从复数值功能性磁共振成像（fMRI）数据中检测精神分裂症患者相位变化的异常动态模式

《Journal of Neuroscience Methods》：Detecting abnormal dynamic patterns of phase changes in schizophrenia from complex-valued fMRI data

精神分裂症患者与健康人复杂fMRI数据源相位极性动态模式存在显著差异，通过滑动窗口ICA提取动态源相位图，建模极性变化累积分布并聚类形成三种动态模式，揭示极性变化与激活程度正相关，为精神疾病机制提供新证据。

　　近年来，脑功能研究在神经科学领域取得了显著进展，尤其是在理解精神疾病如精神分裂症的病理机制方面。功能性磁共振成像（fMRI）作为一种非侵入性、高分辨率的神经影像技术，已被广泛用于探索大脑活动的动态变化。传统上，研究者主要关注fMRI数据中的幅度（magnitude）信息，即血氧水平依赖（BOLD）信号的变化。然而，随着研究的深入，越来越多的证据表明，相位（phase）信息同样蕴含着丰富的生理和病理特征，尤其是与脑网络的动态行为密切相关。本文旨在探讨基于复值fMRI数据的源相位极性动态（source phase polarity dynamics）在精神分裂症研究中的应用，为理解精神疾病的脑机制提供新的视角。

fMRI数据通常由两个部分组成：幅度和相位。幅度反映了大脑区域的激活强度，而相位则记录了磁化信号的相位变化，与脑血流和氧气供应的变化密切相关。传统研究中，相位信息往往被忽视，这可能限制了我们对大脑功能状态的全面理解。事实上，相位信息可以揭示大脑内部复杂的动态过程，例如在特定脑区的激活过程中，相位的变化与去氧血红蛋白浓度的降低密切相关。一些研究已经表明，相位极性变化（polarity changes）能够反映大脑活动的细微变化，尤其是在涉及脑血管分布和血液动力学的背景下。因此，探索相位极性动态不仅有助于更全面地理解大脑功能，还可能为精神疾病的早期诊断和干预提供新的工具。

本文提出了一种新的分析框架，用于检测源相位极性动态。该框架分为三个主要阶段：首先，使用滑动窗口技术对复值fMRI数据进行时间分割，并在每个时间窗口中应用独立成分分析（ICA）提取动态源相位图；其次，检测相邻时间窗口之间的体素级极性变化，并计算其累积分布；最后，利用分段线性函数对这些分布进行建模，并在约束条件（如最小段长度和极性变化的稳定性）下，通过聚类分析识别三种不同的动态极性变化模式。这一方法不仅能够捕捉到大脑活动的动态特征，还能在不同脑区中识别出具有显著差异的激活区域。

为了验证该框架的有效性，研究者使用了包含40名健康对照（HCs）和42名精神分裂症患者（SZs）的静息态复值fMRI数据集。研究结果显示，三种动态极性变化模式在激活图的不同区域表现出不同的分布特征：快速极性变化在激活图的中心区域频繁出现，偶尔出现在中间区域，而在边缘区域则较为罕见。此外，这些模式对应的聚类中心以及其内部体素比例在健康对照和精神分裂症患者之间存在显著差异，表明相位极性变化可能与疾病状态相关。

在比较现有方法时，本文提出的方法不仅揭示了极性变化与激活幅度之间的正相关关系，还展示了相位极性在检测疾病相关改变方面的独特敏感性。这种敏感性超越了基于幅度特征的传统方法，为精神分裂症等精神疾病的异常动态相位模式提供了新的证据。此外，该方法能够更有效地利用复值fMRI数据中的高噪声成分，识别出更敏感的体素级空间变化，从而实现对精神分裂症的可解释分类。

研究者进一步分析了该框架在不同层面的应用。首先，通过滑动窗口技术对复值fMRI数据进行时间分割，能够捕捉到大脑活动的动态特征。在每个时间窗口中，ICA被用于提取动态源相位图，这些图不仅能够反映大脑功能网络的时空演化，还能提供关于相位极性变化的详细信息。接下来，研究者计算了相邻时间窗口之间的体素级极性变化的累积分布，并通过分段线性函数对这些分布进行建模。这种方法能够适应不同的时间尺度，确保模型的稳定性，同时捕捉到更精确的极性变化模式。

此外，研究者通过聚类分析对模型参数进行分类，从而识别出三种不同的动态极性变化模式。这些模式分别对应于激活图的不同区域：快速极性变化主要集中在中心区域，偶尔出现在中间区域，而在边缘区域则较为罕见。通过对这些模式的进一步分析，研究者发现，这些模式的聚类中心以及其内部体素比例在健康对照和精神分裂症患者之间存在显著差异，表明相位极性变化可能与疾病状态密切相关。

研究者还发现，极性变化的平均数量与激活幅度之间存在正相关关系。这一发现表明，相位极性不仅能够反映大脑活动的动态特征，还可能提供额外的生理信息，从而增强对疾病相关改变的检测能力。此外，相位极性变化的敏感性可能有助于识别更细微的脑网络变化，这在精神分裂症等复杂精神疾病的研究中具有重要意义。

在讨论部分，研究者强调了该研究的创新性和实际应用价值。首先，该研究利用复值fMRI数据中的源相位极性信息，提供了一种新的方法来分析大脑活动的动态变化。其次，该框架结合了滑动窗口技术、ICA和分段线性函数，能够更全面地捕捉到大脑活动的时空特征。最后，该研究通过聚类分析识别出三种不同的动态极性变化模式，为理解精神疾病的脑机制提供了新的证据。

此外，研究者还提到，该方法能够更有效地利用复值fMRI数据中的高噪声成分，识别出更敏感的体素级空间变化。这不仅有助于提高对精神分裂症的检测能力，还能够为其他精神疾病的早期诊断和干预提供参考。研究者认为，源相位极性动态可能成为未来研究精神疾病的重要工具，尤其是在理解脑网络的动态变化方面。

研究者还指出，该方法的应用不仅限于精神分裂症，还可以扩展到其他精神疾病的研究中。例如，在抑郁症、焦虑症等疾病中，相位极性变化可能也与大脑活动的异常有关。因此，未来的研究可以进一步探索源相位极性动态在不同精神疾病中的表现，以期找到更普遍的规律和特征。

此外，该研究还揭示了相位极性变化与脑血流和氧气供应之间的关系。例如，在激活过程中，相位的变化可能与去氧血红蛋白浓度的降低密切相关，而这种变化在精神分裂症患者中可能更为显著。因此，相位极性变化可能成为评估脑功能状态的重要指标，为精神疾病的诊断和治疗提供新的思路。

研究者还提到，该方法的实现需要借助先进的计算技术和数据分析方法。例如，滑动窗口技术能够将连续的fMRI数据分割为多个时间窗口，从而捕捉到大脑活动的动态变化。ICA则能够从这些时间窗口中提取出不同的功能网络，为后续的相位极性分析提供基础。分段线性函数的使用则能够更准确地建模极性变化的累积分布，从而确保模型的稳定性和可靠性。

最后，研究者强调了该研究的伦理和科学价值。该研究得到了伦理审查委员会的批准，并遵循了相关的伦理规范。研究者还提到，该方法的实施需要充分考虑数据的质量和可靠性，以确保研究结果的科学性和可重复性。此外，研究者认为，未来的研究可以进一步优化该框架，以提高其在不同人群和不同疾病中的适用性。

综上所述，本文提出了一种新的分析框架，用于检测源相位极性动态。该框架结合了滑动窗口技术、ICA和分段线性函数，能够更全面地捕捉到大脑活动的时空特征。研究结果表明，相位极性变化在精神分裂症患者和健康对照之间存在显著差异，为理解精神疾病的脑机制提供了新的证据。此外，该方法的实施不仅有助于提高对精神分裂症的检测能力，还可能为其他精神疾病的研究提供参考。未来的研究可以进一步探索该方法在不同精神疾病中的应用，以期找到更普遍的规律和特征。