胎儿静息态功能磁共振成像中头动效应的评估与校正：体积剔除技术的优化与应用

本研究针对胎儿rs-fMRI中头动干扰的难题，系统评估了回归校正与体积剔除(Reg+Cen)联合策略的优化方案。通过分析120例胎儿扫描数据，发现传统回归虽能降低头动与BOLD信号的关联，但对功能连接(FC)的残留影响显著。研究首次证实1.5mm阈值剔除可有效解耦头动与FC的关联，使神经生物学特征(胎龄GA和性别)预测准确率提升至55.2±2.9%，为胎儿脑发育研究提供了可靠预处理标准。

　　

胎儿在母体内的自由活动给脑功能研究带来独特挑战——当科学家试图通过静息态功能磁共振成像(rs-fMRI)窥探胎儿大脑的神秘连接时，那些不受控制的"体操动作"就像在数据中撒了一把沙子。虽然成年人研究中发展出的头动校正方法已被广泛应用，但这些技术能否适用于胎儿这个特殊群体？更关键的是，传统的回归校正(Reg)虽能消除部分运动伪影，但残留效应仍可能扭曲功能连接(FC)模式，导致对胎儿脑网络发育的错误解读。这正是美国儿童国家医院的研究团队在《Scientific Reports》发表的最新研究要解决的核心问题。

研究团队采用多模态分析策略，首先收集了104名健康胎儿的120次扫描数据（含16例纵向数据），通过标准化预处理流程（包括运动校正、空间平滑等）获取功能影像。关键技术包括：基于帧间位移(FD)的头动量化、不同阈值(0.5-2.5mm)的体积剔除策略、200个脑区的功能分区，以及支持向量机(SVM)构建的神经生物学特征预测模型。研究特别设计了嵌套交叉验证来评估FC对头动参数(FD_ave/FD_max)、胎龄(GA)和性别的预测效能。

头动与信号质量分析显示，胎儿头动显著降低时间信噪比(tSNR)(r=-0.45)，而1.5mm阈值剔除可缓解这种关联(r=-0.35)。传统回归虽使头动与区域BOLD信号的关联降至最低（r²<0.016），但FC仍能预测平均FD(r=0.09±0.08)。体积剔除的应用则展现出阈值依赖性效应——过度严格(0.5mm)导致数据严重碎片化（平均仅4.2个连续TR），而适度阈值(1.5mm)在保留足够数据长度(32.1TR)的同时，使性别预测准确率从44.6%提升至55.2%。

功能连接特征分析揭示了两个关键发现：一是FC强度随脑区间距离增加而衰减的趋势(r=-0.46至-0.52)，1.5mm剔除可增强长程连接；二是运动网络分析显示，未剔除数据中高低运动组的差异范围达0.27%，而适度剔除可缩小至0.09%。补充实验发现，基于空间变异指标(sDVARS)的剔除虽能提升GA预测(r=0.52)，但对性别预测效果欠佳，提示FD仍是更优指标。

这项研究确立了胎儿rs-fMRI分析的黄金标准：1.5-2.0mm FD阈值下的体积剔除联合回归校正。该方案不仅能有效消除头动对全脑FC模式的系统性影响，更重要的是保留了神经生物学信息的完整性——这对理解胎儿脑发育轨迹、早期识别神经发育障碍具有深远意义。研究者特别指出，未来需在更多中心验证该阈值的普适性，并探索脑状态（睡眠/清醒）对剔除效果的影响。这些发现为胎儿神经影像学建立了首个循证预处理框架，将推动该领域从方法探索迈向生物学发现的新阶段。