《Journal of Neuroscience Research》：An Examination of Task-Evoked fMRI Data Processing in Functional Connectivity
编辑推荐：
尽管功能连接组学通常依赖于静息态fMRI（功能磁共振成像），但其分析方法已被应用于任务fMRI数据，以研究即使在特定任务中未激活的脑区的更广泛参与。本研究旨在评估从任务fMRI数据中推断真实静息态连接的可行性，并探讨基于连接组学的分析对行为特质研究的影响。为此
尽管功能连接组学通常依赖于静息态fMRI（功能磁共振成像），但其分析方法已被应用于任务fMRI数据，以研究即使在特定任务中未激活的脑区的更广泛参与。本研究旨在评估从任务fMRI数据中推断真实静息态连接的可行性，并探讨基于连接组学的分析对行为特质研究的影响。为此，受试者接受了两项视觉fMRI任务。研究人员对血氧水平依赖（BOLD）时间序列进行处理，分别得到“任务”条件和“伪静息”条件，并应用不同的任务回归设置来推导连接组。研究人员通过刺激分类实验比较“任务”与“伪静息”连接组。此外，研究人员通过一个分类实验评估任务回归的影响，该实验比较发育性阅读障碍（DD）儿童与典型阅读者（TR）。虽然任务回归成功地从fMRI信号中移除了任务相关内容，但无论使用何种预处理方法，仍可从连接组中推断出刺激信息。进一步，支持向量机（SVM）实验有效区分了DD与TR，无论是在“任务”还是“伪静息”条件下。本研究探讨了在以连接组学分析的任务fMRI实验中预处理的影响。“伪静息”条件下仍能对刺激进行分类的能力表明，即使在任务回归后，连接组仍保留任务相关信号。判别性连接在任务间存在差异，影响了分类器区分DD与TR的方式。尽管存在这些任务相关差异，预处理对分类规则的推断无影响，表明关键特征在两项任务中得到类似评估。
该研究发表于《Journal of Neuroscience Research》（《神经科学研究杂志》）。研究背景方面，功能连接（Functional Connectivity，FC）原主要用于静息态fMRI（功能磁共振成像）以评估脑区之间基于自发神经活动的统计关联，近来逐渐被扩展到任务态fMRI数据分析，但任务态下进行FC估计时缺乏标准化的预处理共识，尤其关于是否及如何回归掉任务相关方差以得到“伪静息态”连接组尚存争议；同时最优扫描时长、任务回归中血流动力学响应函数（Hemodynamic Response Function，HRF）导数阶数选择、稀疏化阈值等对FC质量及后续临床表型分类的影响未明；此外已有工作提示任务回归未必完全移除任务信息，而任务态FC能否等价于静息态FC、不同预处理是否影响临床群体（如发育性阅读障碍，Developmental Dyslexia，DD）的判别性能均需系统评估，因此研究人员开展此项研究以明确任务回归后连接组是否保留任务痕迹、以及不同预处理管道对临床分类及特征解释的影响。研究人员通过对同一批被试的两项视觉任务（正弦光栅SG、相干运动CM）fMRI数据施加原始处理（RAW DATA，仅回归运动、脑脊液CSF、白质WM、全局信号）和三种任务回归方案（GLM-d0： canonical HRF；GLM-d1：HRF+时间导数；GLM-d2：HRF+时间+离散导数）得到“任务”与“伪静息”条件FC矩阵，经人群水平混杂校正和多种稀疏化阈值处理后，先用多分类器交叉验证判断能否从FC中识别原始任务以检验残余任务信息，再用线性SVM六折交叉验证结合Mann–Whitney特征选择对DD与典型阅读者（Typical Reader，TR）进行分类，并以线性混合模型评估预处理和稀疏度的影响，最后通过前向模型（forward model）变换SVM权重获得具神经解释意义的生成权重来解读判别连接。结论包括：任务回归虽降低但未能完全消除FC中任务相关信息，伪静息FC不等同于真静息态FC；DD与TR分类在任务与伪静息条件下均显著成功且准确率/AUC无预处理显著差异；不同任务（SG vs CM）的判别连接不重叠，但同一任务下任务与伪静ing条件共享多数判别连接（SG为57%，CM为68%），前向模型权重高度相关（SG ρ=0.98，CM ρ=1.00）；稀疏化50%较优；HRF导数阶数无显著影响；tSNR在各管道间可比；研究表明任务态FC无论是否回归任务信号均保留任务印记，但临床分类效能与关键特征评估对预处理不敏感，伪静息FC可减少任务驱动连接、凸显疾病相关连接。意义在于为任务态FC预处理提供实证依据：不可期望从任务fMRI得到真正静息态等价FC，但任务回归FC仍可用于临床群体连接异常研究，且预处理选择不影响分类规则与解释，有助于方法学共识形成。
关键方法概述：研究人员使用回顾性样本队列共77名9–18岁受试者（39名发育性阅读障碍DD，38名典型阅读者TR），均完成两项视觉fMRI任务——正弦光栅（SG，块设计，11′30″）与相干运动（CM，事件相关，9′30″），T1加权结构与T2*任务像在3T扫描仪采集；预处理共同步骤含FreeSurfer重构、FsFast流水线的层间时间校正、头动校正、fsaverage重采样、3 mm FWHM平滑、强度归一化、高通滤波（截频1/128 Hz），皮层按Yan2023 atlas分每半球100区配Yeo2011十七网络、深灰质取FreeSurfer体分割18区得共218 ROI；信号准备设两条件：“任务”即RAW DATA仅回归六头动、CSF五主成分、WM五主成分、全局信号均值；“伪静息”在此基础上用SPM12的HRF建模任务预测子并回归（分GLM-d0/d1/d2对应0/1/2导数），得BOLD残差；FC由全实验ROI时间序列皮尔逊相关构218×218矩阵，再以线性模型逐连接剔除性别、年龄、IQ、ADHD-不注意的混杂；稀疏化保留每被试矩阵中前若干百分比最强边并剔半数以上零者；实验一用七种默认分类器重复交叉验证预测任务类型（SG vs CM），线性混合模型检验预处理与稀疏度固定效应（分类器为随机效应）；实验二固定稀疏50%、GLM-d0作伪静息，对DD/TR做线性SVM（C=1，线性核）六折交叉验证，每折Mann–Whitney（p<0.001）选特征，准确率AUC与千次置换检验显著性，线性混合模型评估条件与任务主效应，稳定连接（≥5/6折选中）按Yeo网络归类，并将全数据重训SVM经前向模型Wfwd=Σ?1Wback得生成权重按网络求和以解释DD贡献。
研究结果部分：3.1 Experiment 1: Evaluation of Task Derived Resting-State FC（实验一：任务衍生静息态FC的评估），研究人员通过对七种分类器重复交叉验证发现所有管道下准确率与AUC均显著高于50%，RAW DATA（任务条件）判别SG与CM性能最高，任务回归（GLM-d0/d1/d2）显著降低但未降至随机，说明回归移除部分任务信息但连接组仍保留可分类的任务相关结构；线性混合模型显示预处理主效应显著（RAW vs GLM-d0 p=0.008，vs d1 p<0.001，vs d2 p<0.001；AUC类似），稀疏度50%显著优于10%（准确率p=0.032，AUC p=0.009），其余稀疏度（20%、95%）无显著效应；伪静息各回归方案间无显著差异（p>0.3），表明HRF导数阶数不影响残余任务信息；事后比较确认RAW在10%稀疏度起各类伪静息有显著差（p<0.05准确率，p<0.01 AUC），稀疏50%时RAW仍显著高多数伪静息；整体证实伪静息FC不能消除所有任务印记，无法等同于真静息态FC。
3.2 Experiment 2: Impact of Connectome Processing on a Clinical Context（实验二：连接组处理在临床语境下影响），基于实验一选取稀疏50%、GLM-d0作伪静息以简化，研究人员对四情形（任务SG、伪静息SG、任务CM、伪静息CM）做SVM六折交叉验证DD vs TR分类：准确率分别为0.78±0.09、0.65±0.10、0.73±0.09、0.71±0.14，AUC分别为0.81±0.09、0.70±0.11、0.78±0.13、0.81±0.11，千次置换均p<0.0001；线性混合模型显示预处理（任务vs伪静息）主效应不显著（准确率p=0.556，AUC p=0.888），任务类型（SG vs CM）主效应亦不显著（准确率p=0.961，AUC p=0.385），说明分类效能对是否回归任务及任务范式均稳健；3.2.1 Retrieval of Relevant and Discriminative Connections（相关与判别连接的提取），稳定连接数以任务CM最多（22任务、16伪静息），SG较少（20任务、7伪静息）；弦图显示伪静息下判别连接数目减少，去除了部分任务特异边；同任务内跨处理共享连接比例高（SG 4/7=57%上限共享，CM 11/16=68%），但跨任务间（SG vs CM）无共享连接；按Yeo十七网络加皮下区统计，最常涉网络为Default B与Default A（含额下、顶下、背外侧前额、眶额等亚区），CM额外突出Control A/B；同任务两处理下网络级连接计数强相关（SG ρ=0.70 p=0.0012，CM ρ=0.80 p<0.001），跨任务在任务条件下中等相关（ρ=0.67 p<0.05）、伪静息下不显著（ρ=?0.16 p=0.53）；表明伪静息凸显疾病相关核心网络且同任务特征稳健。
3.2.2 On the Interpretation of Discriminative Connections—Forward Models（判别连接解释—前向模型），研究人员将全数据重训SVM并通过前向变换得生成权重，按宏区域求和绘矩阵；同任务下两处理间前向权重相关性极高（SG N_common=39 r=0.98 p<0.001，CM N_common=44 r=1.00 p<0.001），证实预处理不改变DD贡献的空间模式；跨任务相关低（因判别连接本身无重叠），说明任务范式塑造了哪些连接承载组间差异但生成权重解释一致；由此临床解读不受任务回归影响。
讨论部分总结：研究人员指出实验一证实即使多样任务回归（含HRF及其导数）仍能在伪静息FC中分类原始任务，表明连接组保留任务诱导状态（不仅是直接激活还有同步关系偏移），GLM残差含未被模型捕捉的任务结构，且tSNR与残差分布检验排除了回归伪影主导；伪静息FC不等同于静息态FC，故不能从任务fMRI推断真正静息态连接；添加HRF导数无显著提升移除效果，建议简单canonical HRF足够。实验二显示DD vs TR分类在任务与伪静息条件下均显著且效能无预处理显著差异，说明关键疾病相关连接评估对回归不敏感；同任务下两处理共享大部分判别连接、前向权重几乎完全一致，跨任务无连接重叠，表明任务范式决定哪些网络显露出组间差异（CM引向Control与Visual网络，SG引向Default等），但疾病核心特征（Default等）在同任务内稳定；伪静息减少了任务驱动边从而可能更清晰揭示非任务特异的临床连接。研究人员讨论现存争议：部分学者双管齐下报告有无回归结果，有的优先用回归结果（如Cole等2014仅微影响，Elliott等2019预测认知时回归对齐临床更好），本研究实证表明回归与否均可行但不可宣称得静息等价FC；局限含无同期真静息数据直接比、两任务时长与设计不同（SG块式11′30″、CM事件式9′30″、顺序固定SG先）、只用了静态皮尔逊FC未试动态/有向模型；未来应纳入同步静息扫描、其他连接度量（PPI、动态FC、有效连接）、更大样本与多任务平衡设计。结论部分原文总结：对任务fMRI数据处理的考察表明，伪静息管道下连接组仍保存任务相关信息，故不能从任务fMRI推断无任务印记的静息态FC；但任务fMRI衍生的连接组（无论是否任务回归）仍能有效用于临床条件（如DD）及其对脑连接影响的研究；任务回归后的连接组减少了相关连接数，可提供不被任务刺激直接驱动的行为特质见解。
