运动校正与时域预处理策略对语言和感觉运动网络静息态功能连接重测信度的影响

《Journal of Neuroscience Methods》：Impact of motion correction and temporal domain preprocessing strategies on test-retest reliability of resting-state functional connectivity of language and sensorimotor networks

　　

• 预处理策略对静息态功能磁共振成像（rs-fMRI）结果的影响具有网络依赖性。
• 语言网络受益于 CONN 的强力伪影去除策略。
• 感觉运动网络，特别是皮层下成分，在使用 FSL 时显示出更高的信度。

引言
静息态功能磁共振成像（rs-fMRI）预处理的最终目标是减少噪声污染，同时保留底层的神经信号，从而提高衍生功能连接（FC）图谱的可靠性和可重复性，并减少虚假的 FC。这一目标主要通过校正运动伪影和对采集到的 rs-fMRI 数据进行时间滤波来实现。

然而，这些去噪过程可能导致固有 rs-fMRI 信号的部分损失或破坏 (Shirer et al., 2015a, SMITH and BECKMANN, 2018)。此外，最优统计建模通过降低假阳性率而不冒着数据丢失的风险来补充这一目标。例如，基于集群推断的最优阈值设定和用于组水平分析的混合效应校正算法，如 FSL 的 FLAME1 模块 (Eklund et al., 2016)。

运动伪影是虚假 FC 的主要来源。它扭曲 rs-fMRI 信号，导致区域或短距离 FC 假阳性增加，以及长距离 FC 假阴性减少 (SMITH and BECKMANN, 2018, Yancey et al., 2011, Goto et al., 2015)。此外，与运动伪影相关的来源、频率范围和位移程度的异质性，使得单一的预处理措施不足以进行全面校正，通常需要结合几种预处理技术来减轻其影响 (SMITH and BECKMANN, 2018, Satterthwaite et al., 2019)。例如，受试者运动伪影以随机方式发生，导致 rs-fMRI 体积之间出现不同程度的空间位移和错位。此类伪影可以通过几种运动校正技术来减轻，包括空间重定位，该技术在校正轻微位移的扫描体积方面有效，但对于严重位移的体积效果较差。相反，剔除（censoring）在去除过度运动伪影方面有效，但代价是丢弃剔除体积中的 rs-fMRI 数据并破坏动态 FC 的时间连续性 (Goto et al., 2015, Power et al., 2014a, Power et al., 2014b)。相比之下，生理性运动伪影，如呼吸和心脏周期及血管搏动，虽然更细微，但具有相当一致的模式。因此，它们可以通过独立成分分析（ICA）等几种信号分析技术来识别，并随后进行回归去除。另一种方法是前瞻性地记录这些生理事件，例如心电图、心率和呼吸频率，并使用特定算法如 RETROICOR/PhysIO 进行处理 (Das et al., 2021, Kasper et al., 2017)。

时间滤波策略的选择主要在于带通（通常表示为 0.009-0.08 Hz, 0.01- 0.08 Hz 或 0.01-0.1 Hz）或高通（>0.01 Hz）时间滤波器。使用带通滤波器的理由是，与神经元诱导的 BOLD 信号相比，伪影往往具有极低或极高频的模式，而 BOLD 信号主要存在于中频段。因此，通过带通滤波器从 BOLD 信号中去除极低和极高频段，似乎是去除伪影同时尽可能保留 BOLD 信号的合理方法。这里的注意事项是，一些皮层和皮层下区域，特别是基底神经节和最近发现的深部白质的独特 rs-fMRI 信号模式，其固有的 BOLD 信号落在频谱的高端 (Zuo et al., 2009, Lv et al., 2018, Li et al., 2021)，此外还有可靠证据表明 rs-fMRI 相关的 BOLD 信号存在于>0.1HZ 至 0.5HZ 的频率范围内 (Chen and Glover, 2014, Trapp et al., 2017)。因此，去除该频谱末端以消除高频伪影的同时，也会同时去除关于这些区域功能相互作用的重要信息。

选择时间滤波方法的另一个重要考虑因素是其与其他预处理技术的相互作用。例如，白化技术——旨在通过减少 rs-fMRI 动态之间的自相关来减少假阳性 FC——被发现与高通滤波器结合使用时比与带通滤波器结合使用时更有效。这是因为带通滤波实际上可能会增强自相关效应，从而削弱白化算法的有效性 (Geerligs et al., 2017)。这一发现进一步支持了高通滤波在某些应用中的潜在优势，特别是那些涉及皮层下灰质结构的应用。

除了时间通滤波器外，线性去趋势有时作为额外的时间预处理步骤应用，以去除 BOLD 时间序列中的线性信号漂移。但是，当采用带通或高通时间滤波时，线性去趋势变得大部分冗余，因为这些滤波器本质上解决了去趋势所针对的低频漂移 (Kumar et al., 2024)。此外，线性去趋势的重要性似乎更与基于幅度的分析（如 ALFF 和 fALFF）相关，在这些分析中它显示了依赖于情境的效应 (Woletz et al., 2019)，而不是与基于相关性的功能连接分析相关。

迄今为止，关于什么是运动校正和时间滤波策略的最优组合或最优预处理流程，尚缺乏共识。此外，预处理工具数量的迅速增加和高度可变的功能，为临床和研究领域中 rs-fMRI 研究的可重复性带来了巨大挑战。此外，现有的运动校正和时间域预处理技术主要使用技术质量保证（QA）指标或全球 FC 指标（如全球信号强度的变化）进行测试。这些指标可能不容易转化为临床相关背景，最终会扩大 rs-fMRI 在临床实践中的研究与采用之间现有的差距 (Power et al., 2014a, Phinyomark et al., 2017, Parkes et al., 2018, O'Connor and Zeffiro, 2019, Lemée et al., 2019, Hacker et al., 2019)。

本研究的主要目的是进行预定的两种哲学不同的预处理策略的比较，以确定它们对具有临床相关性的主要大脑功能网络（即语言和感觉运动网络）的基于种子点功能连接图谱的重测信度，以及模拟临床采集设置的 12 分钟超短时间间隔内的网络稳定性的各自影响。为了确保临床相关性并直接解决研究人员和临床医生面临的实际选择，我们故意选择比较 FSL 和 CONN 完整的端到端预处理流程，因为它们通常是这样实施的。这种方法允许对这些不同的、预包装的预处理策略组合如何影响功能连接结果进行现实评估，这一因素在隔离单个预处理步骤的研究中往往被简化 (Lindquist et al., 2019a)。

本研究特别选择语言和感觉运动网络，因为它们代表了术前 fMRI 大脑映射中最具临床可操作性和最频繁映射的 rs-fMRI 网络，代表了迄今为止 rs-fMRI 临床应用的 80% 以上 (Kumar et al., 2024, O'Connor and Zeffiro, 2019)。视觉网络映射，虽然偶尔进行，但受参与者关于睁眼与闭眼静息状态合规性变异性的复杂影响，这会显著改变网络拓扑 (Costumero et al., 2020)。其他网络如听觉网络映射，除了特定的应用如人工耳蜗植入前评估外，独立的临床效用有限 (Huang et al., 2025)。

从 (Phinyomark et al., 2017) 列出的 35 多种替代方案中选择了 FSL v6 和 CONN v21a（基于 SPM-12）来进行这项研究，因为它们代表了两项主导但分歧的预处理哲学，本研究旨在评估这一点。具体而言，FSL 采用了高通时间滤波、余弦基函数的线性组合进行线性去趋势、FMRIB 改进的线性模型（FILM）预白化，以及使用 FMRIB 线性图像配准工具（MCFLIRT）进行运动校正的组合。CONN 使用了带通时间滤波、线性回归函数进行线性去趋势、伪影检测工具箱（ART）以及基于成分噪声校正（COMPCOR）方法进行运动校正，两者之间的所有其他预处理选项都是统一的。此外，FSL 和 CONN 都是 fMRI 分析中最常用的工具和方法之一。例如，FSL 是人类连接组项目数据分析中使用的主要软件。类似地，CONN 是一个相对较新的基于 SPM 的工具箱，是静息态 fMRI 分析中日益流行的软件；根据其出版商的引用指标，其开创性研究已获得超过 3,600 次引用 (Whitfield-G Gabrieli and Nieto-Castanon, 2012)。

为此，本研究解决了两个相互关联的目标：首先，比较预处理流程选择对受试者水平基于种子点 FC 图谱重测信度的影响；其次，评估流程选择是否影响语言和感觉运动网络中组水平 FC 会话间变化的检测和信度。

章节片段
研究设计
这是一项前瞻性观察性研究，在获得开罗大学卡萨尔阿利尼医学院研究伦理委员会（REC）伦理批准后实施（研究批准代码：MD-171-2019）。该研究遵循 1964 年赫尔辛基宣言及其后续修正案。

设计意图声明
本研究旨在评估完整的预处理工作流，重点是时间域预处理选择和运动校正策略的综合效应，同时控制其他

研究概况和参与者特征
本研究使用两种不同的软件包 - FSL 和 CONN - 调查了语言和感觉运动网络中功能连接的重测信度，反映了不同的运动校正和时间域预处理策略，详见方法论部分。

该研究包括 27 名参与者（9 名女性，18 名男性），年龄 21-52 岁，完成了两个 rs-fMRI 扫描会话。参与者主要是右利手（96.3%, n=26），平均贝克抑郁

讨论
预处理优化对于提高静息态功能连接分析的可靠性和可重复性至关重要。包括 (Ciric et al., 2017) 和最近 (Wang et al., 2024) 及 (Ciric et al., 2018) 在内的开创性基准研究，通过评估多个流程中的去噪策略和混淆回归，在这一领域取得了实质性进展。虽然 (Ciric et al., 2017) 对 14 个受试者水平混淆回归提供了全面评估

结论
静息态 fMRI 预处理流程的选择不是一刀切的决策。本研究证明，在两种常用分析包 FSL-FEAT 和 CONN 之间的选择，会产生显著的且具有网络特异性的功能连接结果差异。FSL-FEAT 的方法保留了更广泛的信号频率范围，导致优越的体素级信度，并揭示了感觉运动网络连接的动态变化，特别是

伦理声明
已获得所有参与者或其法定代表人的书面知情同意，参与研究并发表文章。参与者的隐私权利已得到保护。

本研究的实施遵守了研究进行地相关的法律、监管框架和指南。本研究符合 1964 年赫尔辛基宣言及其后续修正案。本研究已获得研究伦理委员会（REC）的批准。CRediT

CRediT 作者贡献声明
哈比巴·穆斯塔法·艾哈迈德：写作 – 审查与编辑，写作 – 初稿，可视化，验证，项目管理，方法论，调查，形式分析，概念化。阿卜杜拉·阿德尔·阿卜杜拉·哈桑：写作 – 审查与编辑，验证，项目管理，调查，形式分析，概念化。阿马尔·奥萨马·阿扎布：写作 – 审查与编辑，验证，监督，项目管理，方法论，调查，形式分析，概念化。艾曼

利益冲突声明
作者声明，他们没有任何已知的竞争财务利益或个人关系，可能影响本文报告的工作。

致谢
作者衷心感谢 A.M.Radwan 1，博士在 FSL 数据分析策略和代码开发方面的协助，以及 Ahlam Samir Yousef 女士，理学学士 2 和 Nourhan Ahmed Mohamed Zaki 女士 3 在 rs-fMRI 数据采集和数据质量保证方面的作用。此外，作者感谢埃及 Alfa 扫描放射中心的高级功能神经影像团队在数据采集、质量控制和初步方面的多次贡献。

哈比巴·穆斯塔法·艾哈迈德 | 阿卜杜拉·阿德尔·阿卜杜拉·哈桑 | 穆罕默德·阿德尔 | 阿马尔·奥萨马·阿扎布 | 艾曼·A·埃尔 - 巴斯米