热噪声与生理去噪对层化功能连接的影响

为什么清理脑扫描很重要

现代脑成像仪器现在可以观察到人类皮层的六个薄层，使科学家能够不仅询问哪个区域在活动，还能问该区域的哪个深度在发送或接收信息。然而，这些超高分辨率图像充斥着来自扫描仪、血管，甚至受检者心跳和呼吸的各种“噪声”。本研究提出了一个具有重要意义的实际问题：如果我们对这些噪声信号进行仔细清理，能否更真实地描绘出活动在大脑关键运动区各层之间的传递方式？

观察运动区内部的层次

研究者将注意力集中在初级运动皮层——这条有助于控制自愿运动（尤其是手部动作）的脑组织带。该区域与皮层的其他部分一样，由六层堆叠构成，且在接收与发送信息的方式上有所不同。上层往往接收来自其他区域的输入，而较深的层将输出传递到大脑其他区域及脊髓。研究团队使用极强的7特斯拉MRI扫描仪和小于一毫米的体素，记录了来自运动皮层手部区域及与之交换信号的邻近体感和前运动区的自发（静息态）活动。

噪声与偏差信号的问题

在如此精细的分辨率下，有用信号需与若干不需要的来源竞争。随机的“热噪声”来自扫描仪的电子设备，且在信号较弱的深层尤为成问题。相比之下，生理噪声来自受检者的身体：呼吸变化、心跳以及靠近皮层表面的大静脉中血液含氧的变化。由于标准fMRI更强调来自大静脉的信号，表层可能看起来比实际更具活动性和连接性，即便这些波动只是血管脉动而非真实的神经通信。如果不进行仔细校正，研究者可能会误将这些表层波动解读为脑区间强烈的顶层连接。

测试清理数据的方法

为了解决这些问题，研究团队比较了几种已建立的“去噪”步骤。首先，他们应用了一种名为NORDIC的算法，用以抑制图像中的热噪声。接着添加了运动校正，然后采用两种生理去噪策略中的一种。一种称为RETROICOR，利用受检者的呼吸和脉搏记录来减去相关波动；另一种称为aCompCor，则从图像中以液体或白质为主的区域提取噪声模式并将这些模式回归去除。通过以不同方式组合这些步骤，研究者评估每种方法在多大程度上减少不需要的波动，以及它如何改变运动皮层与其邻近区域之间层特异性连接的表观强度。

去噪后的变化

研究者逐层检查了若干数据质量指标，包括信号随时间的波动强度以及功率在不同频段的分布。NORDIC产生了最大的整体影响，尤其是在深层中，减少了随机变异并使静息信号更稳定，而不改变平均信号水平。生理去噪，尤其是aCompCor，则在上层产生了最大的效果，那里的大血管和生理节律占主导地位。当团队观察功能连接——即一个区域的活动与另一个区域活动的同步程度时，他们发现热去噪最初在各处都提升了表观连接性，而aCompCor随后选择性地剔除了虚假的上层相关性，尤其是那些涉及前运动皮层和一个理论上不应强连接的对照区的相关性。

更清晰的层间“对话”图景

在完成热与生理去噪的全流程后，得到的连接模式与解剖学和先前高精度研究的已知结果更为一致。初级运动皮层的上层仍显示出与邻近体感区更强的耦合，这与这些深度接收丰富的感觉输入相符合。然而，早先偏向异常强烈的与前运动皮层的上层连接被减弱，来自深层的信号则变得相对更具信息量。通俗地说，这项研究表明，对高分辨率脑扫描进行仔细清理可以剥离血管和身体节律带来的误导性回声，从而更接近皮层不同层之间真实的交流。这使得层化fMRI成为追踪人脑信息流方向时更可靠的工具。

引用: Guidi, M., Giulietti, G., Sharoh, D. et al. Impact of thermal and physiological denoising on laminar functional connectivity. Sci Rep 16, 8602 (2026). https://doi.org/10.1038/s41598-026-37599-4

关键词: 层化功能性fMRI, 功能连接, 大脑成像噪声, 运动皮层层次, 去噪方法