fMRI-fNIRS聯(lián)合成像功能磁共振成像functional magnetic resonance imagingfMRI能夠以較高空間分辨率觀察全腦活動(dòng)和功能網(wǎng)絡(luò)包括丘腦、海馬及基底節(jié)等深部結(jié)構(gòu)但對頭動(dòng)較為敏感時(shí)間分辨率受血流動(dòng)力學(xué)反應(yīng)的限制滯后于神經(jīng)活動(dòng)功能近紅外光譜functional near-infrared spectroscopyfNIRs則可以在更安靜、便攜和接近真實(shí)行為的環(huán)境中連續(xù)記錄皮層氧合血紅蛋白HbO與脫氧血紅蛋白HbR的變化但空間定位和探測深度有限。兩種技術(shù)都通過血流動(dòng)力學(xué)變化間接反映神經(jīng)活動(dòng)但在空間覆蓋、采樣方式、運(yùn)動(dòng)耐受性和應(yīng)用場景上各有側(cè)重。而 fMRI–fNIRs 聯(lián)合成像就是把這兩種技術(shù)進(jìn)行結(jié)合充分發(fā)揮兩者優(yōu)勢實(shí)現(xiàn)對腦活動(dòng)及其血流動(dòng)力學(xué)過程的多尺度、多維度測量。一、為什么需要fMRI-fNIRs聯(lián)合成像fMRI 和 fNIRS 都可以用于研究腦功能但兩種技術(shù)適合解決的問題并不完全相同。fMRI 能夠獲得全腦 BOLD 信號可以觀察皮層和深部腦區(qū)的功能活動(dòng)適合進(jìn)行腦功能定位和腦網(wǎng)絡(luò)分析。但由于實(shí)驗(yàn)需要在 MRI 掃描儀內(nèi)完成對受試者動(dòng)作限制較多不適合開展步行、康復(fù)訓(xùn)練、語言交流等自然行為研究。fNIRS 通過檢測 HbO 和 HbR 濃度變化反映皮層血氧變化設(shè)備便攜可用于床旁監(jiān)測、兒童研究和康復(fù)訓(xùn)練等場景也能夠進(jìn)行長時(shí)間連續(xù)采集。但 fNIRS 只能測量淺表皮層而且不同受試者頭型存在差異僅根據(jù)探頭位置很難準(zhǔn)確判斷對應(yīng)的腦區(qū)。因此兩種技術(shù)常結(jié)合使用。研究中通常先利用fMRI確定任務(wù)相關(guān)腦區(qū)再將 fNIRS 探頭配準(zhǔn)到個(gè)體腦表面判斷探頭是否覆蓋目標(biāo)皮層或者在同步采集條件下比較 BOLD、HbO 和 HbR 的變化是否一致隨后利用 fNIRS 在康復(fù)訓(xùn)練、步行或社會互動(dòng)等自然場景下持續(xù)監(jiān)測相關(guān)腦區(qū)活動(dòng)。這樣既能夠獲得較準(zhǔn)確的腦功能定位又能夠?qū)崿F(xiàn)連續(xù)監(jiān)測。二、兩種聯(lián)合模式同步采集與異步采集同步采集是指在同一次實(shí)驗(yàn)中同時(shí)記錄 fMRI 和 fNIRS其最大優(yōu)勢是兩種模態(tài)對應(yīng)同一時(shí)刻、同一任務(wù)狀態(tài)適合進(jìn)行空間定位、跨模態(tài)驗(yàn)證以及神經(jīng)血管耦合研究。常見方案是將 fNIRS 主機(jī)放置在磁體室外通過超長光纖連接掃描儀內(nèi)的 MR 兼容探頭。同步模式也面臨明顯限制探頭必須滿足磁兼容和安全要求頭線圈空間有限超長光纖會帶來光信號衰減動(dòng)作幅度和任務(wù)類型受到 MRI 環(huán)境約束。因此同步研究多采用靜息態(tài)、手指敲擊、視覺刺激、N-back 或 Go/No-Go 等相對穩(wěn)定的范式。異步采集則在不同時(shí)間或場景分別完成 fMRI 與 fNIRS。它更能發(fā)揮 fNIRS 的便攜性和運(yùn)動(dòng)耐受優(yōu)勢適合步行、康復(fù)訓(xùn)練、兒童任務(wù)和多人互動(dòng)但無法同時(shí)用兩種模態(tài)捕捉神經(jīng)活動(dòng)。由于兩種數(shù)據(jù)不是同時(shí)采集被試狀態(tài)可能發(fā)生變化因此異步研究不能簡單地把兩個(gè)結(jié)果不一致歸因于模態(tài)差異還需要考慮時(shí)間、狀態(tài)和任務(wù)執(zhí)行差異。圖1.fMRI-fNIRS 聯(lián)合實(shí)驗(yàn)任務(wù)示意圖包括屏蔽室內(nèi)的 fMRI-fNIRS 雙模態(tài)腦時(shí)空響應(yīng)采集和屏蔽室外超高通道 fNIRS 多人腦響應(yīng)采集。表1.fMRI-fNIRS 聯(lián)合使用的總體情況。檢測模式研究目的典型應(yīng)用同步采集空間定位利用fMRI精確定位目標(biāo)皮層區(qū)域提高fNIRS皮層定位精度增強(qiáng)腦功能定位的時(shí)空準(zhǔn)確性。有效性驗(yàn)證同步采集fMRI和fNIRS驗(yàn)證fNIRS監(jiān)測皮層血流動(dòng)力學(xué)變化的準(zhǔn)確性提高腦活動(dòng)結(jié)果的解釋能力。機(jī)制研究同步分析BOLD、HbO和HbR變化研究神經(jīng)血管耦合NVC及腦功能連接等神經(jīng)機(jī)制。異步采集有效性驗(yàn)證分別采集fMRI和fNIRS數(shù)據(jù)比較兩種模態(tài)在不同任務(wù)中的空間和時(shí)間一致性驗(yàn)證fNIRS結(jié)果的可靠性。機(jī)制研究結(jié)合fMRI和fNIRS分析運(yùn)動(dòng)、認(rèn)知及社會行為等腦功能機(jī)制探索腦連接及神經(jīng)血管耦合的變化規(guī)律。三、標(biāo)準(zhǔn)流程從實(shí)驗(yàn)設(shè)計(jì)到跨模態(tài)比較第一步是明確聯(lián)合成像的目的。空間定位、效度驗(yàn)證和神經(jīng)血管耦合通常優(yōu)先采用同步采集自然動(dòng)作、康復(fù)監(jiān)測和長期隨訪更適合異步采集。第二步是設(shè)計(jì)兩種模態(tài)均可解釋的實(shí)驗(yàn)范式。同步研究應(yīng)盡量限制大幅度運(yùn)動(dòng)和口頭反應(yīng)并使用統(tǒng)一的刺激、事件時(shí)序和行為記錄異步研究則需要保證兩次實(shí)驗(yàn)的任務(wù)難度、刺激順序和反應(yīng)規(guī)則盡可能一致。第三步是分別完成 fMRI 與 fNIRS 預(yù)處理。由于兩種數(shù)據(jù)的物理機(jī)制和數(shù)據(jù)結(jié)構(gòu)差異較大目前最常見、也最穩(wěn)妥的方案是先獨(dú)立處理再在結(jié)果層、特征層或模型層進(jìn)行融合。fMRI 數(shù)據(jù)需要完成時(shí)間校正、頭動(dòng)校正、空間標(biāo)準(zhǔn)化、空間平滑及時(shí)間濾波等常規(guī)預(yù)處理操作并將功能像與個(gè)體結(jié)構(gòu)像進(jìn)行配準(zhǔn)最終獲得適用于統(tǒng)計(jì)分析的 BOLD 數(shù)據(jù)。對于 fNIRS 數(shù)據(jù)首先需要將原始光強(qiáng)信號轉(zhuǎn)換為光密度再利用改良 Beer–Lambert 定律計(jì)算 HbO 和 HbR 濃度變化。隨后進(jìn)行噪聲去除、運(yùn)動(dòng)偽影校正和基線校正以減少頭動(dòng)、心跳、呼吸等因素對信號的影響。由于近紅外光在組織中傳播時(shí)會發(fā)生散射因此還需要進(jìn)行光程校準(zhǔn)提高血紅蛋白濃度計(jì)算的準(zhǔn)確性。最后將光源、探測器及通道位置配準(zhǔn)到個(gè)體結(jié)構(gòu)像或標(biāo)準(zhǔn)腦空間明確每個(gè)通道對應(yīng)的皮層腦區(qū)。完成預(yù)處理后兩種模態(tài)的數(shù)據(jù)分別進(jìn)入腦激活分析或腦網(wǎng)絡(luò)分析。對于腦激活分析fNIRS通常采用 Block 平均、廣義線性模型GLM或小波分析等方法計(jì)算HbO 和 HbR 的激活情況fMRI 則主要采用 GLM 進(jìn)行體素水平統(tǒng)計(jì)分析獲得全腦激活圖。對于腦網(wǎng)絡(luò)分析fNIRS 主要通過 Pearson 相關(guān)等方法構(gòu)建皮層功能連接網(wǎng)絡(luò)并進(jìn)一步進(jìn)行圖論分析fMRI則可采用獨(dú)立成分分析ICA、種子點(diǎn)功能連接分析Seed-based analysis及動(dòng)態(tài)功能連接分析等方法研究全腦腦網(wǎng)絡(luò)。最后將兩種模態(tài)得到的結(jié)果進(jìn)行比較和融合。例如比較 fMRI 激活腦區(qū)是否與fNIRS 通道覆蓋區(qū)域一致分析 BOLD 信號與 HbO、HbR 變化之間的關(guān)系或者比較兩種模態(tài)得到的腦網(wǎng)絡(luò)特征是否具有一致性。通過空間配準(zhǔn)、多模態(tài)統(tǒng)計(jì)分析及圖論分析可以綜合發(fā)揮 fMRI 高空間分辨率和 fNIRS 連續(xù)監(jiān)測的優(yōu)勢從而更全面地評價(jià)腦功能活動(dòng)。圖2.fMRI-fNIRS 數(shù)據(jù)處理研究方法的示意圖。四、如何進(jìn)行聯(lián)合分析目前聯(lián)合分析主要可分為結(jié)果層融合、時(shí)間序列融合、特征層融合和模型層融合四種方式。結(jié)果層融合Result-level Fusion 是目前應(yīng)用最廣泛的方法也是實(shí)現(xiàn)難度最低的一種策略。研究者首先分別完成 fMRI 和 fNIRS 的統(tǒng)計(jì)分析例如采用廣義線性模型GLM獲得 BOLD 激活圖以及 HbO、HbR 激活結(jié)果再對兩種模態(tài)的分析結(jié)果進(jìn)行比較。比較內(nèi)容主要包括激活腦區(qū)是否一致、BOLD 與 HbO 或 HbR 變化方向是否一致、兩種模態(tài)激活強(qiáng)度之間的相關(guān)性以及激活圖的重疊程度、Dice 系數(shù)和峰值坐標(biāo)距離等指標(biāo)。該方法流程簡單、結(jié)果直觀適合驗(yàn)證兩種模態(tài)是否能夠反映相同的腦功能活動(dòng)但由于僅比較最終分析結(jié)果沒有充分利用兩種模態(tài)的時(shí)間信息因此能夠提供的信息相對有限。時(shí)間序列融合Time-series Fusion 則直接比較兩種模態(tài)采集到的動(dòng)態(tài)信號。通常需要先將fMRI中某一腦區(qū)ROI的 BOLD 時(shí)間序列與空間對應(yīng)的 fNIRS 通道 HbO 或 HbR 時(shí)間序列進(jìn)行匹配。然而由于兩種技術(shù)的采樣率存在明顯差異例如fMRI通常每 1~2 秒采集一次而fNIRS采樣頻率可達(dá)到數(shù)Hz甚至十幾Hz因此需要首先進(jìn)行重采樣或降采樣使兩種信號具有統(tǒng)一的時(shí)間尺度。此外BOLD 信號與 HbO、HbR 雖然都屬于血流動(dòng)力學(xué)指標(biāo)但響應(yīng)特性并不完全相同因此分析時(shí)通常采用相關(guān)分析、滯后相關(guān)分析、交叉相關(guān)分析、小波相干分析、個(gè)體化血流動(dòng)力學(xué)響應(yīng)函數(shù)HRF建模以及動(dòng)態(tài)連接分析等方法評價(jià)兩種信號之間的動(dòng)態(tài)關(guān)系。需要注意的是即使兩種信號表現(xiàn)出較高的相關(guān)性也不能直接認(rèn)為二者來源于相同的神經(jīng)活動(dòng)因?yàn)楹粑?、心率、血壓等系統(tǒng)性生理波動(dòng)同樣可能產(chǎn)生跨模態(tài)相關(guān)。特征層融合Feature-level Fusion 是目前多模態(tài)分析中較為常見的一種策略。該方法首先分別從fMRI和fNIRS中提取具有代表性的特征再將這些特征聯(lián)合用于統(tǒng)計(jì)分析或模式識別。例如fMRI 可提取 ROI 激活 Beta 值、ALFF、fALFF、ReHo、功能連接、網(wǎng)絡(luò)效率以及 BOLD 響應(yīng)幅度等指標(biāo)fNIRS 則可提取 HbO 峰值、HbR 谷值、曲線下面積、激活起始時(shí)間、功能連接、網(wǎng)絡(luò)拓?fù)渲笜?biāo)以及左右半球側(cè)化指數(shù)等特征。在獲得多模態(tài)特征后可進(jìn)一步采用典型相關(guān)分析CCA、偏最小二乘分析PLS、多元回歸、聯(lián)合獨(dú)立成分分析jICA以及多模態(tài)機(jī)器學(xué)習(xí)等方法探索不同模態(tài)之間的關(guān)系從而獲得比單一模態(tài)更加豐富的信息。模型層融合Model-level Fusion 是近年來隨著人工智能技術(shù)發(fā)展而逐漸興起的一種分析策略。該方法利用一種模態(tài)的數(shù)據(jù)預(yù)測另一種模態(tài)的結(jié)果例如利用多通道 fNIRS 采集得到的 HbO 和 HbR 特征預(yù)測 fMRI 中某一腦區(qū)的 BOLD 激活或功能連接強(qiáng)度。常見模型包括線性回歸、主成分回歸、支持向量機(jī)、隨機(jī)森林、深度神經(jīng)網(wǎng)絡(luò)以及圖神經(jīng)網(wǎng)絡(luò)等。相比傳統(tǒng)統(tǒng)計(jì)分析模型層融合更適用于復(fù)雜非線性關(guān)系的建模但同時(shí)也對數(shù)據(jù)量和模型驗(yàn)證提出了更高要求。在模型建立過程中應(yīng)嚴(yán)格劃分訓(xùn)練集、驗(yàn)證集和獨(dú)立測試集避免同一被試的數(shù)據(jù)同時(shí)參與模型訓(xùn)練和測試否則容易產(chǎn)生數(shù)據(jù)泄漏導(dǎo)致模型性能被高估。綜上所述四種融合策略分別對應(yīng)不同層次的數(shù)據(jù)整合過程。其中結(jié)果層融合實(shí)現(xiàn)最為簡單適用于驗(yàn)證兩種模態(tài)結(jié)果的一致性時(shí)間序列融合關(guān)注兩種信號的動(dòng)態(tài)變化特征層融合側(cè)重于多模態(tài)信息整合模型層融合則利用機(jī)器學(xué)習(xí)進(jìn)一步挖掘兩種模態(tài)之間的復(fù)雜關(guān)系是當(dāng)前 fMRI-fNIRS 聯(lián)合分析的重要發(fā)展方向。五、應(yīng)用場景一實(shí)現(xiàn)個(gè)體化腦功能定位在腦腫瘤切除、癲癇術(shù)前評估及腦功能保護(hù)等臨床應(yīng)用中準(zhǔn)確定位功能腦區(qū)具有重要意義。fMRI 具有較高的空間分辨率能夠準(zhǔn)確定位運(yùn)動(dòng)皮層、視覺皮層等功能區(qū)域但受掃描環(huán)境限制難以開展床旁評估或重復(fù)監(jiān)測。相比之下fNIRS 具有便攜、安全、可重復(fù)測量等優(yōu)勢但其空間定位能力一直是制約臨床應(yīng)用的重要因素。Zinos等2024利用全頭 fNIRS 和 fMRI 分別完成手指敲擊和視覺刺激實(shí)驗(yàn)對比了兩種模態(tài)檢測皮層激活的空間一致性。結(jié)果表明全頭 fNIRS 能夠較好地重建運(yùn)動(dòng)皮層和視覺皮層的激活模式在群體水平與 fMRI 具有較高的空間重疊率在個(gè)體水平也表現(xiàn)出較好的空間一致性。研究認(rèn)為全頭 fNIRS 能夠?yàn)閭€(gè)體水平的皮層功能定位提供可靠信息為臨床腦功能評估及術(shù)前功能定位提供新的技術(shù)支持。圖3.三位代表性受試者比較運(yùn)動(dòng)任務(wù)期間與皮層表面相關(guān)的 fNIRS 和 fMRI 活動(dòng)的空間對應(yīng)關(guān)系。六、應(yīng)用場景二確定個(gè)體腦連接識別所需的采集條件Novi 等2023利用同步靜息態(tài) fNIRS-fMRI 數(shù)據(jù)比較 BOLD、HbO、HbR 和 HbT 功能連接在個(gè)體識別中的表現(xiàn)。研究重點(diǎn)不是簡單判斷兩種模態(tài)是否一致而是評估采集時(shí)長和空間覆蓋范圍對識別準(zhǔn)確率的影響。結(jié)果顯示增加重復(fù)掃描數(shù)據(jù)和納入更多腦區(qū)均可明顯提高識別性能當(dāng) fMRI 與 fNIRS 使用相同數(shù)量的腦區(qū)時(shí)HbT 功能連接的表現(xiàn)接近 BOLD。研究說明靜息態(tài) fNIRS 要獲得穩(wěn)定的個(gè)體連接特征應(yīng)優(yōu)先保證足夠的采集時(shí)間和較廣的皮層覆蓋而不是只增加局部密集通道。圖4.不同ROI數(shù)量下BOLD、HbO、HbR和HbT識別準(zhǔn)確率的變化。七、應(yīng)用場景三預(yù)測深部腦網(wǎng)絡(luò)功能連接由于近紅外光的穿透深度有限fNIRS 只能直接測量淺表皮層活動(dòng)無法獲取丘腦、基底節(jié)等深部腦結(jié)構(gòu)的信息。因此如何利用皮層信號推斷深部腦網(wǎng)絡(luò)活動(dòng)成為近年來聯(lián)合成像的重要研究方向。相關(guān)研究采用圖卷積網(wǎng)絡(luò)Graph Convolutional NetworkGCN建立 fNIRS 與 fMRI 之間的跨模態(tài)預(yù)測模型根據(jù)皮層 HbO 和 HbR 信號預(yù)測皮層—丘腦功能連接。研究結(jié)果表明深度學(xué)習(xí)能夠充分挖掘皮層功能信息實(shí)現(xiàn)對部分深部腦網(wǎng)絡(luò)連接狀態(tài)的預(yù)測為利用便攜式 fNIRS 評估深部腦功能提供了新的技術(shù)方案。圖5.數(shù)據(jù)采集和構(gòu)建連接矩陣。圖6.利用功能性近紅外光譜和圖卷積網(wǎng)絡(luò)預(yù)測皮層-丘腦功能連接。八、它適合回答哪些研究問題相比單獨(dú)使用 fMRI 或 fNIRS聯(lián)合成像更適合回答涉及空間定位、動(dòng)態(tài)監(jiān)測和跨模態(tài)驗(yàn)證等問題主要包括以下幾個(gè)方面1fNIRS 測量到的皮層信號是否真實(shí)反映腦功能活動(dòng)利用fMRI作為空間參考可驗(yàn)證 fNIRS 探頭是否覆蓋目標(biāo)腦區(qū)并比較 BOLD、HbO 和 HbR 在空間分布及激活模式上的一致性。2神經(jīng)活動(dòng)引起的血流動(dòng)力學(xué)變化具有怎樣的規(guī)律同步采集 fMRI 和 fNIRS可分析 BOLD、HbO 和 HbR 之間的動(dòng)態(tài)關(guān)系研究神經(jīng)血管耦合及血流動(dòng)力學(xué)響應(yīng)特征。3MRI 內(nèi)發(fā)現(xiàn)的腦功能變化能否延伸到真實(shí)場景利用fMRI確定關(guān)鍵腦區(qū)后可進(jìn)一步采用 fNIRS 在步行、康復(fù)訓(xùn)練、社會互動(dòng)及課堂學(xué)習(xí)等自然環(huán)境中持續(xù)監(jiān)測相關(guān)皮層活動(dòng)。4fNIRS 能否作為 fMRI 的補(bǔ)充或替代通過比較兩種模態(tài)的腦激活、功能連接及網(wǎng)絡(luò)特征可評估 fNIRS 在腦功能定位、長期隨訪及床旁監(jiān)測中的應(yīng)用價(jià)值。5能否利用機(jī)器學(xué)習(xí)預(yù)測更多腦功能信息結(jié)合多模態(tài)數(shù)據(jù)可建立 fNIRS 與 fMRI 之間的映射模型探索利用皮層血氧信號預(yù)測全腦功能狀態(tài)或深部腦網(wǎng)絡(luò)活動(dòng)的可行性。結(jié)語作為兩種典型的血流動(dòng)力學(xué)成像技術(shù)fMRI 和 fNIRS 分別代表了全腦高空間分辨率成像和便攜式連續(xù)監(jiān)測的發(fā)展方向。聯(lián)合成像并不是簡單地同時(shí)采集兩種數(shù)據(jù)而是根據(jù)具體研究目標(biāo)在空間定位、時(shí)間動(dòng)態(tài)、功能連接及機(jī)器學(xué)習(xí)等不同層面實(shí)現(xiàn)數(shù)據(jù)融合?？傮w而言可以把該方法理解為一種跨尺度、跨場景的血流動(dòng)力學(xué)驗(yàn)證路徑先利用共同實(shí)驗(yàn)和可靠配準(zhǔn)建立兩種信號的對應(yīng)關(guān)系再把掃描儀內(nèi)的精確定位擴(kuò)展到床旁、康復(fù)和社會互動(dòng)。其真正價(jià)值不在于讓兩套結(jié)果看起來一致而在于明確它們各自測到了什么、在哪些條件下可以相互驗(yàn)證以及聯(lián)合后能夠新增哪些單模態(tài)無法回答的科學(xué)問題。參考文獻(xiàn)1. Yang L, Wang Z. Applications and advances of combined fMRI-fNIRS techniques in brain functional research[J]. Frontiers in Neurology, 2025, 16: 1542075.2. Zinos A, Wagner J C, Beardsley S A, et al. Spatial correspondence of cortical activity measured with whole head fNIRS and fMRI: Toward clinical use within subject[J]. NeuroImage, 2024, 290: 120569.3. Novi S L, Carvalho A C, Forti R M, et al. Revealing the spatiotemporal requirements for accurate subject identification with resting-state functional connectivity: a simultaneous fNIRS-fMRI study[J]. Neurophotonics, 2023, 10(1): 013510-013510.4. Tang L, Kebaya L M N, Vahidi H, et al. Predicting cortical-thalamic functional connectivity using functional near-infrared spectroscopy and graph convolutional networks[J]. Scientific Reports, 2024, 14(1): 29794.掃下方二維碼免費(fèi)獲取fMRI-fNIRS聯(lián)合成像專題文獻(xiàn)及資料匯總