编辑推荐：
自然主义功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）为任务态语言图谱绘制提供了一种对患者更友好的替代方案，但由于脑响应复杂，分析存在挑战。研究人员提出一种自动化框架，利用自然主义fMRI结合旋转森林（
自然主义功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）为任务态语言图谱绘制提供了一种对患者更友好的替代方案，但由于脑响应复杂，分析存在挑战。研究人员提出一种自动化框架，利用自然主义fMRI结合旋转森林（Rotation Forest, RotF）分类器进行语言图谱绘制。被试在fMRI采集期间观看电视智力竞赛节目，并完成七项任务态语言范式作为参考图谱。RotF模型以任务态激活图标记体素水平时间序列进行训练，并在独立被试上评估。性能通过结构相似性指数（Structural Similarity Index Measure, SSIM）与语言侧化指数（Laterality Index, LI）评价。RotF生成的激活图与任务态激活在空间及侧化上高度一致，可捕捉接受性与表达性语言区。通过头动和扫描后问卷评分评估的数据质量影响模型表现，并可作质量控制指标。特征选择识别出一段简短且具信息量的刺激片段，使约5分钟扫描即可获得可靠语言图谱。结果表明，自然主义fMRI与机器学习结合可实现准确、高效、患者友好的语言图谱绘制。
《Human Brain Mapping》刊发的该项研究围绕自然主义功能磁共振成像（functional Magnetic Resonance Imaging, fMRI）用于个体水平语言图谱绘制展开。传统任务态fMRI需被试理解并执行特定刺激任务，对神经外科手术前语言功能区定位虽有效，但在认知或运动受损患者中依从性差；自然主义fMRI以日常动态视频如电影、竞赛节目为刺激，更易被患者接受，并可改善时间信噪比（temporal Signal-to-Noise Ratio, tSNR），但其复杂脑响应使常规独立成分分析（Independent Component Analysis, ICA）或个体间相关（Inter-Subject Correlation, ISC）方法难以做个体激活定位。为此，研究人员将此前在任务态fMRI时间序列分类中表现优异的旋转森林（Rotation Forest, RotF）算法引入自然主义fMRI，用任务态激活图作为体素标签，训练模型预测个体全脑语言激活分布，并检验短时长刺激下的可行性。
作者为开展研究用到几个主要关键技术方法：被试来自澳大利亚Royal Brisbane and Women's Hospital招募的20名健康人与30名癫痫（epilepsy, EP）患者，健康人数据用于构建训练集；每名被试完成七项块设计任务态语言范式，包括句子补全（Sentence Completion, SC）、默词生成（Silent Word Generation, SWG）、押韵（Rhyming, R）、物体命名（Object Naming, ON）、反义词生成（Antonym Generation, AG）、被动听故事（Passive Story Listening, PSL）与听句子补全（Sentence Completion Listening, SCL），并以SPM12得到二值任务激活图；自然主义刺激为Millionaire Hot Seat竞赛节目加无言语广告段，总时长14分52秒，TR=2000 ms，体素3×3×3 mm3，预处理含时间层校正、重对齐、配准、标准化至蒙特利尔神经学研究所（Montreal Neurological Institute, MNI）空间与6 mm全宽半高（Full-Width Half-Maximum, FWHM）平滑；RotF采用SKTIME默认超参，以14名健康人自然主义时间序列按任务标签抽样训练，在36名非训练被试上逐体素预测；评价用SSIM、Dice系数与额颞区侧化指数（Laterality Index, LI）；并用序贯前向特征消除（Sequential Forward Feature Elimination, SFFE）挑重要时间帧，再以约5分10秒短片段重扫验证。
3.1 RotF With All 1D Naturalistic fMRI Time Points
研究人员用全部446个时间点的1D自然主义fMRI时间序列训练与测试。SSIM与Dice显示RotF图与SC、SWG、AG、SCL任务图一致性较高，PSL与ON较低；ML-peak-increase训练方案总体相似性最高。头动与扫描后问卷评分分析表明，问卷分≥4/6且帧位移（Framewise Displacement, FD）<0.23 mm者SSIM更高，数据质量可作为质控门槛。侧化分析在较严格头动与注意阈值下，RotF与任务态在额叶与颞叶多数任务中侧化一致，但PSL、AG、SCL在颞区存在一定不一致。示例图显示左下额回与后上颞回等语言簇被RotF捕获，注意差与头动大者簇形变差但模型对降低平滑仍稳健。
3.2 Importance of Naturalistic fMRI Time Frames
SFFE在ML-SC训练模型上重复5次，发现时间帧138–255（共117帧）权重最高，其中190–210帧贡献最大，说明竞赛问答段而非广告段对语言激活预测最关键。
3.3 RotF Applied to the Shortened Naturalistic fMRI Time Series
研究人员将117帧三段（0–117、138–255、324–441）分别重训ML-SC与ML-peak-increase。结果显示peak类方案优于SC类，且138–255段即SFFE选定段的中位数SSIM最高；短片段虽略低于全时长，但仍与任务态范围相当。
3.4 Rescan of Participants Using the Short Time Frame
三名被试仅扫短段（原4分至9分10秒，加前后稳态与血流动力学延迟帧，约5分10秒）。重扫后ML-peak-increase-rescan与任务态SSIM仍处于任务范式区间；LI方面R任务额颞均无不一致，ON与PSL额叶存在不一致，其余颞区多为低比例不一致；空间叠加可见左额下回与双侧后上颞回语言簇被短段RotF图覆盖。
讨论部分总结：自然主义fMRI既往多用于组水平与接受性语言区，表达性语言区难以由被动观看诱发；本研究以 engag-ing 电视内容加RotF，在个体水平同时绘出接受与表达语言区，利于不能完成复杂指令的患者。扫描后问卷与头动量化是实用质控手段。SFFE定位的5分10秒段使长扫受限患者也可获得可靠图谱，但RotF未显式建模时间邻接，血流动力学响应依赖仍需研究，2 s TR也弱于多频带快采。RotF以合并任务图为标签会弱化ON、PSL等任务特异子网，对病灶旁亚网络敏感性是泛化性的权衡，未来需用直接皮质刺激校验。
结论部分翻译：该研究利用RotF分析自然主义fMRI，有效绘制了脑内接受性与表达性语言区；RotF生成激活图与任务态fMRI在颞顶与额叶区域对应良好。基于原刺激提炼的短时长版本仍可产出高质量激活图，为长时扫描提供患者友好替代。扫描后问卷与头动测度为自然主义fMRI数据质量提供判据。结果表明，自然主义fMRI配以适当机器学习技术，在术前语言图谱绘制中具重要前景，并可借由可及、高效的大脑语言激活可视化方法改善临床流程与工作流。
