本篇文献发表在Nature杂志。本公众号所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

静息态功能磁共振成像（rsfMRI）是一种神经影像学研究方法，参与者在进行功能磁共振成像数据采集时需保持静息状态——即不执行任何特定的认知任务。尽管rsfMRI在人类神经科学研究中的应用已十分普遍，但在脑图谱研究领域，早期对其重要性曾存在相当大的质疑。这种质疑令人有些意外，因为已有研究报道动物模型中自发性血流动力学和代谢波动存在空间相关性，且早在1924年就已通过脑电图（EEG）在人脑中观察到自发性电活动。

在神经影像学中，功能连接通常被观察为不同脑区之间的时间相关性。此研究于 1995 年首次描述了如何使用 rsfMRI测量的自发低频波动的相关性可被视为人类大脑不同区域间功能连接的一种表现，证明：（1）在无任务执行的情况下，左右感觉运动皮层之间存在功能连接；（2）大脑中的其他大尺度神经系统，包括涉及语言和视觉处理的系统，也表现出类似的“无任务”功能连接模式。然后观察到这些自发波动可以被生理性扰动（如高碳酸血症）所调节，提示与神经活动有密切联系。对这些结果的初步反应是困惑和怀疑。有人提出，观察到的功能连接模式可能是由于心理意象或心智游移所致。也有人指出，很难将神经信号与其他被认为是噪声的低频信号分开。此外，在静息状态下研究大脑自发活动的功能意义以及自发与诱发神经活动之间的关系仍然未知。尽管在解决这些复杂问题方面已取得重大进展，但某些方面仍未解决，且仍在争论中。

随着人们对静息态功能磁共振成像（rsfMRI）所测得的自发性低频信号的本质与特性的最初怀疑逐渐消退，该领域涌现出大量利用这一新方法来绘制大脑内在功能结构的研究。与传统的基于任务的功能磁共振成像（fMRI）方案相比，rsfMRI的数据采集仅要求受试者在扫描仪中短暂休息。由于这些操作对受试者造成的负担极小，这种成像技术使得从儿科（包括胎儿）、临床及老年群体中获取数据成为可能——这些人群原本难以进行研究。因此，rsfMRI已成为一种非常适合无创探究人类大脑在健康与疾病状态下、贯穿整个生命周期的时空组织结构的研究方法。

很快人们就意识到，静息态功能磁共振成像（rsfMRI）有望解答神经科学领域许多长期悬而未决的问题——这些问题涉及自发神经活动的功能、大脑的基本组织原则以及大脑与行为之间的关联。几项重要的早期研究带来了多项关键发现，为随后迅速兴起的人类连接组学新时代奠定了基础（图1）。其中一项重要发现为理解静息态功能连接提供了机制性见解：即使在诱导意识丧失的麻醉状态下，仍能在猴子体内观察到血氧水平依赖（BOLD）信号的自发性波动。这项具有里程碑意义的2007年研究证实，这些相干波动是哺乳动物神经系统的一种基本组织特性，具有进化保守性且与意识水平无关。研究者进一步将任务诱发的fMRI脑活动模式与自发BOLD波动进行了对比，并结合了通过逆行示踪剂注射技术测量猴子解剖连接性的结果。这些分析共同为利用rsfMRI进行功能性脑回路的活体定位提供了跨物种验证。

就在这些验证研究在动物模型中进行的同时，静息态功能磁共振成像（rsfMRI）正日益成为非侵入性绘制人类大规模功能性脑网络的首选方法。2001年，Raichle等人提出：不受约束的大脑活动可被理解为一种“默认脑功能模式”，该模式在目标导向行为期间会暂时暂停。此后不久，Greicius等人首次利用功能性磁共振成像（fMRI）数据对默认模式假说进行了网络分析，结果表明：那些被认为参与默认模式活动的前部及后部中线脑区，在静息状态和认知任务执行过程中均表现出强大的功能连接。

未来几年的多篇论文进一步证明，通过概率独立成分分析（ICA）等数据驱动方法，可以在不同受试者中识别出多个独特、一致且可重复的静息态网络或内在连接网络（ICNs）。这些研究利用ICA技术，发现了大脑区域之间的低频波动，这些波动对应着被称为默认网络、背侧注意网络、视觉网络、运动网络和额顶叶网络等大规模功能性脑网络。随后，研究人员采用图论方法和聚类算法，将大脑皮层划分为功能连接的脑区网络，从而利用静息态功能磁共振成像（rsfMRI）来解析功能性网络结构（图2）。大约在此时期，研究人员开始根据神经解剖结构（例如扣带回-盖区网络）或预期功能（例如显著性网络）对大规模神经系统进行命名，由此引发了网络命名法泛滥的问题，此研究将在下文进一步探讨这一现象。

早期众多大规模脑网络识别研究均表明，低频自发性fMRI血氧水平依赖（BOLD）活动能够重现并高度对应于已知参与认知过程的神经系统。部分研究者也开始注意到，功能看似对立的脑网络之间存在反向关联（负相关）活动模式。例如同年，Fox和Fransson的研究证实：如前所述，在静息状态下，默认网络区域与额顶叶脑区呈现负向耦合关系。由此开启了长达数十年的方法学发展进程，最终形成了当前用于研究大脑大规模功能网络相互作用与动态特性的神经科学工具体系。

不久之后，研究人员开始探讨：除了提供大规模脑网络拓扑结构的信息外，静息态功能磁共振成像（rsfMRI）是否还能反映个体在认知和行为方面的差异。该领域的早期研究发现，工作记忆任务表现与默认网络前部和后部节点之间的功能连接强度呈正相关，这一关联在任务执行期间和静息状态下均存在。脑网络间负相关活动的模式也被证实与行为表现密切相关。默认网络与额顶叶网络之间负相关强度的个体差异，被证明与注意力任务执行期间及静息状态下的反应时间变异性显著相关。以默认网络与额顶叶网络间更强负相关度衡量的网络分离程度越高，个体行为表现的变异性就越低。这一发现随后在一项大规模人群神经科学数据集中得到了直接验证。目前，跨多个认知领域的脑-行为相关性研究已占据rsfMRI文献的很大比重，尽管关于某些此类关联可重复性的疑问尚未解决。

来自 rsfMRI的经验教训

目前，神经影像学界普遍认为，静息态功能磁共振成像（rsfMRI）有望解答脑科学领域的诸多问题。特别是，该技术已被证明有助于揭示人类功能连接组的重要特征，包括其空间拓扑结构、动态变化以及典型与非典型发育模式。然而，必须认识到：就在不久之前，这些自发性波动常被视为单纯的噪声来源。而如今人们已认识到，这些曾被视作噪声的信号实际上蕴含着关于大脑功能结构的重要信息，可作为指纹特征用于个体识别乃至临床预后预测。数十年的rsfMRI研究揭示了大脑功能组织的若干关键原则：(1)从胎儿期到晚期衰老阶段，所有大脑中均可检测到大规模的功能性脑网络；(2)通过rsfMRI检测到的大规模功能性脑网络在空间拓扑结构上与任务诱发网络高度相似；(3)静息态反映了大脑在探索不同网络构型时其动态活动特征的自发性表现；(4)多种精神疾病与大脑层面的大规模功能性网络改变相关，这些改变常涉及默认网络和显著性网络中节点的功能障碍。

通过对rsfMRI数据的分析，获得了关于大脑内在活动的另一项重要见解：存在高度可重复的传播性活动模式（滞后波纹）。其他关于传播性活动的研究报告曾描述过全局性传播的波形或准周期性的自发活动模式，这些模式与觉醒调节及警觉状态密切相关。一系列静息态现象——包括默认网络的负相关模式、时间滞后传播模式以及准周期性模式——均可解释为三种显著时空模式的表现，这些模式主要由驻波构成，并兼具部分行波特性。这些见解借鉴了最初在电气工程和物理学领域发展出的研究方法与理论框架，凸显了跨学科合作在推动rsfMRI脑图谱研究方面的重要作用。

尽管rsfMRI具有应用潜力，但在所有情况下它可能并非神经科学研究的首选范式。例如，对于流体智力等个体特征的预测，基于任务的功能连接分析比rsfMRI能取得更佳效果。虽然其他类型的大脑-行为关系是否呈现类似模式仍有待验证，但这些研究结果表明：神经科学中某些特定问题或许更适合采用rsfMRI以外的神经影像学方法进行研究。

rsfMRI的神经生理学起源

功能性磁共振成像（fMRI）是一种非侵入性成像技术，能够通过BOLD信号实现活体大脑图谱绘制及脑代谢变化分析，从而解析神经元活动的相关性。要解读这些研究成果并评估其对神经典型人群及临床群体大脑功能组织的贡献，必须理解fMRI信号背后的神经生理学机制。为验证“rsfMRI信号源于神经生理过程”的假说，研究者通常通过调控基础生理状态和脑代谢来实现，同时避免显著改变其他影响因素。常见的生理干预手段包括高碳酸血症刺激——该方法可抑制脑血流的自发性振荡；吸入5%二氧化碳可逆性地增加脑血流量，显著减弱低频波动及基础功能连接。多位研究者还探讨了睡眠阶段对功能连接模式的影响：例如，Horovitz等人发现清醒状态与深度睡眠期间默认网络连接存在显著差异。在内侧前额叶皮层/前扣带回（MPFC /ACC）区域观察到，清醒状态下参与者后扣带回皮层（PCC）与 MPFC /ACC区域呈现显著正相关；而在深度睡眠期间，这种相关性几乎消失。

已发现麻醉剂会改变人类的功能连接模式。虽然像硫喷妥钠这样的麻醉剂已被证明能增强连接，但其他如七氟醚则被证明能减少连接。使用轻度镇静已被用来最小化头动和焦虑，特别是在儿童和临床人群中，在这些人群中连接似乎保持不变。在大鼠中使用麻醉剂的研究显示默认网络的存在。大多数麻醉剂通过改变神经血管耦合起作用，并可能导致不必要的生理相互作用。动物实验在不同阶段使用多种不同化合物这一事实使情况进一步复杂化，这可能使 fMRI 信号的解释具有挑战性。尽管如此，综合起来，研究睡眠或麻醉引起的人类和动物意识水平变化的大量工作表明，rsfMRI信号主要由神经活动驱动。

能够同步测量神经元信号与功能性磁共振成像（fMRI）信号的多模态成像技术，正日益广泛应用于静息态功能连接的量化与解析。传统的大脑功能研究方法结合电生理记录与光学成像技术，能够高效采集并分析具有独特时空特征的动态脑信号。例如，Logothetis等人通过在猴脑中同步进行fMRI与活体记录实验，发现血氧水平依赖（BOLD）fMRI信号与局部场电位（LFP）的相关性略高于其与神经元放电活动的相关性。Scholvinck等人采用同步 LFP 记录技术对不同皮层区域进行静息态功能磁共振成像（rsfMRI）研究，发现40-80 Hz频段的 LFP 信号在所有实验动物中均呈现最显著的正相关性，表明伽马波功率与rsfMRI之间存在强耦合关系。Schulz等人则通过植入光纤技术，在啮齿类动物皮层同步实现了fMRI与细胞类型特异性钙离子记录，成功检测了神经元和星形胶质细胞内的细胞内Ca²⁺瞬变信号。遗传学工具的进步使得能够将基因编码的钙离子指示剂特异性表达于特定细胞类型（如神经元与星形胶质细胞，或神经元亚型——例如抑制性中间神经元）。针对神经调质的生物传感器可进一步结合功能性磁共振成像（fMRI）对脑动态信号进行同步测量，从而解析影响神经血管耦联的关键因素。

Mitra等人通过采用小鼠全皮层钙离子与血红蛋白成像技术，证实这些缓慢的自发性波动沿皮层遵循特定的时空轨迹传播，且该轨迹具有状态依赖性（例如清醒状态与麻醉状态）。研究进一步表明，这些波动会穿过特定的皮层区域，并可能形成独特的跨层时间动态模式，与高频 LFP 活动存在显著差异。这些研究结果为“静息态功能连接源于神经生理机制”的假说提供了有力支持。当前持续进行的验证工作使利用静息态功能磁共振成像（rsfMRI）研究人脑的科研人员能够准确解读复杂脑部疾病之间及内部观察到的功能连接差异的意义。然而，关于功能连接估计值中仍存在的混杂因素——包括残余血管运动活动、自主运动引发的小动脉动态变化以及皮层下共同调节输入的影响——仍有待进一步阐明。

rsfMRI的数据预处理策略

自20世纪90年代以来，功能磁共振成像（fMRI）已被用于分析大脑在执行特定任务时以及未受刺激状态下的反应。这两种方法分别通常被称为任务功能磁共振成像（task fMRI）和静息态功能磁共振成像（rsfMRI）。虽然任务fMRI数据的分析相对直观——因为研究者通常关注特定任务条件下的血氧水平依赖（BOLD）信号响应——但rsfMRI数据的分析则需要更多创新性，因为缺乏外部输入来指导模型选择。因此，研究人员开发了多种分析方法，通过借鉴电气工程领域的基于模型和无模型信号处理技术（图3），来表征自发性低频波动的空间和时间特性。这些层出不穷的指标和方法确实令人难以全面掌握。在框2中，此研究重点介绍最常用的指标及其流行原因，并总结了每种指标在神经元生理学层面所反映的潜在机制。需要指出的是，rsfMRI数据还存在许多其他分析方法。然而，首要任务是解决如何将神经信号与其他噪声源区分开来（即去噪）这一问题。

功能性磁共振成像（fMRI）产生的信号通常包含扫描仪伪影、心脏搏动及呼吸周期等多种成分。从这种混合信号中分离出神经信号始终是一项颇具挑战性的任务。过去十年间，研究人员在应对这一难题时遇到了诸多难题：例如，全身性脑生理活动的缓慢变化（如呼吸频率波动或心率变化）可能形成类似 ICN 网络的信号模式，而这类信号通常被认为源于神经元活动；近期多项研究证实，大脑与身体在全局神经信号及外周生理信号层面存在同步性，这进一步削弱了“这些信号可被清晰分离”的观点。正如此研究所指出的，关于自发性神经活动功能意义的认知不断深化，使得从噪声中提取脑信号的挑战变得更加严峻。

在需要消除的噪声来源中，最棘手的部分往往来自受试者自身——他们在扫描仪内的移动会产生运动伪影，从而导致功能连接出现虚假模式。目前已有多种数据处理策略经过验证，并提出了多种数据处理流程来消除静息态功能磁共振成像（rsfMRI）数据中的受试者运动及其他噪声源。其中最具争议的方法之一是全局信号回归（GSR），即在后续分析前通过线性回归从每个体素的时间序列中剔除平均（全脑或全局）信号。 GSR 旨在减少虚假方差，其核心是将全局平均时间序列作为干扰回归变量。这一步骤提升了相关性图谱的空间特异性，最初应用于研究默认网络与额顶叶网络之间的负相关关系。乍看之下， GSR 似乎是一种合理的策略，因为已知全局信号部分反映了由呼吸和心脏活动引起的生理噪声、扫描仪硬件产生的伪影以及受试者运动所致的干扰。然而，全局信号还包含关于持续神经活动的信息，与特质层面的认知和行为相关，并呈现出随生命周期变化的独特拓扑分布模式。此外， GSR 还可能人为生成负相关关系；因此，关于其应用仍存在诸多争议。对这些细微差异的充分认识，导致在是否将 GSR 应用于静息态功能磁共振成像（rsfMRI）数据分析的问题上未能达成共识。

正如 GSR 之争所说明的，理解与各种数据处理策略相关的利弊是复杂的。近几十年来，该领域极大地受益于电气与生物医学工程师、物理学家、数学家和计算机科学家与认知和网络神经科学家的合作贡献，他们开发并提供了各种数据分析工具。此外，诸如人类脑图谱组织等学会认可了描述数据分析最佳实践的指南。尽管如此，如何为特定研究选择适当的处理策略并不总是显而易见的。为了克服在众多似是而非的分析流程中做出选择的挑战，许多研究人员现在倾向于“多宇宙”策略，即在给定数据集上同时评估多个流程以达成共识结果。框 3 概述了开放科学原则（包括数据和分析工具的自由共享）如何影响了当代 rsfMRI研究的格局。

fMRI的工作原理

大脑中的多种生理过程会导致脑血流动力学发生变化，从而产生可被功能性磁共振成像（fMRI）检测到的信号。神经元放电与信号传递会引发局部能量增加及脑氧代谢率（CMR₂）升高。当受试者执行任务时，脱氧血红蛋白会逐渐积累而氧合血红蛋白减少，这会引发血管舒张反应，导致血流量增加，进而提高氧合血红蛋白水平。氧合与脱氧血红蛋白的这种变化正是BOLD信号的生成基础，该信号可视为神经元激活的有效指标。由于氧合血红蛋白具有抗磁性而脱氧血红蛋白具有顺磁性，脱氧血红蛋白会在局部引起磁场去相位，导致磁场畸变；当脱氧血红蛋白被氧合血红蛋白替代时，BOLD信号随之增强。这种增强的信号正是BOLD对比度的来源。fMRI信号强度主要受各体素内静脉血容量的影响，并间接反映神经元放电活动或神经元群体的激活状态。

研究表明，BOLD信号在刺激呈现后约3-5秒达到峰值，随后回落至基线水平，这一过程被称为血流动力学响应函数（HRF）。大多数fMRI研究通过分析 HRF 对刺激的响应幅度来进行评估。HRF 的宽度还能提供关于反应持续时间的信息。
HRF的潜伏期可被测量，它反映了大脑激活的延迟与时间特征。所有这些信息均可用于推断潜在的神经元活动。若在前一系列刺激结束前呈现多个刺激，其HRFs（血氧水平依赖函数）会相互重叠，最终的BOLD反应则是所有独立BOLD反应与未被测量的潜在神经信号的卷积结果。 HRF 在峰值之后还存在一个“后下冲期”，其机制尚未完全阐明。当前假说认为，该下冲期可能是血液容量持续增加、脑代谢率持续升高或与持续神经元活动相关的延续表现。

与 rsfMRI相关的持续争议

一个尚未解决的概念性问题是：研究静息状态下大脑的自发活动具有何种功能意义。有观点认为，自发性BOLD活动可能反映的是离线可塑性和稳态调节过程，而非认知内容的在线波动。这一观点与以下观察结果一致：在麻醉状态下仍可观察到静息态功能连接（尽管其与解剖结构的关联性比清醒状态更为密切）。另有学者指出，在静息态功能磁共振成像（rsfMRI）数据采集过程中对主观心理体验的测量表明，持续的意识活动在静息态活动中发挥着重要作用。关于自发性BOLD活动功能意义的这一争议，可通过机制性研究方法加以解决，相关讨论详见“未来研究方向”部分。

静息态功能磁共振成像（rsfMRI）面临的最大方法学挑战之一，便是消除噪声伪影以揭示真实的神经信号。对rsfMRI尤为棘手的噪声来源包括头部运动以及心脏和呼吸信号等生理噪声。头部运动可能对时间信号信噪比产生非线性影响。噪声校正能够解释血管、脑脊液和灰质中功能连接的变异。噪声引起的变异程度在个体内部相似，但在不同个体间存在差异。消除噪声可提高功能连接差异的有效性，是预处理过程中分离血氧水平依赖（BOLD）信号的关键环节。然而，尽管已从数据中回归了运动估计值，运动伪影仍可能残留并导致rsfMRI数据时程变化。例如，通过在不同时间帧对大脑进行重新对齐来校正大脑位置偏移，但无法修正因磁共振信号干扰引起的信号强度变化。诸如运动回归和独立成分分析（ICA）分解等技术旨在消除虚假的运动信号，但仍无法完全消除所有伪影。这些伪影对rsfMRI具有显著影响：会导致短距离相关性增强而长距离相关性减弱。这些系统性但虚假的相关性会掩盖功能连接模式，并造成不同研究队列间的差异。其他被提出的消除此类运动干扰的技术包括：剔除噪声较高的时间帧（该操作也会改变相关性）、空间模糊处理以及时间带通滤波。迄今为止，尚无任何技术组合能够有效消除由头部运动和身体活动产生的噪声。头部运动及其他噪声源在不同受试者间表现并不一致，而相关校正措施可降低受试者间及受试者内的变异度，从而降低个体扫描结果的重测信度。针对靠近大血管的脑区进行校正技术同样能有效减少方差。

静息态功能磁共振成像（rsfMRI）面临的另一个挑战——这一问题同样普遍存在于功能性磁共振成像（fMRI）领域——在于不同采集方法之间的差异性。相关研究通常在1.5T、3T或7T磁共振扫描仪上进行，其重复时间从毫秒到秒不等。心率和呼吸对结果的影响会因重复时间的不同而有所差异。此外，对受试者的操作指令也各不相同：可能要求他们闭眼、保持睁眼状态，或注视扫描仪内的十字准线。扫描时长也从几分钟到一小时甚至更长不等，研究表明较长时长的扫描结果更为可靠。另外，目前rsfMRI数据的分析尚无统一标准，不同分析技术的可靠性存在差异，且往往需要人工判读，而人工判读容易出错。最后，大多数功能连接研究都基于大脑网络在个体内部及个体间具有稳定性和低变异性的假设。然而，研究发现静息态活动会因昼夜节律、睡眠时长等多种因素而发生变化。动态功能连接研究已成为理解这些随时间变化趋势的有效方法，但也伴随着一系列争议和挑战。总体而言，rsfMRI数据采集、预处理及后处理环节缺乏标准化是亟待解决的重要问题。

该领域面临的另一个相关挑战是结果报告的标准化。过去几十年间，rsfMRI研究的激增伴随着使用该方法识别的大规模脑网络命名规范的多样化。例如，在三种网络命名方案（扣带回-枕叶网络、显著性网络和腹侧注意网络）中，前岛叶皮层均被视为关键节点，但这些方案在空间拓扑结构和功能定位上仅存在部分重叠。尽管近期在大规模脑网络命名标准化方面已取得进展，但这一领域的若干重大挑战仍未得到解决。

一个重要的挑战在于获取功能磁共振成像（fMRI）数据的成本，这可能限制其广泛应用。此外，尽管由于认知需求较低，静息态功能磁共振成像（rsfMRI）数据采集通常比任务型fMRI数据采集更为可行，但对临床和儿科受试者而言，静止在扫描仪中仍可能构成挑战。观看影片已成为一种更易被某些个体（尤其是儿童和注意力缺陷患者）耐受的自然化研究范式。部分研究者还建议，在数据采集方案中整合内省观察和注释静息状态等设计，以增强数据的可控性和可解释性。综上所述，尽管rsfMRI具有诸多优势，但由于这些挑战的存在，目前它尚未被常规用于针对个体的临床决策制定。

研究人员一直难以利用静息态功能磁共振成像（rsfMRI）严谨地研究大脑与行为之间的关联。近期研究表明，要将认知和行为表型的个体差异与脑功能指标相关联的大脑整体关联研究，需要包含数千名受试者的样本才能确保结果的可重复性。这一领域在过去十年间发生了显著变化，研究重点日益聚焦于样本量问题。多变量分析方法（而非单变量分析）在大脑-行为关联研究中的应用日益广泛。多变量预测算法即使在样本量大幅减少的情况下（某些情况下仅需100名参与者）也能实现高度可重复的结果。这些研究强调，样本量的选择取决于所探究的大脑-行为关系的效应强度。另有学者提出，采用被试内设计可能是最大化统计功效的有效途径。另一种新兴观点认为，在针对特定临床人群（例如精神疾病患者）的研究中，采用基于疾病特征的任务（如听觉连续任务）更易观察到可重复的大脑-行为关联。

rsRMRI数据分析方法

目前开发用于分析静息态功能磁共振成像（rsfMRI）数据的方法可分为时域分析和频域分析两大类。时域分析可揭示特定时间序列中发生的变化，而频域分析则能反映同一时间段内事件发生的频率特征。这些分析方法还可进一步分为模型驱动型与数据驱动型，二者均涵盖时域和频域分析。模型驱动型方法适用于研究者对目标系统具有先验知识的情况；而数据驱动型方法则直接运用数学和统计算法处理数据，对系统的本质特征几乎不作假设。

基于种子点的相关性分析。基于种子点的相关性分析是一种简单且基于模型的功能连接分析方法。首先选定一个感兴趣区域（即“种子点”），将其时间序列与大脑中所有其他体素进行相关性分析，从而生成反映该种子点相关性的全脑功能连接图像。该方法的一个局限在于种子点的选择具有主观性，需要预先掌握神经解剖学知识，并可能引入实验偏差。尽管如此，基于种子点的相关性分析仍是界定特定神经回路的常用方法。

局部一致性。局部一致性分析是一种数据驱动的方法，它通过计算某个体素与其邻近体素之间的肯德尔一致性系数来评估互连性，从而得出局部连接性的度量指标。在大脑中，局部一致性值呈层级分布：负责感觉处理的脑区通常具有更高的同质性值。这一模式表明，局部一致性越高，意味着信息处理的复杂性越低，功能分区越明显。

独立成分分析。独立成分分析是一种数据驱动的方法，可用于识别大脑中统计上独立的空间-时间图像。该方法通常是对静息态功能磁共振成像（rsfMRI）数据进行探索性分析的首选方案。由此产生的成分所呈现的模式可被解释为独立成分网络（ICNs）。

主成分分析。主成分分析是一种用于数据降维的信号处理技术，可将大规模高维数据集降维为保留原始数据大部分变异性的成分。该方法的局限性在于要求成分之间具有正交性，且缺乏对各成分显著性的明确统计评估。独立成分分析（ICA）与主成分分析通常联合应用于数据降维和 ICN 识别。

图论。图论是数学中的一个研究领域，已被应用于网络神经科学领域。该方法旨在将大脑网络整合为一个复杂系统，并为研究这些复杂的拓扑网络提供了理论框架。图论有助于更深入地理解信息处理网络（ICNs）的局部与全局组织结构。多项研究利用图论证实，大脑具有“小世界”结构特征，即节点间具有高度局部连接性，且节点间的传输距离极短。

低频振幅（ALFF）。频域分析方法使研究人员能够解析信号的频谱特征。 ALFF 是通过对低频（0.01–0.10 Hz）BOLD信号的功率进行平均计算得出的。 ALFF 被认为能反映特定脑区自发性脑活动的强度。

时频域方法。单独使用时域或频域方法均难以准确表征功能性磁共振成像（fMRI）信号的动力学特征。小波变换和短时傅里叶变换等时频方法已被用于分析不同脑区之间的时域变异性及相位关系。

未来方向

跨物种研究和校准 fMRI

关于理解 rsfMRI信号功能意义的一些概念性问题需要能够深入探究产生这种活动的潜在神经生理机制的方法。这需要基础神经科学，出于伦理原因，必须在动物模型中进行。在啮齿动物和非人灵长类动物中，使用化学遗传学或光遗传学方法对神经活动进行因果操作，为理解在 fMRI 中观察到的功能连接的潜在机制提供了见解。最近的一项研究结合了清醒动物中同步基于钙的光纤光度测定和 rsfMRI，证明了钙信号与 BOLD 信号之间的强耦合，进一步表明一个脑区的钙信号与同一功能网络内其他分布节点的 BOLD 信号有关。这种同步采集 rsfMRI数据和钙记录的结合验证研究仅在啮齿动物模型中可能，但仍然是理解神经活动如何构成静息态 BOLD 信号基础的有效方法。

如前所述，精神疾病广泛地与默认网络和突显网络中节点的功能障碍相关。这些最初在人类大脑中发现的网络，现在也已使用 rsfMRI数据在大鼠中识别出来。由于啮齿动物可用作人类疾病的临床前模型，识别这些网络类似物可能有助于机制性地理解它们在人类中的典型和非典型功能。

对 rsfMRI日益增长的兴趣伴随着关于自发和诱发神经活动之间关系的激烈讨论。校准 fMRI——一种提供跨脑区跟踪神经元放电的氧使用图的方法——提供了一种定量测量代谢变化的手段。人类校准 fMRI 研究表明，刺激诱发的脑活动变化依赖于静息基线活动的大小，引起了人们对自发和诱发活动之间相互作用的关注。许多将 LFP、多单元活动、BOLD 和脑血容量联系起来的验证研究已在啮齿动物中进行，为使用校准 fMRI 在人类中进行定量神经影像学奠定了基础。

功能性磁共振成像（fMRI）信号不仅间接反映了神经元活动，还包含了神经血管动力学及固有解剖差异等生理变异因素。这些因素可能给血氧水平依赖（BOLD）激活结果带来额外的变异性，尤其是在涉及年龄跨度较大的研究群体中。生理失真的一个重要来源源于不同脑区间神经血管耦合的区域性差异。这种神经血管耦合的变异性会降低BOLD激活的振幅，并扭曲激活图的空间准确性。在缺乏神经元输入的情况下，一种估算血管活动的方法利用高碳酸血症引起的血管扰动——这种扰动可模拟神经活动产生的血管反应。这些估算值随后可作为数据分析中的缩放因子，用于分离任务相关的神经活动，从而最大限度地减少非神经元因素的影响。该方法利用呼吸的自然变异，通过测量其对BOLD信号的影响，来降低脑区内及个体间由血管因素引起的变异。

这些方法对于提高 fMRI 研究中神经活动估计的精度至关重要。

全脑计算建模

计算神经科学以物理学为基础，是一个利用模拟数据来理解大脑功能背后生物物理原理的子领域。要深入理解经验性静息态功能磁共振成像（rsfMRI）的研究结果，全脑计算建模是一个重要工具——它能够识别模型中关键的动力学特征，从而通过整合连接网络（ICNs）来解析rsfMRI信号背后的机制。这些模型可模拟包含大规模皮层结构模型的网络，其中整合了关于潜在结构连接性、信号传输导致的时间延迟以及局部脑区动态变化的已知信息。基于这些模型的应用，一些研究者认为这些网络反映了大脑所具备的认知架构体系，或探索了认知功能实现的可能性边界。模拟fMRI数据也非常适用于验证关于特定类型伪迹信号（例如与头部运动相关的信号）对rsfMRI数据影响的假设。

全脑计算模型提供了系统扰动输入和测量扰动功能后果的可能性，从而能够更深入地理解健康和疾病中的脑功能。这些模型具有重要的临床应用，因为它们可用于开发机制性生物标志物并为新的治疗干预提供信息。Virtual Brain 是一个用于模拟个性化脑网络模型的开源平台。此研究看到了 rsfMRI研究的一个令人兴奋的潜在未来方向，即充分利用这些类型的资源，在因果机制水平上理解脑疾病。

机器学习与精准精神病学

机器学习目前正被用于 rsfMRI研究中，以识别跨时空尺度的主要变异模式。无监督机器学习应用可用于根据功能连接模式对不同人群或表型进行分组。例如，rsfMRI衍生的指标可用作特征，以揭示异质性临床人群中的数据类型亚型。有监督机器学习可用于预测与大脑发育和衰老、神经精神疾病和认知能力相关的结局。由于大型rsfMRI数据集的日益丰富，针对常见神经精神疾病脑源性生物标志物的探索正快速推进，但该领域仍面临临床异质性及方法学标准化等挑战。

精准精神病学是医学领域的一种新兴研究方向，它通过分析个体特征来最大化治疗与干预措施的有效性，通常依赖机器学习方法（图4）。该领域未来发展的主要挑战在于：当前机器学习方法中存在的系统性算法偏差往往过度针对主流人群进行优化，导致难以推广至少数群体。一项研究表明，基于白人受试者rsfMRI数据构建的预测模型，在用于预测黑人受试者表型时表现不佳。当前亟需更全面地理解社会人口学因素（如受试者的种族、民族、性别和收入）在人群多样性特征对心理健康表型预测中的作用。深化对神经影像学泛化失败现象的全面认知及其影响，是实现公平精准精神病学服务全球多元化人群的关键范式转变。现有机器学习模型的可重复性、泛化能力及临床实用性鲜少在多样化人群中得到验证。因此，由于预测模型存在针对少数群体的偏差以及对主流人群的过度拟合，当前精准精神病学研究的成效相对有限。要实现针对个体量身定制的模型预测，就必须构建能够充分考虑个体间广泛差异的预测建模方案。这对于推进全球心理健康事业至关重要，尤其是在中低收入国家——这些地区的民众正面临快速城市化和环境困境带来的不成比例挑战。只有开展细致入微、充分考量这些不平等现象的研究，才能负责任地运用群体神经科学数据，避免进一步加剧边缘化群体的不利处境；这也将成为该领域未来发展的关键方向。

除了专注于收集大规模、多样化受试者的数据外，相关研究还致力于从单个受试者身上获取大量神经影像数据（多个样本）。密集采样的个体神经影像数据已被用于更精确地绘制功能性脑网络图谱、更好地表征个体差异，并探索心理过程的动态变化。在临床人群中，密集采样设计为理解精神疾病的神经机制及开发个性化治疗方案提供了重要途径。例如，来自单个个体的高精度功能映射数据现已应用于指导针对难治性抑郁症的靶向经颅磁刺激（TMS）治疗。神经刺激领域的关键目标之一，是利用静息态功能磁共振成像（rsfMRI）数据识别异常的脑网络特征，从而通过个性化神经调控方法进行干预。更广泛而言，基于功能连接的神经调控技术有望通过干预特定脑回路来治疗神经精神疾病。然而，在个性化神经调控成为成熟的临床工具之前，仍有许多工作亟待完成。

静息态功能磁共振成像（rsfMRI）领域的持续目标是基于内在功能连接对大脑皮层进行分区。目前基于rsfMRI的大脑图谱已得到开发，使研究人员能够根据功能和解剖学标准界定脑区。这些工具需要相应的框架来实现不同研究中分区结果的比较与评估。近期开发的“网络对应工具箱”旨在量化不同分区方案之间的脑网络对应关系，有望促进未来分区方案的统一化。这些进展将推动该领域进一步实现标准化。

过去三十年间，静息态功能磁共振成像（rsfMRI）已从一种新兴的神经影像技术发展成为现代神经科学领域的核心工具。rsfMRI的广泛适用性推动了群体神经科学的发展，并促进了神经影像数据的广泛共享。最初被视为干扰性噪声的rsfMRI信号，已被证实可用于构建精确的大脑网络图谱，有助于深入研究个体差异，并为脑部疾病提供新的见解。未来，rsfMRI将继续作为无创神经影像技术不断发展，有望揭示大脑功能的机制原理，从而提升临床诊疗水平。

参考文献：Biswal BB, Uddin LQ. The history and future of resting-state functional magnetic resonance imaging. Nature. 2025;641(8065):1121-1131. doi:10.1038/s41586-025-08953-9

解读：脑海科技