体型与心肺适能同fMRI中高频头动污染关系的比较

《Human Brain Mapping》：Comparison of the Relationships Between Body Size and Cardiorespiratory Fitness With High Frequency Head-Motion Contamination in fMRI

　　

功能磁共振成像（fMRI）被广泛用于评估脑功能，但神经来源的fMRI信号易受扫描仪内头动污染。预处理流程通常使用六个刚体运动参数回归并剔除头动伪影。然而，近期研究表明，这些头动估计易受其他噪声源（如呼吸频率、体型和估计心肺适能[eCRF]）的污染，这些噪声源对应高频（>0.1 Hz）下的表观头动（HF-motion）。因此，这些健康变量被认为与头动估计的伪影性膨胀相关，给适当的噪声建模和预处理流程带来额外挑战。这种伪影关系是否扩展到体型变化、中线腹部脂肪（即体成分）、金标准方法测量的心肺适能（CRF）以及扫描期间测量的呼吸频率，仍不清楚。Brain EXTEND试验在改变CRF的运动干预前后获取了多种健康变量，为纵向设计下检验这些健康变量与HF-motion的关系提供了途径。受试者（55–80岁）完成了两种强度的6个月慢性运动干预。研究人员分析了基线和纵向（EXTEND，基线n=122；纵向n=84）中HF-motion与健康变量（包括身体质量指数[BMI]、腰围[WC]、最大运动测试测得的心肺适能[VO₂max]和静息呼吸频率）之间的关系。HF-motion在每个头动参数中定义为高于0.1 Hz（静息态fMRI信号的典型上限）的高频头动比例。基线时，所有平移轴的HF-motion与体型（BMI、WC）正相关，而CRF仅与roll y-旋转负相关。此外，纵向分析中，BMI降低与z平移中HF-motion减少相关。结果表明，与体型相关的健康变化与高频MRI头动伪影的表现有关。研究人员告诫研究者不要忽视分析中HF-motion的存在，因为使用受污染的运动轨迹将对fMRI测量的建模产生负面影响。该结果对涉及体型、呼吸功能和心肺适能的健康神经科学广泛研究具有重要意义。

**论文解读：体型与心肺适能对fMRI高频头动污染的影响**

功能磁共振成像（fMRI）是评估脑功能的常用手段，但扫描过程中的头动会污染神经信号，尤其在高频范围（>0.1 Hz）内，呼吸、体型和心肺适能（CRF）等因素可能通过表观头动（HF-motion）人为膨胀头动估计，给静息态fMRI的预处理和建模带来挑战。既往研究多为横断面设计，缺乏健康变量变化与HF-motion关系的纵向证据。为此，研究人员利用Brain EXTEND随机对照试验数据，在基线和6个月运动干预后，检验体型、体成分、金标准CRF及呼吸频率与HF-motion的关系。该研究发表于《Human Brain Mapping》。

研究人员纳入55–80岁成年人，基线样本122人，纵向样本84人，受试者完成两种强度的慢性运动干预。MRI数据采用3T GE Discovery 750W或Signa Premier扫描仪采集，相位编码方向为后-前（PA），每个会话包含三个8分钟静息态扫描。头动参数经FSL mcflirt刚体配准获得六个运动参数（x、y、z平移及pitch、roll、yaw旋转）。HF-motion通过多窗谱分解，计算每个参数中>0.1 Hz至Nyquist频率的相对功率比例。健康指标包括BMI、WC、最大运动测试测得的相对VO₂max以及呼吸带测量的静息呼吸频率。统计分析采用线性回归，校正年龄、性别、扫描仪模型（纵向分析还校正干预组），并采用Bonferroni校正（α=0.0083）。

**3.1 HF-Motion与人体测量学和CRF基线健康指标相关**

基线线性回归模型显示，BMI与y平移、z平移和pitch x-旋转的HF-motion显著正相关（标准化β分别为0.412、0.306、0.402，p<0.001），即体型越大，这些轴的高频头动污染比例越高。WC分析复制了BMI结果，高WC与y平移、z平移和pitch x-旋转的HF-motion正相关（p<0.001或p=0.003），表明中线脂肪沉积与HF-motion相关。CRF（相对VO₂max）仅在roll y-旋转上与HF-motion显著负相关（标准化β=-0.351，p=0.002），其他轴仅呈边缘或非显著关联。补充分析还显示，体型增大和CRF降低与整体头动（FD）增加相关。

**3.2 纵向变化分析**

在完成6个月干预的84名受试者中，计算健康指标和HF-motion的变化分数（Δ=后测?前测）。线性模型显示，ΔBMI与ΔHF-motion在z平移上显著正相关（未标准化β=0.020，p<0.001），即BMI降低与z平移HF-motion减少相关。未发现ΔCRF与任何运动参数的ΔHF-motion显著相关。结果部分支持了“运动诱导的体型减小降低HF-motion”的假设。

讨论部分指出，基线结果复制了先前研究，证实体型和体成分是HF-motion的主要相关因素，可能通过限制躯干活动性和改变呼吸模式导致头动。CRF与HF-motion的关联较弱，且主要在roll旋转，提示其可能通过不同机制影响头动。纵向结果中，BMI变化与z平移HF-motion相关，而CRF变化未显示关联，可能与样本量、测量精度或干预强度有关。研究人员建议在预处理中考虑HF-motion污染，如对运动参数应用0.1 Hz低通滤波，并强调在快速采样序列中采用滤波FD等策略。局限性包括未直接分析BOLD信号噪声污染、机制解释有限、样本多样性不足等。

研究结论：与体型相关的健康变化与高频MRI头动伪影的表现有关。研究人员告诫研究者不要忽视HF-motion的存在，因为使用受污染的运动轨迹将对fMRI测量的建模产生负面影响。该结果对健康神经科学中涉及体型、呼吸功能和心肺适能的研究具有广泛启示。