综述：静息态功能磁共振分析在脑活动表征中的应用：特征与方法的叙述性综述

本综述系统阐述了静息态功能磁共振（rsfMRI）五种核心分析方法（FC、ALFF/fALFF、ReHo、H和熵）的概念框架、数学原理及临床意义，为研究者选择与科研问题相匹配的分析技术提供了清晰指引，有助于深入挖掘BOLD信号中蕴含的全局与局部脑功能信息。

　　

摘要

静息态功能磁共振（rsfMRI）是一种广泛应用的神经影像技术，用于在无特定外部任务状态下测量基于血氧水平依赖（BOLD）信号的自发性脑活动波动。本综述旨在超越传统的功能连接（FC）分析，全面探讨五种常见的rsfMRI分析方法，为研究者提供方法学选择的依据。

1 引言

功能磁共振成像（fMRI）通过检测BOLD信号间接评估神经元活动。rsfMRI于1995年被引入，用于研究静息状态下大脑的自发性低频波动（LFF）。与任务态fMRI相比，rsfMRI具有实验范式简单、适用人群广（包括神经精神疾病患者）等优势，且静息状态占大脑总代谢需求的60%–80%。功能连接（FC）是研究大脑区域间BOLD信号时间相关性的最常用方法，但其仅反映了脑活动的全局同步性。BOLD信号还可提供强度、局部一致性、自相似性及可预测性等互补信息，这些特征共同构成了脑功能的多元表征体系。

2 rsfMRI数据标准预处理

标准预处理流程包括：删除前5-10个容积以达到磁化平衡、层间时间校正、头动校正、空间平滑（通常使用4-8 mm全宽半高（FWHM）的高斯核）、4D全局标准化、脑组织提取以及配准至标准脑空间（如MNI空间）。常用预处理软件包括FSL、AFNI、REST、CONN、fMRIPrep等。此外，不同分析方法还需特定的预处理步骤，如去噪信号回归、频带滤波（如0.01-0.1 Hz）和线性去趋势。

3 rsfMRI分析方法

3.1 功能连接（FC）

FC通过计算空间分离脑区BOLD信号的时间相关性来评估其功能同步性。主要方法包括：

• •
  种子点分析法（模型驱动）：计算预设种子点与全脑其他体素的时间相关性，生成相关图。
• •
  独立成分分析（ICA，数据驱动）：将BOLD信号分解为统计独立的时空成分，无需先验信息。
• •
  图论：将大脑建模为网络，节点代表脑区，边代表节点间的关联强度，可计算节点度、路径长度等拓扑属性。
  FC计算常使用皮尔逊相关系数（r），其值域为[-1, 1]，并通过Fisher's r-to-z变换转为Z值以利统计分析。FC擅长刻画全脑尺度的功能网络，如默认模式网络（DMN）。

3.2 低频波动振幅（ALFF）与分数ALFF（fALFF）

• •
  ALFF：通过计算BOLD信号功率谱在特定低频范围（如0.01-0.08 Hz）内的均方根，反映自发神经元活动的强度。计算公式为：ALFF = √(Σ|X(k)|²)，其中X(k)为BOLD信号的离散傅里叶变换。
• •
  fALFF：为提升特异性，将低频段功率与全频段（0.01-0.25 Hz）功率的比值作为指标，有效抑制生理噪声（如心跳、呼吸）的影响。计算公式为：fALFF = Σ_低频段|X(k)|² / Σ_全频段|X(k)|²。
  ALFF/fALFF是表征局部脑活动（体素水平）强度的指标。

3.3 区域一致性（ReHo）

ReHo基于肯德尔和谐系数（KCC），评估给定体素与其邻近体素（通常为26个邻域+中心体素，共27个）BOLD信号时间序列的局部同步性。其值域为[0, 1]，值越高表明局部神经元活动同步性越强。ReHo是研究局部功能网络的有力工具，对噪声和异常值不敏感。

3.4 赫斯特指数（H）

H是分形分析的一种，用于刻画BOLD信号的自相似性和长程相关性（或记忆性）。其值域为[0, 1]：

• •
  0 < H < 0.5：信号具有高复杂性、反相关性，表现为混沌波动。
• •
  H = 0.5：信号为不相关噪声（fGn）或随机游走（fBm）。
• •
  0.5 < H < 1：信号具有低复杂性、正相关性，趋势持久。
  H可通过功率谱密度（PSD）等方法计算。若PSD呈现幂律行为 P(f) ∝ f^-β，则H与斜率β相关（对于fGn，H = (β - 1)/2）。H反映了BOLD信号的时间复杂度。

3.5 熵（Entropy）

熵用于量化BOLD信号的可预测性或规则性。高熵值表示信号随机性强、信息处理能力高；低熵值则表示信号规则、可预测性强。

• •
  近似熵（ApEn）：早期方法，但对数据长度敏感。
• •
  样本熵（SampEn）：ApEn的改进版，具有更好的一致性，常用参数为m=2, r=0.2。
• •
  多尺度熵（MSE）：在多个时间尺度上计算SampEn，能捕捉更复杂的 temporal fluctuations。
  熵是评估大脑状态灵活性和信息容量的重要指标。

4 讨论

不同的rsfMRI分析方法揭示了BOLD信号的不同侧面（图3, 4）。FC关注全局网络同步，ALFF/fALFF反映局部活动强度，ReHo刻画局部一致性，H度量时间复杂度，熵评估可预测性。这些指标相互补充，共同构建了对静息态脑活动的多维理解。分析方法的选择应紧密围绕具体科学问题。结合多种分析有望更灵敏地检测脑功能异常，提高生物标志物的特异性。随着多波段（MB）成像技术提高时间分辨率，这些指标的可靠性有望进一步提升。

5 局限性与未来方向

本综述未涵盖所有rsfMRI方法（如有效连接、连接组梯度等）。未来研究可借助大型公开数据集建立各指标的规范分布，并探索动态rsfMRI分析以捕捉脑功能的时变特性。将rsfMRI与其他模态（如EEG）结合也是重要方向。

6 结论

本综述为研究人员和临床医生提供了五种核心rsfMRI分析方法的综合参考。依据研究目标选择恰当的分析方法，是深化对大脑功能理解、发现疾病特异性生物标志物的关键。