1.5 静息态fMRI

自从发现BOLD现象之后，BOLD-fMRI被大量用于脑认知以及脑认知功能异常的研究，在理解人脑功能的复杂性以及脑认知功能异常相关疾病的病理机制方面，取得了非常大的成就。然而，从BOLD-fMRI发明到现在已经有25年，其对于临床实践的贡献，几乎仅限于在脑外科术前计划中发挥一点点参考作用。其中的一个重要原因，就是它在用于研究人脑认知功能时，任务千变万化，不同研究之间的可比性较差，不适合于荟萃分析（也有译为元分析）。对于临床研究来说，由于疾病的异质性比较大，荟萃分析或者多中心大样本分析通常是任何一种新技术、新疗法的必然选择，对于那些以脑功能异常为主要特点而缺乏肉眼明显可见病变的疾病，更是如此。此外，任务fMRI有时设计比较复杂，患者的配合程度较差，其本身就可能会造成脑激活程度的差异。

1995年，美国威斯康星医学院的博士研究生巴拉特·毕斯瓦（Bharat Biswal）在其导师詹姆斯·海德（James Hyde）的指导下，发表了国际上第一篇静息态fMRI（resting-statefMRI, RS-fMRI）论文（Biswal et al., 1995）。在连续扫描的数分钟内，被试不执行任何特定的任务，只是闭眼休息。作者发现，左、右初级感觉运动区以及辅助运动区的BOLD时间序列的低频（＜0.08Hz）振荡（low frequency fluctuation, LFF）存在高度同步性。之后有研究发现，类似的功能连接也存在于双侧视觉区和双侧杏仁核之间（Lowe et al., 1998），等等。也就是说，静息状态下的脑BOLD信号也是有生理意义的。

RS-fMRI的定义一直存在争议。在多数文献中，大致的描述是：扫描时被试不执行任何认知任务，闭眼（或者睁眼），尽量不要系统地进行思考，不要睡着。实际上，其他一些状态也可以当作静息态，比如有人采用睁眼盯着注视点、睡眠等。尽管所谓的“静息态”并没有一个非常权威的定义，但数分钟连续扫描的这种“状态”（state）与任务fMRI的“组块”（block）或者“事件”（event）是非常不同的。

由于fMRI具有无创性，同时兼有较好的空间分辨率和时间分辨率，而静息态很容易操作，也便于不同研究之间的比较，因此RS-fMRI近年来被广泛用于脑疾病的研究。同时，也被广泛用于心理学或神经科学对脑自发活动的研究中。

本节重点介绍一些常用的RS-fMRI的分析方法，并简单介绍其在基础神经科学、心理学以及脑疾病研究中的应用。

1.5.1 RS-fMRI数据处理方法概述

与任务fMRI的数据处理相类似，RS-fMRI的数据处理过程也可以分为预处理和后处理两个阶段。RS-fMRI的预处理过程与任务fMRI基本相同。由于RS-fMRI的绝大多数后处理过程都与频段有关，所以在许多后处理之前都需要进行带通滤波。需要指出的是，任务fMRI为了去除极低频噪声的影响，有时会用到大约1/128Hz的高通滤波。另外，由于RS-fMRI研究的是自发神经活动，许多因素混杂在一起，预处理时通常会考虑去除一些可能的混杂因素，比如脑脊液信号、呼吸、心跳、头动等。实际上，这些因素对于任务fMRI也会造成影响，但由于任务fMRI数据处理过程中只关心任务导致的信号变化，通过时间锁定进行叠加的方式，“信号”经过叠加而变得更清晰，“噪声”则通过叠加而减弱。

RS-fMRI数据的后处理方法非常多，大概可以分为两大类：一类主要用于研究不同脑区之间的功能联系，也泛称为功能连接方法或者功能整合方法；另一类主要用于揭示局部脑活动的特征，有时称为功能分割方法或者功能分离方法。需要说明的是，所谓“局部”与“整体”是相对而言的，方法之间并没有严格的界限。

用于研究脑区之间功能关系的方法或者功能整合方法在RS-fMRI中的应用非常广泛，这类方法根据其信息的方向性假设，又可以分为两类：一类不对信息的方向做任何假设，也即无向功能连接（un-directional/un-directed functional connectivity）；相对应的另一类计算方法则假定信息有方向性，称为有向功能连接（directional/directed functional connectivity）。与这两个名称相对应的更常用的名称分别是“功能连接”（functional connectivity）与效应连接（effective connectivity）。由于“功能连接”更经常地与“结构连接”（structural connectivity）形成对应的一对名词，同时“功能影像”与“结构影像”形成对应的名词，“有向功能连接”和“无向功能连接”这样的名词的含义更加清楚，两者都是建立在功能影像数据上的，都属于功能连接。

利用功能连接或者功能整合探讨脑区之间的关系固然重要，但脑区的关系本身并不能反映某个脑区的活动特点，例如，两个脑区的关系异常并不能说明哪个脑区异常。还有一类方法主要用于揭示RS-fMRI的局部特征，这类方法相对比较少用。其中，采用比较多的是低频振幅（Zang et al., 2004）和局部一致性（Zang et al., 2004）。其他方法包括时间聚类分析（temporal clustering analysis, TCA; Liu et al., 2000; Morgan et al., 2004）、熵（Liu et al., 2012）等。

1.5.2 功能连接或功能整合

1.5.2.1 无向功能连接

无向功能连接中最常用的方法是采用线性相关分析的、基于种子点的功能连接（seed-based functional connectivity），通常的做法是选取一个小的感兴趣区域（比如一个直径6mm的球形），提取其平均时间序列，然后与脑内每个体素的时间序列进行相关分析。基于种子点的功能连接反映了种子区域与全脑每个体素的时间序列的同步性，计算方法简单，结果直观、容易解释。它的主要缺点之一是，其结果高度依赖于种子点的选择方法，不同研究选取种子点的方法相差非常大，不同研究之间的可比性也就比较低。

另一个常用的无向功能连接方法是独立成分分析（independent component analysis, ICA）。由于fMRI数据的时间点远远少于体素的数目，fMRI的独立成分分析研究多数采用的是空间独立成分分析，也有少数研究探索了时间独立成分分析。独立成分分析是一种盲源分离的方法，可以将RS-fMRI数据分为空间上独立的若干个成分，每个成分相当于一个网络，比如默认网络、运动网络等。独立成分分析的主要缺点之一是成分数目的确定有比较大的任意性。另一个缺点是，目前用于不同组之间的比较时，独立成分分析多数采用的是“组—独立成分分析”（group-ICA），相当于把所有人的数据连接在一起进行独立成分分析的成分分离，然后将得到的某个成分投射到个体水平，再进入组水平的统计。这样，所谓的“个体”成分，某种程度上会受到组成分的影响。

基于图论的全脑功能连接分析是一个RS-fMRI非常热的研究方向。该方法将全脑的每个脑区甚至每个体素当作一个节点，与其他每个脑区或者体素的时间序列进行相关分析，构建出一个复杂的网络。该方法的计算量比较大，目前基于脑区的研究比较多，随着计算能力的提高，基于体素的图论研究已经成为可能。无向功能连接的具体方法还有很多，不同方法之间也并非截然不同。本节不再一一介绍。

1.5.2.2 有向功能连接

有向功能连接主要包括结构方程建模（structural equation modelling, SEM）、动态因果模型（dynamic causal model, DCM）、格兰杰因果分析（Granger causal analysis, GCA）等。尽管有向功能连接听起来可以反映脑区之间的信号传递方向，但缺乏金标准，验证起来比较困难。特别是，由于BOLD信号采样率很低，而神经活动的传递是非常迅速的，因此，基于BOLD信号得到的有向功能连接或者因果关系，在解释的时候不能过度强调。

1.5.3 局部脑活动计算方法

1.5.3.1 低频振幅

实际上，早在毕斯瓦等人的第一篇RS-fMRI研究中，就提到了均方根（root mean square, RMS）这一概念，他们发现，灰质与白质的均方根比值约为1∶0.8。功能连接反映了脑区之间的关系，而均方根反映的是单个体素的RS-fMRI时间序列的特征。但均方根这一概念的物理意义不是那么直接，臧玉峰与同事们提出了低频振幅（amplitude of low frequency fluctuation, ALFF）的概念（Zang et al., 2007）。顾名思义，低频振幅反映了RS-fMRI低频信号的波动或者振荡的幅度。以癫痫间期为例，由于棘慢波的原因，BOLD信号的振荡幅度可能变大（Zhang et al., 2010）；而记忆型轻度认知障碍（amnestic mild cognitive impairment, aMCI）患者的后扣带回则表现为低频振幅的降低。实际上，从计算方法来说，均方根与振幅几乎是等价的，“振荡”这个名词本身在某种程度上反映出了周期性这一概念，相对于均方根来说，振幅的物理意义更加简单明了。传统的RS-fMRI一般只分析低频（0.01 ～ 0.08Hz）信号，较高频（＞ 0.1Hz）的信号通常被认为主要是生理噪声，但近年来的研究认为，较高频信号也有一定的生理或者病理意义（Malinen et al.,2010; Lv et al.,2013; Yuan et al.,2014），故其越来越受到研究者的关注。因此，低频振幅这一概念中的“低频”就不再合适了。

1.5.3.2 局部一致性

相邻相似是一个普遍法则，在脑图像上也是如此。美国威斯康星医学院的李士江教授与其同事首先将这一概念用于RS-fMRI分析，他们测量了海马内所有体素的RS-fMRI时间序列的相关性，发现阿尔茨海默病（Alzheirmer's disease, AD）患者海马内时间序列的相似性会降低（Li et al., 2002）。臧玉峰与同事们提出了局部一致性（regional homogeneity, ReHo）方法，测量每27个（也可以是每19个或者每7个）相邻体素时间序列的相似性。局部一致性采用的计算方法是肯德尔谐和系数（Kendall concordance coefficient, KCC），取值为0～1。他们发现，运动任务状态感觉运动区低频活动的局部一致性高于静息态，而默认模式网络（default mode network, DMN）的局部一致性在静息态则高于任务态（Zang et al., 2004）。

1.5.4 RS-fMRI应用研究

RS-fMRI的不同应用研究领域并没有清楚的界线，在此简单将其分为功能解剖学应用、心理学应用、脑疾病应用。

1.5.4.1 RS-fMRI与功能解剖

人脑功能解剖当然主要是基于任务fMRI的研究。但RS-fMRI有较好的时间分辨率，可以进行网络研究。特别是独立成分分析，可以把人脑分割为许多的功能网络（De Luca et al., 2005）。采用独立成分分析在RS-fMRI发现的许多功能网络与任务fMRI发现的脑区有相似之处，但也有不同。

基于RS-fMRI数据，采用功能连接与聚类分析，许多研究对脑的亚区进行了详细的分割（Kim et al., 2010）。

1.5.4.2 RS-fMRI与心理学

尽管目前来说任务fMRI仍然是心理学研究人脑功能的最重要的工具，但RS-fMRI在心理学某些领域的研究方面显示了其不可替代的作用。只要不是特定任务引起的脑活动，都可以称之为自发活动（spontaneous activity）。脑自发活动无时不在、无处不在，不同脑区的自发活动到底发挥了什么样的功能作用，一直以来就是一个非常有意思的问题。RS-fMRI提供了一个比较好的研究人脑自发活动的手段。

清醒状态下的脑自发活动，有时被称为“白日梦”（day dreaming）或者“思维游移”（mind wandering）。实际上，“白日梦”或者“思维游移”也仅仅涉及我们可以意识到的能够描述的心理活动而已，这些心理活动可能主要与默认模式网络有关（Raichle et al., 2001; Raichle,2006），而绝大多数脑区的自发活动，我们根本无法意识到。许多研究探讨了RS-fMRI自发脑活动与心理学量表（Wang et al., 2013; Chen et al., 2015）、行为学操作（Tian et al.,2011; Wei et al.,2012）等的相关性，从而间接推测这些脑区自发活动的生理和心理意义。

RS-fMRI在心理学研究中的另一个重要应用是自动（automatic）或者离线（off-line）记忆巩固（memory consolidation）的研究。动物的单细胞记录研究发现，鼠在走迷宫的过程中，海马的位置细胞会被顺次激活，之后休息时，这些细胞会出现自发放电，这种学习之后的自发神经活动反映了自动记忆巩固（Foster and Wilson,2007）。艾伯特（Albert）与同事第一次将RS-fMRI用于人脑自动记忆巩固的研究，发现额顶部功能连接在空间运动技能的学习之后明显增强，而控制组在简单运动操作任务之后这个网络的功能连接变化并不明显（Albert et al., 2009）。之后有研究发现，在情景记忆（episodic memory）任务加工之后，海马的局部一致性的增高程度与自动记忆巩固有关（Wang et al., 2012a, 2012b）。

1.5.4.3 RS-fMRI与脑疾病

RS-fMRI既无创，又具有较好的空间分辨率和时间分辨率；比任务fMRI简单方便，患者易于配合；从实验设计来说，不同的研究单位之间更容易统一，更易于进行荟萃分析。因此，RS-fMRI显示出了很大的临床应用前景。目前，RS-fMRI几乎已被用于所有脑疾病的研究，且已经刊登了大量的研究论文。RS-fMRI用于脑疾病的研究，在中国的发展尤其迅速，其中一些疾病的国际第一篇RS-fMRI论文都来自中国，如注意缺陷多动障碍（Tian et al., 2008）、帕金森氏病（Wu et al., 2009）等。

RS-fMRI用于脑疾病研究的意义，一是深入揭示病理机制，二是为临床实践服务。影像学为临床实验服务，主要是辅助诊断和辅助治疗。影像诊断通常需要定性、定位、定量。由于BOLD信号本身是血流动力学的一个指标，特异性非常低，因此RS-fMRI的定性诊断能力是比较差的，但其定位和定量诊断却有非常大的潜力。精准定位和精确定量，为药物治疗的脑机制研究、药物治疗的选择、病情预后的判断等提供了参考依据。更重要的是，近年来基于精准定位的脑刺激（如深部脑刺激、经颅磁刺激、经颅超声刺激等）被用于各种脑功能异常的治疗。配合其他脑功能影像学检测手段对异常脑活动的精准定位和精确定量，RS-fMRI将有助于脑刺激治疗的适应证的选择、新的治疗靶点的选择、治疗效果的动态检测等。

由于疾病的异质性比较大，荟萃分析通常是临床研究必不可少的。遗憾的是，RS-fMRI在脑疾病的研究中，采用的分析方法各式各样，其中许多方法不适合基于坐标的荟萃分析（coordinate-based meta-analysis, CB-meta），而比较适合CB-meta的方法只有低频振幅（ALFF）、局部一致性以及基于体素的中心度（degree centrality, DC; Zang et al., 2015）。目前，RS-fMRI领域针对脑疾病的荟萃分析论文不到10篇，其中多数论文将不同分析方法的论文纳入同一个CB-meta中，这显然是不合理的。针对一些重大脑疾病，如阿尔茨海默症，发表的RS-fMRI论文已有200篇左右，但却没有一篇CB-meta研究。目前，在所有的RS-fMRI的CB-meta论文中，仅有两篇论文比较符合CB-meta的要求，即纳入的研究全部采用非常相似的方法。于春水团队总结了精神分裂症的RS-fMRI研究，发现基底节局部脑活动增多，而视觉区和感觉运动区局部脑活动减少（Xu et al., 2015），但该CB-meta研究纳入的符合条件的论文仅有6篇。另一篇RS-fMRI的CB-meta研究来自英国，作者发现，抑郁症患者内侧前额叶等区域的局部一致性升高，而感觉运动区、视觉区的局部一致性降低（Iwabuchi et al., 2015），同样，该研究纳入的论文也比较少，仅有11篇。因此，将RS-fMRI推广到临床实践，仍然需要大量的重复性研究。