静息态功能磁共振成像数据的状态转换动力学：模型比较与重测分析

脑电图（EEG）微状态分析旨在从多通道 EEG 时间序列数据中发现准稳定且通常反复出现的离散状态的动力学，并将估计出的状态转换动力学的性质与认知、行为等可观测变量相关联。尽管微状态分析已广泛用于 EEG 数据分析，但其在功能磁共振成像（fMRI）数据中的应用仍较少，这主要归因于此类数据较慢的时间尺度。在本研究中，我们将 EEG 微状态分析中使用的多种数据聚类方法扩展到健康人类的静息态 fMRI 数据，以提取其状态转换动力学。我们表明聚类的质量与各种 EEG 数据的微状态分析相当。随后我们开发了一种用于检验 fMRI 会话间离散状态转换动力学重测可靠性的方法，并表明对于不同的状态转换动力学指标、不同网络以及不同数据集，被试内重测可靠性高于被试间重测可靠性。该结果表明，fMRI 数据的状态转换动力学分析能够区分不同个体，是进行个体指纹分析的颇具前景的工具。