神經影像資料處理/處理/步驟/生理噪聲迴歸

生理噪聲

生理噪聲會嚴重混淆 fMRI 測量的訊號。雖然由血管/代謝振盪引起的極低頻波動 (< 0.01 Hz) 通常透過時間濾波去除，但來自呼吸 (~0.3 Hz) 或心跳 (~1.0 Hz) 的高頻混淆更難處理。在標準 fMRI 序列中，這些頻率通常被欠取樣（根據奈奎斯特定理），因此混疊到較低頻率。此外，呼吸和心率在低頻下波動，影響腦血流（分別透過 CO2 血管擴張或血壓），最終影響 BOLD 響應。 。因此，生理波動可以在靜息態 fMRI 的感興趣頻率範圍內表達 (< 0.1 Hz)，可能在同時測量的時序之間引入虛假連線。需要注意的問題是，生理波動和感興趣的神經活動可能在時間上耦合。在這種情況下，去除前者也會去除（至少部分）後者。

生理噪聲迴歸

代表生理噪聲的時序可以作為干擾迴歸量包含在 GLM 中。由干擾迴歸量解釋的訊號部分將從殘差中移除（這是 rsfMRI 的感興趣資料）。透過移除殘差的結構化、非隨機部分，干擾迴歸量也使其更接近正態分佈或“白噪聲”。這有助於滿足 GLM 的一個基本假設，即相同且正態分佈的誤差項。不幸的是，GLM 中的迴歸量越多，其自由度就越少 (= 觀測值（體素） - 迴歸量），導致模型和單引數權重的顯著性檢驗越保守。

獲取迴歸量

有不同的方法可以獲得合理的生理噪聲迴歸量。最直接的方法是在掃描過程中獲取生理測量，使用胸帶測量呼吸，使用脈搏血氧儀測量心率。然後將這些測量值輸入分析軟體以建模適當的干擾迴歸量。但是，使 MRI 和生理資料的時序保持一致可能非常棘手。

如果這些測量值不可用，可以以不同的方式對生理噪聲的時序進行建模。由於感興趣的訊號波動主要位於灰質，因此一種方法是提取位於白質或腦室中的體素的生理噪聲時序。 另一種方法稱為CompCor，它側重於顯示最高變異性的體素，隨後使用 PCA 將產生的時序減少到主導成分。也可以將 ICA 應用於將噪聲成分與感興趣的成分分離。但是，這始終依賴於能夠正確區分它們的假設。因此，應謹慎處理基於自動 ICA 的生理噪聲去除方法，例如 CORSICA 或 PESTICA。

靜息態 fMRI

如上所述，靜息態分析特別容易受到生理偽影的影響，因為它們經常出現在感興趣的頻率範圍內 (0.01 - 0.1 Hz)。 因此，生理噪聲迴歸在靜息態 fMRI 中比在任務型 fMRI 中更為常見，任務型 fMRI 通常依賴於簡單的時間濾波。

實現

AFNI

3dretroicor 使用一種稱為 RETROICOR 的基於影像的方法，該方法估計採集影像切片的 心臟和呼吸週期的相位，並對該相位資料建模低階傅立葉級數以進行迴歸。預設階數為 2，但可以透過-order 選項進行調整，可以透過-threshold 調整用於檢測輸入中 R 波峰值的閾值。輸入是 1D -resp / -card 檔案。一個還輸出計算出的呼吸和心臟波用於控制（-respphase/-cardphase）的命令如下所示

3dretroicor -resp 1resp_file -card card_file -cardphase cardphase.1D -respphase respphase.1D INPUTFILE

可以使用1dplot 檢查相位輸出

注意，演算法使用切片時序資訊進行計算。因此，應避免在此步驟之前執行任何破壞切片時序資訊的步驟，例如3dvolreg 運動校正。此外，當一些第一卷被丟棄時，相應的生理資料也必須丟棄這些時間段。

在afni_proc.py 中，這不是預設步驟，但可以使用do block -ricor 選項包含在內。預設求解器是 OLS，多項式階數為 2*執行長度。從生理學中移除 n 個時間點（預設 = 0）的相應選項以及在迴歸中分別應用 PHYSFILES 是

-ricor_regs_nfirst n 
-ricor_regs PHYSFILE

FSL

PNM 還提供請求階數的心臟和呼吸 RETROICOR 迴歸量，此外還允許指定心臟-呼吸互動迴歸量。此外，可以接收其他生理迴歸量，例如 RVT（單位時間內的呼吸量）、心率 和 CSF 迴歸量。在手冊中強烈建議提供掃描器觸發器（1/體積）以確保掃描和生理資料之間的時序精度。輸入需要作為單個文字檔案，其中不同的列代表心臟、呼吸和觸發器資訊，以及描述這些列的檔案。手動檢查峰值檢測的準確性是可能的且推薦的。

SPM

SPM8 沒有內建方法來處理生理噪聲。但是，有一些擴充套件可以用作此目的。訪問：https://wikibook.tw/wiki/SPM/Physio。如果時間解析度允許，SPM 的DRIFTER 工具箱也可以在沒有外部生理資料的情況下應用。