动态GABA编辑磁共振波谱数据中瞬变间变异性的建模与稳健时间子采样研究

针对磁共振波谱(MRS)采集过程中单次扫描(transients)变异性导致的量化难题，研究人员基于203例公开Big GABA数据集，开发了线性模型分解本征变异、周期性相位循环(phase cycling)及运动伪影，结合谱线形态分析。该方法在保留功能任务代谢响应信号的同时，显著提升GABA+估算信噪比(SNR)，较传统傅里叶阈值法(SIFT)更敏感捕捉模拟功能变化，为功能MRS(fMRS)提供可靠预处理方案。

　　

在动态γ-氨基丁酸(GABA)编辑磁共振波谱(MRS)研究中，单次扫描(transients)间的变异犹如调皮的光子舞者——相位循环(phase cycling)带来周期性波动，被试运动引发突兀的谱线扭曲，而本征代谢波动则像隐藏的节拍器。研究者巧妙构建线性模型乐团，将Big GABA数据库中203例活体数据视为乐器：通过分解相位编码的谐波、运动伪影的杂音，同时保留功能任务激发的代谢旋律(GABA+)。当模拟"功能演奏"时，传统傅里叶阈值法(SIFT)虽能降噪却钝化了动态响应，而新模型指挥下的数据不仅提升信噪比(SNR>20%)，更精准捕捉到模拟代谢浓度变化——如同在喧嚣的核磁共振会场中，突然锁定某位改变语调的发言人。这项研究为功能MRS(fMRS)装上了智能降噪耳机，既过滤环境噪声，又不错过任何关键音节。