静息与任务状态下 fMRI 信号的无标度与多重分形时间动力学
摘要
功能磁共振成像 (fMRI) 信号中的标度时间动力学作为持续脑活动的内在特征，已被证实长达十年 (Zarahn et al., 1997)。近期研究表明，标度特性在脑网络间波动，并在静息与任务状态间受到调节 (He, 2011)：特别是量化长程记忆的 Hurst 指数，在激活和去激活脑区中随任务执行而降低。在大多数情况下，此类结果是通过以下方式获得的：首先，基于单变量（体素级或区域级）分析，从而聚焦于如静息态网络 (RSNs) 等特定认知系统，并引发了关于 RSNs 中这种无标度动力学调节特异性的问题。其次，使用旨在测量与数据二阶统计量相关的单一标度指数的分析工具，因此依赖于隐含或显式假设高斯性和（渐近）自相似性的模型，而 fMRI 信号可能显著偏离这两个假设中的任何一个 (Ciuciu et al., 2008; Wink et al., 2008)。为解决这些问题，本文通过提出两项重要改进，深入阐述了 fMRI 时间动力学的标度特性分析。首先，技术上采用近期引入的基于小波领导者的多重分形形式体系 (WLMF; Wendt et al., 2007) 来研究标度特性。该方法测量一组标度指数，从而能够对标度不变性进行更丰富和更多样的描述（超越相关性和高斯性），即所谓的多重分形性。此外，与文献中先前使用的工具相比，它具有更优的估计性能。其次，采用多变量方法，即多主体字典学习 (MSDL) 算法 (Varoquaux et al., 2011)，在比体素更宽的空间尺度上研究 RSN 和非 RSN 结构（例如伪影）中的标度特性，该算法生成的一组空间分量比其独立成分分析 (ICA) 对应物更为稀疏。我们将这些工具结合并应用于包含 12 名受试者的 fMRI 数据集，涵盖静息态和激活运行 (Sadaghiani et al., 2009)。源自这些分析的结果证实了先前报道的功能网络中长程记忆随任务减少的现象，但也表明这种现象同样出现在伪影中，从而使该特征不再为功能网络所特有。此外，结果表明，除非皮层区域外，大多数 fMRI 信号在静息状态下呈现多重分形性。与任务相关的多重分形性调节仅在功能网络中显著，因此可被视为区分功能网络与伪影的关键属性。这些发现结合近期文献进行了讨论，后者报道了静息状态下 EEG 微状态序列的标度动力学，并解决了时间独立 fMRI 模式中的非平稳性问题。
引用
@article{arxiv.1308.4385,
title = {Scale-Free and Multifractal Time Dynamics of fMRI Signals during Rest and Task},
author = {P. Ciuciu and G. Varoquaux and P. Abry and S. Sadaghiani and A. Kleinschmidt},
journal= {arXiv preprint arXiv:1308.4385},
year = {2013}
}