与 MEG 数据集的模型来演示该流程。我们的示例分析表明，BOLD 信号的起源由内在神经元动力学瞬时介导，且神经血管耦合机制具有区域特异性。本技术札记相关的代码与示例数据集可通过统计参数映射（SPM）软件包获取。
引用
@article{arxiv.1903.07478,
title = {Neurovascular coupling: insights from multi-modal dynamic causal modelling of fMRI and MEG},
author = {Amirhossein Jafarian and Vladimir Litvak and Hayriye Cagnan and Karl J. Friston and Peter Zeidman},
journal= {arXiv preprint arXiv:1903.07478},
year = {2019}
}