基于ICA成分相位信息的复数fMRI数据分析

摘要

功能磁共振成像（function Magnetic Resonance Imaging，fMRI）是一种重要的脑功能成像技术。通过对采集到的fMRI数据进行独立分量分析(independent component analysis，ICA)，可以获取脑认知所需的空间成分及其时间成分。
　　完整的fMRI数据是复数，但由于fMRI相位数据噪声严重且特性未知，人们通常只分析其幅值数据（即实数fMRI）。然而，越来越多的证据表明，相位数据含有独特的脑功能信息，对其进行有效的利用，有助于揭示更为完整的脑功能信息。目前，复数fMRI数据的ICA分析采用了预处理消噪法，但存在信息损失问题;ICA后处理方法也不够完善。为此，本文提出一种能够充分利用ICA估计成分相位信息的后处理分析框架，具体内容如下:
　　(1)针对复数ICA固有的相位模糊问题，提出了基于时间成分的相位模糊矫正方法。通过时间成分和空间成分的非环形度对比，以及对激活区体素相位原理和fMRI时空关系的分析，提出了时间成分实部能量最大化的相位模糊矫正准则，并利用标准时间序列或空间参考信息去除了矫正过程中的符号错误，成功解决了相位模糊问题。实验结果表明，本文基于时间成分的相位模糊矫正方案具有鲁棒性好、准确率高的优点;
　　(2)针对相位噪声对ICA空间成分激活区的严重干扰问题，提出了相位定位思想和相位掩蔽方法，以及将相位范围和幅值强度相结合的空间可视化方案。相位定位利用ICA空间成分的相位信息区分有用体素和干扰体素，相位掩蔽法利用相位定位mask去除ICA空间成分中的干扰体素，提取激活区域。最后，结合体素的幅值强度信息，精确提取激活区域。实验结果表明，这些方法具有去噪性能好、激活区提取准确度高等优点;
　　(3)利用本文提出的复数fMRI数据分析框架，对运动刺激下的主要脑功能网络进行了提取以及交互作用分析，验证了本文框架的有效性和普适性，并为复数fMRI数据的功能连接工作提供了有效的支持。