功能磁共振圖像預處理全腦平均信號對靜息態網絡連接性的影響

張洪英，陳文新，田彤彤，葉靖，李潔，尹昳麗，吳晶濤

功能磁共振圖像預處理全腦平均信號對靜息態網絡連接性的影響

張洪英，陳文新，田彤彤，葉靖，李潔，尹昳麗，吳晶濤*

目的探討靜息狀態功能磁共振數據預處理步驟中去除與非去除全腦平均信號對功能網絡連接性的影響。材料與方法23例健康受試者接受靜息狀態功能磁共振成像；以后扣帶回(posterior cingulate cortex，PCC)及前額葉背外側區(dorsal lateral prefrontal cortex，dLPFC)分別為種子區，用時程相關分析方法分別獲取默認網絡及執行網絡以及其負相關網絡；在其他圖像預處理條件一致的情況下，計算去除與非去除全腦平均信號時功能網絡連接性在組內特征，及配對雙樣本t檢驗的統計學差異。結果以PCC、dLPFC為種子區的組內分析顯示能定位默認網絡及執行網絡，并能獲得其負相關網絡；經Alphasim校正的P＜0.005統計閾值下的配對t檢驗發現，非去除較去除全腦平均信號的PCC、dLPFC正相關網絡連接性在全腦水平顯著增強。結論本研究證明了去除與非去除全腦平均信號兩種模式預處理產生不同的腦網絡特征，非去除全腦平均信號導致全腦功能連接性向正相關偏移。所以在體素水平的腦網絡分析中，全腦平均信號的預處理問題應給予足夠重視，建議在國內的相關磁共振腦功能連接分析研究中同時展示去除與非去除全腦平均信號的結果。

腦；磁共振成像；功能連接；全腦平均信號；磁共振成像，功能

血氧水平依賴的功能磁共振成像(blood oxygen level dependent functional magnetic resonanceimaging，BOLD-fMRI)作為一項重要的無創性腦成像工具，在臨床及科研中得到越來越廣泛的應用。BOLD圖像信號需要經過一系列的預處理步驟，例如格式轉化、時間重排、頭動校正等，才能適合做進一步圖像分析，其中對一些磁擾信號，如腦脊液信號、白質信號、頭部運動參數，需要做回歸去除。但是對于全腦平均信號是否回歸處理目前意見還不一致。因此，筆者利用一組正常受試者功能磁共振數據分別對去除與非去除全腦平均信號兩種模式對腦網絡分析的影響作用在全腦體素水平做比較分析。

1 材料與方法

1.1 材料

健康青年人23名，年齡在20～23歲，平均(21.3±1.8)歲，其中男12名，女11名。受試者接受教育年限相近，均為在校大學生。無高血壓、高血脂、糖尿病等全身性疾病，無神經系統疾病病史和主訴。本研究經揚州大學臨床醫學院倫理委員會批準，受試者同意并在檢查前簽署知情同意書。

1.2 磁共振圖像采集

使用GE公司Discovery 750 3.0 T磁共振成像儀，受試者頭部躺在8通道頭相控陣線圈中，閉眼，放松，被要求不思考任何事情。首先行常規頭顱磁共振檢查，然后行fMRI采集，fMRI采用EPI梯度回波序列，TR=2000 ms，TE=30 ms，翻轉角90°，層厚4 mm，層間隔0 mm，矩陣64×64，FOV 240 mm。掃描時間5 min。每次采集35層，共獲得150個時間點的數據。最后采用三維磁化準備快速梯度回波序列(3D MP-RAGE)采集全腦T1結構像，掃描參數：TR=8.2 ms，TE= 3.2 ms，翻轉角12°，層厚1 mm，層間隔0 mm，矩陣256×256。

1.3 數據預處理

采用國際通用軟件DPASFA 2.3軟件(http:// www.restfmri.net/forum/rest)預處理fMRI原始數據，包括時間重排、頭動校正、結合DARTEL T1 3D分割的標準化，功能圖像分割為3 mm× 3 mm×3 mm大小的像素，采用6 mm高斯核做平滑處理。T1 3D聯合分割可以獲取每位受試者獨立的灰質、白質和腦脊液容積圖像。隨后應用軟件包REST1.8(http://www.restfmri.net/forum/rest)做圖像的功能連接分析。然后，對圖像數據進行低頻濾波，帶通濾波0.01～0.08 Hz，對功能圖像進行剛體變換頭動參數(Friston 24)、包含較小幅度頭動的時間點的數據幀(FD＞0.5)、腦白質信號以及腦脊液信號的回歸分析，以去除這些因素的干擾。再分別獲取全腦平均信號回歸和不做全腦平均信號回歸的數據。檢查數據，按照頭移動超過2 mm或旋轉角度大于1.5°的標準排除受試者，所有受試者符合標準。

1.4 網絡分析

隨后的處理和統計分析用Rest 1.8軟件工具包(REST V1.8，http://www.restfmri.net)。筆者參考以前的文獻[1-2]，利用種子區信號時程相關分析方法提取默認網絡、執行網絡，默認網絡種子區后扣帶回(posterior cingulate cortex，PCC)的蒙特利爾腦模板(MNI)坐標是(-2，-54，27)；執行網絡種子區背側前額葉(dorsal lateral prefrontal cortex，dLPFC)的MNI坐標是(-42，34，20)。每個種子區球形半徑6 mm。檢測種子區平均時空信號與全腦每個像素信號的皮爾森相關系數，然后將這些系數進行z值轉化，使之符合正態分布。每個受試個體的z值輸入單樣本雙側t檢驗，做組內分析，分別獲取組水平的PCC正相關網絡即默認網絡圖，及其負相關網絡圖，取Alphasim校正的P＜0.01為差異有統計學意義，聚簇團塊大小＞39像素(1053 mm3)，團塊的連接度標準為4 rmm。對去除與非去除全腦平均信號的默認網絡腦區分布圖統計比較，采用配對t檢驗，分別取P＜0.01、P＜0.005閾值為顯著性，經Alphasim校正，團塊大小＞6體素(162 mm3)，團塊的連接度標準為4 rmm。

2 結果

2.1 組內網絡統計

單樣本t檢驗顯示去除全腦平均信號的PCC正相關的網絡圖與傳統的默認網絡腦區分布相一致，包括前額葉內側區、PCC、兩側頂下小葉、顳中回、海馬、丘腦枕；PCC負相關的網絡圖包含的腦區有：兩側島葉、額中回、額下回、顳枕聯合區、角回、前扣帶回背側、輔助運動區、初級運動皮層，見圖1。非去除全腦平均信號的PCC正相關的網絡連接圖較去除全腦平均信號的PCC正相關的網絡連接圖節點腦區相仿，但范圍擴大，由PCC擴展到枕葉大部，另外覆蓋了兩側額中上回背側、兩側額葉眶回、顳葉內側大部，而非去除全腦平均信號的PCC負相關網絡節點腦區范圍明顯縮小，包含的腦區有兩側島葉前部、額中回前部、角回、右側前扣帶回背側區，見圖2。

單樣本t檢驗顯示去除全腦平均信號的dLPFC正相關網絡圖與傳統的執行網絡腦區分布相一致，包含了兩側前額葉背外側區、前扣帶回背側、島葉、頂上小葉、額上回背側、額下回、顳下回后部(MT+)、楔前葉；dLPFC負相關網絡包含的腦區有：兩側前額葉內側區、后扣帶回、枕葉大部、頂下小葉、內側顳葉、顳中回前部、初級感覺運動皮層。非去除全腦平均信號的dLPFC正相關網絡較去除全腦平均信號的dLPFC正相關網絡圖區范圍明顯擴大，覆蓋了大部分腦區，而負相關網絡腦區明顯縮小、減少，僅剩余右側后扣帶回、兩側額上回兩個節點，見圖3、4。

2.2 組間配對比較

圖1～2PCC功能連接區的去除與非去除全腦平均信號的單樣本統計圖，經校正的P＜0.01圖3～4dLPFC功能連接區的去除與非去除全腦平均信號的單樣本統計圖，經校正的P＜0.01。紅色表示正相關連接，藍色表示負相關連接。PCC：后扣帶回；dLPFC：左側前額葉背外側區Fig. 1—2Presented one sample t test of PCC seed-based functional connectivity maps with and without global signal correction, respectively (P＜0.01, Alphasim correction).Fig. 3—4Presented one sample t test of dLPFC seed-based functional connectivity maps with and without global signal correction, respectively. Red color means positive correlations; blue color means negative correlations. PCC: Posterior cingulate cortex; dLPFC: Dorsal lateral prefrontal cortex.

采用配對t檢驗分析了在其他預處理條件相同的情況下，同一組數據去除與非去除全腦平均信號的功能連接性的差異。在P＜0.005的閾值水平，非去除全腦平均信號較去除全腦平均信號PCC功能連接網絡呈現了與全腦絕大部分皮層及皮層下核團顯著增強的正相關連接，而沒有負相關連接變化顯示，見圖5。dLPFC的功能連接性的組間變化與PCC的組間變化相似，即與全腦絕大部分皮層及皮層下核團顯著增強的正相關連接，而沒有負相關連接顯著性改變，見圖6。在更嚴格的P＜0.001的閾值水平，網絡功能連接性變化表現與P＜0.005的閾值水平下功能連接性變化相似，見圖7、8。

圖5～8分別為PCC、dLPFC非去除與去除全腦平均信號配對t檢驗統計圖，非去除全腦平均信號＞去除全腦平均信號。圖5～6經校正的閾值水平P＜0.005；圖7～8經校正的閾值水平P＜0.001。兩個統計閾值下非去除與去除全腦平均信號腦功能連接性變化表現相似。注：雙樣本t檢驗圖中只有正相關功能連接顯著性Fig. 5—8Presented paired two-sample t test of the comparison between with and without global signal correction for PCC and dLPFC, with significant statistic level of P＜0.005 and P＜0.001 with Alphasim correction, respectively. The statistic maps are similar at different thresolds.

3 討論

本研究證明了BOLD-fMRI數據預處理去除與非去除全腦平均信號會導致功能連接分析結果產生顯著差別。功能磁共振數據的預處理是數據分析的關鍵步驟，預處理的目的之一是檢測和修復由磁共振掃描儀或者被試個人在進行數據采集時產生的偽跡、以及一些生理噪聲。即使用專門計算方法來去除頭動噪聲干擾、腦脊液、白質信號等生理噪聲因素后，剩余fMRI數據的全腦平均信號，包含了一部分真正的BOLD信號和一些噪聲的殘余[3]，所以全腦平均信號的去除與否是功能磁共振研究領域一個容易引起爭議的問題。

針對這一問題，本研究設計了在其他預處理條件一致的情況下，去除與非去除全腦平均信號對腦功能連接性的影響，結果發現非去除全腦平均信號會導致全腦體素水平的連接性向正相關偏移，也意味著負相關連接性的減少、減弱。由此可以觀察到非去除全腦平均信號的預處理會導致正相關功能連接網絡包含了更多更廣泛的節點腦區，而負相關網絡腦區減少。但是，究竟去除與非去除全腦平均信號兩種方法哪一個更能反映腦活動水平的內在的真實狀況，尚沒有客觀標準去衡量。所以，目前主流的專業期刊要求研究者提供去除與非去除全腦平均信號兩種處理方法的結果，以便為讀者提供更全面的信息。尤其涉及到疾病狀態，去除與非去除全腦平均信號可能會有不同的結果和解釋。如果只用一種預處理方法，其結果可能會有片面性。國內的研究報道多數只用單一的全腦信號預處理方法[4]。

目前一系列的研究報道贊成[3，5-6]或反對[7-8]做全腦平均信號校正處理，Fox等[5]研究認為全腦水平更廣泛的腦區與全腦平均信號呈正相關，來解釋這種偏移現象。He等[3]的研究對全腦平均信號深入分解提取出了其中真正的BOLD信號成分，及混雜的成分，而且就是混雜成分的回歸處理導致的功能連接性的偏移。筆者認為全腦平均信號的處理是一個去偽存真的選擇過程，去除全腦平均信號能更全面更徹底地去偽，同時伴有部分真實的BOLD信號損失，而非去除全腦平均信號處理方法會有較多的噪聲混淆因素干擾。Zhang等[9]研究發現非去除全腦平均信號還會導致青年組與老年組功能網絡比較的結果有腦基底池區噪聲信號的摻雜。Hayasaka[10]的研究則提示非去除全腦平均信號還會導致縱裂池的噪聲信號的摻雜，以及位于白質區邊緣灰質體素與其他腦區連接性減低。研究還發現非去除全腦平均信號導致兩側大腦半球間隙周圍增多的網絡節點出現，而這些節點在腦磁圖的網絡分析中并不存在。Yan等[11]學者發現去除全腦平均信號有助于減輕頭動引起的功能連接性差異。

筆者的研究用的是種子區相關的功能連接分析方法，分別選擇了屬于不同網絡的前腦和后腦的種子區。盡管種子區相關分析方法有局限性，但筆者的研究結果與以往FOX、He、 Hayasaka等學者的多項研究發現相一致[3，5，10]，FOX等研究者采用種子區方法，Hayasaka則采用的是更復雜的圖論分析方法，而且用不同的方法都能得到相同結論，即非去除全腦平均信號會導致腦連接性的正相關偏移。Hayasaka的研究還提示非去除全腦平均信號會導致增加的節點路徑長度、更多的模塊。

應對全腦平均信號的問題已經討論了多年，Murphy、Anderson等多個研究認為去除全腦平均信號會導致負相關連接性出現[7-8]，而本研究則有不一致的發現，不論全腦平均信號去除與否，單樣本統計都存在負相關連接，只是程度不同而已；本研究發現去除平均對執行網絡的負相關網絡影響較大，對默認網絡影響較小。筆者認為負相關應該也是功能連接的屬性之一，所以負相關連接性不應歸因于全腦平均信號的回歸去除所導致。

總之，本研究證明了去除與非去除全腦平均信號兩種模式預處理產生不同腦網絡特征，非去除全腦平均信號導致全腦功能連接性正相關偏移。所以在體素水平的腦網絡分析中，對全腦平均信號的處理應給予足夠重視，建議在國內的相關磁共振腦功能連接分析研究報道中同時展示去除與非去除全腦平均信號的結果。

[References]

[1] Vincent JL, Kahn I, Snyder AZ, et al. Evidence for a frontoparietal control system revealed by intrinsic functional connectivity. J Neurophysiol, 2008, 100(6): 3328-3342.

[2] Uddin LQ, Kelly AM, Biswal BB, et al. Functional connectivity of default mode network components: correlation, anticorrelation, and causality. Hum Brain Mapp, 2009, 30(2): 625-637.

[3] He H, Liu TT. Ageometric view of global signal confounds in resting-state functional MRI. Neuroimage, 2012, 59(3): 2339-2348.

[4] Ji GJ, Liao W, Zhang ZQ, et al. Study of brain network generalized tonic clonic epilepsy resting state function. Chin J Magn Reson Imaging, 2013, 4(1):8-12.季公俊, 廖偉, 張志強, 等. 全面強直陣攣癲癇靜息態功能連接腦網絡研究. 磁共振成像, 2013, 4(1): 8-12.

[5] Fox MD, Zhang D, Snyder AZ, et al. The global signal and observed anticorrelated resting state brain networks. J Neurophysiol, 2009, 101(6): 3270-3283.

[6] Chang C, Glover GH. Effects of model-based physiological noise correction on default mode network anticorrelations and correlations. Neuroimage, 2009, 47(4): 1448-1459.

[7] Murphy K, Birn RM, Handwerker DA, et al. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced?. Neuroimage, 2009, 44(3): 893-905.

[8] Anderson JS, Druzgal TJ, Lopez-Larson M, et al. Network anticorrelations, global regression, and phase-shifted soft tissue correction. Hum Brain Mapp, 2011, 32(6): 919-934.

[9] Zhang HY, Chen WX, Jiao Y, et al. Selective vulnerability related to aging in large-scale resting brain networks. PLos One, 2014, 9(10): e108807.

[10] Hayasaka S. Functional connectivity networks with and without global signal correction. Front Hum Neurosci, 2013, 7(7): 880.

[11] Yan CG, Craddock RC, Zuo XN, et al. Standardizing the intrinsic brain: towards robust measurement of inter-individual variation in 1000 functional connectomes. Neuroimage, 2013, 80(20): 246-262.

The effect of global signal correction on the functional connectivity of resting brain networks

ZHANG Hong-ying, CHEN Wen-xin, TIAN Tong-tong, YE Jing, LI Jie, YIN Yi-li, WU Jing-tao*
Department of Radiology, Su-bei People's Hospital, Yangzhou 225001, China

Objective:To examine the effect of global signal correction on the functional connectivity in resting-state magnetic resonance imaging network analysis.Materials and Methods:Twenty-three healthy subjects underwent 5 minutes resting-state BOLD fMRI scanning. A method of time-series correlation analysis based on seed regions of posterior cingulate cortex (PCC) and left dorsal lateral prefrontal cortex (dLPFC) was employed to extract default mode network and executive control network. The resulting functional connectivity was compared between with and without global signal correction, while the other preprocessing conditions were identical.Results:The seeds correlation methods could extract default mode network and executive control network which coincided with previous studies, and could also acquire their negative correlated networks. Paired two-sample t test under P＜0.005 statistic level with alphasim correction indicated that there were significant increased positive correlations at almost whole brain level.Conclusion:These results from this study show characteristic differences between the networks with and without global signal correction. The correlation coefficients were positively biased in the methods without the whole brain signal correction, so more attention should be paid to the issue of global signal.

Brain; Magnetic resonance imaging; Functional connectivity; Global signal; Magnetic resonance imaging, functional

Wu JT, E-mail: wujingtaodoctor@126.com

Received 20 May 2016, Accepted 1 Aug 2016

國家自然科學基金面上項目(編號：81471624，81571652)

江蘇省蘇北人民醫院影像科，揚州225001

吳晶濤，E-mail：wujingtaodoctor@ 126.com

2016-05-20

接受日期：2016-08-01

R445.2；R338.2

A

10.12015/issn.1674-8034.2016.12.002

張洪英, 陳文新, 田彤彤, 等. 功能磁共振圖像預處理全腦平均信號對靜息態網絡連接性的影響. 磁共振成像, 2016, 7(12): 897-901.*

ACKNOWLEDGMENTSThis work was part of National Natural Science Foundation of China (No. 81471624, 81571652).