导读

DTI和BOLD功能性MRI技术存在多种不同类型的伪影。这些伪影可能与技术有关，如特定脑区的敏感性伪影或振动和涡流伪影，但它们也可能与生理学有关。在功能活跃区域附近观察到的引流静脉激活或流动伪影就是这种生理诱导的伪影。在临床fMRI中也存在一些具体的问题。这些可能是病理性诱导的病变附近大脑激活的减少或缺失，这可能导致对生成的fMRI信号图的错误解释。扫描过程中的头动或缺乏合作也不利于DTI采集。fMRI/DTI方案的成功率显然与技术人员识别和处理这些技术、生理和被试引起的伪影的能力有关。

前言

FMRI和DTI技术存在多种不同类型的伪影。其中一些伪影是技术造成的(例如，EPI图像中的尖峰)，其他可能与生理有关(例如，与心脏相关的生理脑运动)或两者的结合(例如，多波段/超波段采集中的磁敏感伪影)。最后，还有病理性诱发的伪影，这可能导致对结果的错误解度。临床BOLD fMRI目前主要在3T的场强下进行，是一种相当不敏感的技术，因为神经元活动引起的信号强度变化通常只有百分之几，即噪声大小。因此，许多伪影与fMRI较低的噪声对比度有关。另一方面，DTI采集技术对与硬件相关的不稳定性和涡流也非常敏感，并且信噪比非常低。但是有一些技巧和窍门可以检测和最小化这些伪影，并在fMRI中区分真实和虚假的大脑激活，以及真正的病理白质结构变化和伪影。

活动态和静息态BOLD信号相关的伪影

大脑激活和脑血管生理学之间的神经血管耦合导致了三种影响fMRI信号的效应：区域血流速度(rCBF)、区域血容量(rCBV)和局部血氧水平的增加。目前使用最广泛的fMRI技术被称为“血氧水平依赖(BOLD)fMRI”。

所有从神经元活动的血流动力学变化推断任务驱动或静息态改变的成像模式都生成了通过“血管过滤器”的功能图。这意味着，检测神经元激活后功能变化的成像模式的区域敏感性取决于血管基线状态以及激活神经元簇内和周围的血管密度。由于BOLD技术的对比机制利用了脱氧血红蛋白浓度的变化，所以这也适用于fMRI实验。因此，在BOLD图像中观察到的信号变化区域比实际激活区域更大，并且可以相对于实际激活区域进行位移。BOLD机制的这些内在效应限制了fMRI的时间和空间分辨率，与采集协议无关。

从fMRI获得的激活区域的空间特异性以及与神经元(电)活动位点相关的激活位置的准确性已被证明取决于采集技术。有研究者提出了这样的担忧，即在较低场强下进行的BOLDfMRI检查可能主要检测到大静脉，而这些大静脉不一定直接位于激活脑区附近。为了识别静脉从激活区域排出过量血液而产生的BOLD信号，可以使用以下原则：从引流静脉观察到的激活点大多很小，在几个相邻的层上是连续的，并沿静脉路径穿过不同层的管状激活点。另一方面，激活的功能性脑组织往往更多地出现在脑实质内。

通过将fMRI激活图或rsfMRI网络图与T1加权对比增强图像共同配准，就有可能检查后者的位置以及与Bold簇的任何可能重叠。此外，共配准静脉MR血管造影或SWI静脉图有助于区分静脉内信号变化和脑实质激活。此外，在分析信号时程时，还可以区分来自激活实质的信号与来自引流静脉的信号之间的差异。由于引流静脉由激活的脑区的小静脉和小动脉供血，因此其信号变化比脑实质的信号变化要延迟一些。这反映在引流静脉MR信号时程中较晚开始的对比变化。

脑病变对BOLD fMRI信号的影响

临床功能性MRI的一个重要方面是了解明显但未检测到的BOLD激活、减少或伪影情况。在这里，重要的是要知道BOLD信号的缺失或减少是否也反映了神经元激活的缺失或减少，以及在过渡灌注组织或血流动力学特性改变区域(例如AVMs)中的BOLD信号是否代表真正的功能性神经元激活。到目前为止，关于这些问题及其普遍性的知识非常有限。

不同的病理状态会减弱血流动力学反应，而血流动力学反应是任何BOLDfMRI信号的来源。脑肿瘤血管通常缺乏自动调节功能。其血管系统比周围正常组织的反应性低。颅内占位性病变可使生理状况发生变化，可能诱导病变附近组织中的病理性血管增生，从而改变血管的密度、大小和形态，使得血容量增加。病变本身的占位效应和瘤周水肿可改变表观扩散系数，从而引起血管机械性压迫。然而，如果在肿瘤附近的脑组织中，大脑自动调节血液流动的能力完全丧失，那么该区域可能对神经活动增加和相应的血流量增加以及随后的BOLD信号没有反应。神经胶质瘤及其周围的生化环境和皮层神经递质水平可能会发生改变。同样，给患者服用的治疗药物也可能与血流动力学自动调节相互作用。

脑病变对DTI结果的影响

脑部病变会影响原有的DTI图像以及由此产生的分数各向异性(FA)图，并最终影响纤维束示踪成像。神经退行性疾病和脱髓鞘疾病会使观察到的局部FA值降低，如肌萎缩侧索硬化症、多发性硬化症和阿尔茨海默症。同样，脑卒中患者的白质FA也会发生局部变化。血管性水肿会降低局部纤维密度，从而降低测量的FA值，进而影响纤维示踪算法在各自病变周围重建的纤维数量。肿瘤组织还可以通过减少完整轴突的数量来破坏白质纤维。脑肿瘤放射治疗也会引起白质微结构损伤，从而导致大脑半球间的FA发生变化。

由于病变的占位效应导致的解剖结构失真，使得很难将ROI追踪定位在确保可靠和可重复的纤维示踪所需的正确位置。解决这一问题的方法之一是使用fMRI激活区域作为纤维束成像的种子ROI，从而使用功能信息来更好地了解结构状态及其变化。

相关伪影和生理噪声

流动和脉冲伪影

血流伪影是由于垂直于成像层的血液脉动进出而产生的，从而导致不同层的信号发生变化。在1.5T时，这些伪影在AVMs等病理性血流条件下尤其明显。然而，使用的磁场强度越高(3T及以上)，流动和脉冲伪影变得更加突出。图1显示了在3T fMRI实验中获得的脉冲伪影，没有任何特定的大脑激活，并且可以看到几个管状区域，信号强度呈正弦形状。rsfMRI数据对这些伪影也非常敏感，因为这些正弦信号时间轨迹在时间上非常类似于构成各自功能网络的不同区域的真实同步大脑激活。

图1.脉冲伪影示例。

大幅头动伪影

通常在fMRI图像中观察到的小强度变化很容易受到各种源的污染。在临床fMRI中，信号伪影的主要来源是采集功能数据时的剧烈头部运动。此外，信号伪影还来自心脏和脑脊液搏动时的生理性脑运动。然而，临床fMRI检查失败的主要原因是头部运动，有研究表明约15%的临床检查失败是由头动伪影造成的。

被试运动及其对fMRI时间序列采集的影响可分为两类：图像内运动，通常是非常快速和突然的动作(即，在小于图像采集时间的时间尺度上)，以及图像间运动，通常在几秒到几分钟之间，反映了被试的缓慢运动(即，在大于采集单个图像volume所需的时间尺度上)。这两类运动对采集的图像和功能图特性具有不同的影响。在基于GE的采集序列中，通常由突然的头动引起的图像内运动会导致“模糊”和“鬼影”，而在单发回波平面成像中则较少出现，在单发回波平面成像中，图像的所有数据都在不到100ms的时间内收集完毕。然而如果存在伪影，这种突然的运动会对EPI图像产生以下影响：如果运动非常快(＜100ms)，它仍然会在采集volume的多个时间层中引起鬼影。较慢、较持久的运动也可以改变图像对比度，这尤其适用于垂直于采集平面的运动。后者会导致不同volume中采集相同时间层的表观重复时间发生变化(图2)，从而改变不同时间层组织的T1加权，从而改变组织的信号强度。

图2.被试不同时间点(TR=3s)的fMRI序列。

在静息态fMRI中，与运动相关的混淆可能更加麻烦。运动伪影对静息BOLD信号的影响不同，并且会在很大程度上影响连接测量。

即使是＜0.5mm的细微运动伪影也会引起特定的偏差，增加短距离连接，同时减少长距离连接，这可能会导致某些患者群体之间的组间差异，这些患者组通常比健康对照组的运动更多。另一方面，采集过程中较大的头部运动也可以增加长距离连接。

大于图像采集时间的时间尺度上的运动会导致时间序列内图像的错误配准，并使激活焦点无法检测到，或者更糟糕的是，当运动与刺激在时间上相关时，会诱发伪影激活(图3)。这尤其会对那些显示陡峭图像强度梯度的脑区产生影响，这些区域特别容易出现这些伪影。这种图像间运动的影响在临床检查中尤其成问题。Hill等人(2000)的结果表明，与健康被试相比，癫痫患者的头部运动更普遍，振幅更大。

图3.模拟不同激活状态下的头部运动及其对减法图中观察到的激活的影响。在没有引入运动的第一行图中，只识别出真正的激活区域；而在第二行图中，两幅图像之间引入了运动，可以看到在减法图中出现了一圈假激活的边缘。

①最小化和校正运动伪影

一些研究人员已经提出了几种解决方案来校正或最小化图像间的运动伪影。采集阶段的头部运动可以通过模具和绑带进行固定。使用“咬杆”(图4)(一种定制的牙模固定装置)限制被试在成像时的头部运动——提供了一种高度刚性的固定装置，但只能用于有限数量的患者。因为并非所有患者都能忍受这种固定装置。此外，根据安全预防措施，该装置无法用于那些在成像过程中有癫痫发作风险的患者。

图4.在fMRI实验中，用于最小化患者头部运动的定制咬杆系统。

另一种解决方案是在数据后处理过程中使用运动校正算法，目前大多数fMRI分析软件工具都集成了运动校正算法。运动校正通常是将数据序列中连续采集的图像与第一幅图像(或时间序列中的任意其他图像)进行刚性重对齐来实现的。如果患者的运动频率与所应用的刺激范式的频率无关，则这种重新对齐后处理可以成功地将患者本身引起的运动与真正的激活分离开来(图5)。

图5.被试运动对生成的fMRI激活图的影响(a)，以及运动校正(b)对生成的fMRI激活图中观察到的真实和虚假运动诱发激活的影响。

患者运动问题可以通过多种不同的方法来进一步减少。首先，可以优化刺激范式以最小化头部运动。其次，静息态fMRI不受基于任务的患者运动的影响，因为没有执行活动任务。此外，自适应的采集序列可以改变获取的EPI volume的位置，以便前瞻性地适应被试的运动。为此，必须在线计算被试在两个连续采集的volume之间的运动，这可以在图像本身上完成，也可以通过使用激光制导或单独的摄像机计算外部标记的位置来完成。这些信息可用于预测下一次(第三次)采集的头部位置。因此，与fMRI后处理软件工具中使用的回顾性运动校正技术相比，该技术使用前瞻性运动校正算法。当扫描平面适应运动时，T1加权时间层效应也会减弱。

如果运动伪影仍然存在于最终的BOLD激活图中，那么大多数软件包都可以选择将预处理步骤中计算的运动参数纳入功能激活的统计计算(例如，使用一般线性模型(GLM))中。在此过程中，与这些运动参数相关的体素内的信号变化将反映在这种对比中，从而减少了刺激范式感兴趣的其他条件下运动诱发信号变化的影响。虽然这将有效地消除运动引起的假阳性激活，但同时也会消除或减少归因于运动的真实激活。

②如何区分真实激活和运动诱发的假阳性激活

如果在图像采集和数据处理过程中无法完全消除运动，则需要在激活图中识别运动伪影。本段提供了一些实用技巧来区分运动诱发的“假阳性激活”和BOLD信号的“真实激活”。运动诱发的“假阳性激活”多位于不同结构的边缘，信号强度梯度较大。BOLD血流动力学反应曲线一般在刺激开始后4s上升，并在6-8s后达到最大值。如果运动遵循范式，则运动的开始将与范式的开始同时进行。与动作相关的信号变化会随动作立即发生变化。因此，与运动相关的“假阳性激活”的时间分布将在时间上与block设计的不同条件相吻合，并且将先于生理延迟的血流动力学反应发生，后者反映了“真实激活”的时间分布(与刺激开始时相比，通常有大约2-4s的延迟)。与生理BOLD信号变化相比，与运动相关的信号变化往往表现出更高的信号强度变化(图6)。

图6.运动(左)和不运动(右)状态下的fMRI激活图。

DTI中的运动伪影

通常，DTI扫描需要5-20min才能获取整个脑容量数据集。在此扫描期间，被试的运动会在不同的扩散编码图像上产生运动伪影。这些伪影根据被试运动的幅度和速度而有所不同。在5-20min的扫描过程中发生的轻微移动将导致不同扩散加权图像的错位。在DTI数据集的后处理步骤中，需要对不同的volume进行配准，例如b0图像，但需要注意的是，所应用的扩散梯度的方向信息也应根据图像的方向进行旋转。大而快速的运动将导致较大的信号丢失和交错伪影(图7)。如果这些伪影没有被识别出来，则会干扰生成的DTI图像。有不同的软件解决方案可以跟踪这些信号丢失，并将其从进一步的数据分析中剔除。

图7.运动损坏扩散加权图像的示例。

另一个与患者运动有关但由扩散梯度本身引起的问题是所谓的振动伪影，通常表现为顶叶内侧大面积的信号丢失(图8)。强烈的扩散梯度会引起MR系统的低频振动，从而导致扫描床的振动，这种振动将转化为患者的头部运动，与施加的扩散梯度同步。据观察，当扩散梯度的左右分量(X梯度)较大时，该伪影最大。目前已经提出了不同的解决方案来避免这种伪影。扫描床与MR系统的分离可以使被试的运动同步性降低，从而降低伪影。完整的k空间采集或连续扫描之间较长的TR也可以减少这种现象。最后，可以结合采集和后处理方法来消除此类伪影。

图8.振动伪影示意图。

在任务态fMRI检查期间，被试的合作非常重要。图9显示了在视网膜定位视觉实验中，注视和非注视被试之间激活图的差异。在认知和语言任务中，可以在范式中实现间接控制。认知范式可以设计成被试必须通过按下按钮来做出反应的方式。这些反应可以在扫描过程中记录下来，并在扫描后进行控制以确保其正确性。静息态fMRI检查同样需要被试的合作，例如，“睁眼”和“闭眼”扫描之间的大脑激活同步模式已被证明存在较大差异。

图9.被试在fMRI检查中不配合时的影响。

技术相关伪影

BOLD fMRI和DTI的磁敏感伪影

几乎所有BOLD fMRI采集和DTI采集均采用多层单次激发EPI采集序列进行。这些技术具有非常高的时间分辨率，并且对BOLD效应非常敏感，其表现为激活区域的敏感性变化。但这些单次激发的EPI序列也因其高T2*加权和高磁敏感性而受到失真和磁敏感伪影的影响。在大多数fMRI研究中，这些缺点并不那么重要，也无法衡量EPI技术在检测和定位大脑激活方面的巨大优势。在患者中，这种效应也可以在某些类型的病变附近观察到，这些病变与周围脑组织之间的磁敏感差异较大。随着使用更高静磁场强度的趋势，这种局部信号丢失和图像失真的影响更加明显。对于临床fMRI来说，无论是寻找眶额叶皮层激活区域(如味觉和嗅觉相关区域，情绪处理)还是前颞叶皮层(负责物体识别的区域)激活区域，这些伪影都是一个难题。

多波段伪影

近年来，同时多层采集技术的发展使EPI volume的采集速度提高了2-12倍，并显著提高了BOLD fMRI和DWI采集的时间或空间分辨率，为所有类型的fMRI和DWI采集提供了快速发展的可能性。然而，这些技术也在BOLD fMRI和DTI扫描中引入了一种新型的多波段相关伪影，其表现为从某个时间层到另一个同时激发/采集的时间层的信号重叠。原因是很难正确地分离同时采集的层。

在多波段采集中，另一个更突出的伪影是并行成像伪影，由于数据的部分SENSE展开失败，信号在时间层内重复。这些伪影在EPI图像中使用较高的多波段加速因子(大于2)时更容易发生，因为同时采集的层之间的距离较小，伪影在空气组织边界附近也更容易出现(图10)，并且还可能导致BOLD fMRI扫描不同的非相邻同时采集层区域的假阳性激活。这些伪影可以通过使用适当的重建技术来消除，例如使用适当的加速度值(图10)和使用高阶局部匀场来增加局部磁场的均匀性。

图10.多波段SENSE因子分别为2、4、6、8，平面内SENSE因子为2时，轴向BOLD fMRI EPI图像中较高的加速因子显示出伪影。

EPI序列对尖峰的敏感性

MR图像中的尖峰是由外部干扰引起的，并且可以在受影响的图像中产生较大的信号变化。如果你怀疑fMRI的时间序列中包含尖峰，则必须仔细分析激活区域的信号时间进程，因为尖峰通常会影响信号，并且在原始图像中也很容易观察到。在DTI图像中，尖峰也可能是伪影的主要来源。如果假设存在尖峰，则应检查所有单独的b向量图像，并通过后处理软件从DTI分析中删除包含尖峰的图像volume。为了消除图像中的尖峰，应该检查法拉第笼，如果法拉第笼在图像采集过程中是关闭的且完好无损的，那么打开门进行扫描是很麻烦的(图11：在fMRI扫描期间打开法拉第笼门的效果)。因此，建议关闭不必要的电子设备，或者更好的是将它们从扫描室中移除。

图11.(a)在fMRI扫描期间打开法拉第笼门出现的尖峰。(b)尖峰引起的信号变化约为20%，远高于运动任务引起的信号变化(红圈)。

DTI中的涡流失真

当MR梯度脉冲接通时，这将导致MRI扫描仪的导电部分(梯度线圈，RF线圈，垫片等)产生电流感应，称为涡流。这些涡流反过来会产生磁场梯度，这种磁场梯度可能比施加的初级梯度持续更长的时间。当使用快速序列或强梯度时，这些涡流会诱发额外的梯度场，这将使图像中的位置编码错误，从而导致图像失真。虽然BOLD fMRI扫描也会受到涡流的影响，但对生成的DTI图像质量的影响会大得多。在DTI中，对于b向量的每个方向，不同的梯度和强度被开启和关闭，导致b向量的每个方向可能产生不同的涡流伪影。涡流伪影主要表现为图像的单向收缩、图像移位和剪切等图像失真。通过优化调整和校准梯度设置以抵消和最小化感应电流，以及使用专门设计的自屏蔽梯度(现代MRI扫描仪的标准)，可以减少涡流。

统计后处理“伪影”

在fMRI实验中生成功能激活图需要对大脑中每个体素进行独立的统计分析。检验每个体素的假设是基于任务与基线条件相比没有影响的假设，因为统计分析意味着要决定此零假设是真还是假。I型错误构成假阳性，即判断体素在感兴趣的条件下显示出激活的差异，而实际上并非如此。II型错误代表假阴性，即假设在这个体素上没有激活，而实际上有激活。

在基础神经科学研究中，统计分析本质上是为了防止假阳性。由于fMRI测量结果本身上就有噪声，这总是会导致相对较高的假阴性。对于临床fMRI应用，必须考虑假阳性或假阴性是否会对患者产生更有害的后果。例如，在切除病理性脑区的术前计划中，假阳性(I型错误)可能会导致脑部病变的不完全切除。相反，假阴性(II型错误)可能会使医生倾向于切除过多组织，可能导致不可逆转的功能缺陷。因此，临床fMRI数据应不同于基础神经科学数据进行分析。需要更多的研究来发现一种新的临床fMRI分析方法，该方法可以评估I型和II型错误。例如，可以对每个未达到显著性的体素进行测试，以确定如果该体素中的信噪比较高，那么一定幅度(例如0.5%MR信号变化)的fMRI响应是否会达到显著性。

参考文献（上下滑动查看）：

Agarwal S, Sair HI, Yahyavi-Firouz-Abadi N, Airan R, Pillai JJ (2016) Neurovascular uncoupling in resting state fMRI demonstrated in patients with primary brain gliomas. J Magn Reson Imaging 43:620–626. https://doi.org/10.1002/jmri.25012

Hill D, Smith A, Simmons A, Maurer C Jr, Cox TC, Elwes R, Brammer M, Hawkes DJ, Polkey CE (2000) Sources of error in comparing functional magnetic resonance imaging and invasive electrophysiological recordings. J Neurosurg 93:214–223.

Aliotta E, Moulin K, Ennis DB (2018) Eddy current–nulled convex optimized diffusion encoding (EN-CODE) for distortion-free diffusion tensor imaging with short echo times. Magn Reson Med 79:663–672. https://doi.org/10.1002/mrm.26709

Caballero-Gaudes C, Reynolds RC (2017) Methods for cleaning the BOLD fMRI signal. NeuroImage 154:128–149. https://doi.org/10.1016/j.neuroimage.2016.12.018

Desmond JE, Annabel Chen SH (2002) Ethical issues in the clinical application of fMRI: factors affecting the validity and interpretation of activations. Brain Cogn

50:482–497

Gallichan D, Scholz J, Bartsch A, Behrens TE, Robson MD, Miller KL (2010) Addressing a systematic vibration artifact in diffusion-weighted MRI. Hum Brain Mapp 31:193–202. https://doi.org/10.1002/hbm.20856

Kalra S, Müller H-P, Ishaque A, Zinman L, Korngut L, Genge A, Beaulieu C, Frayne R, Graham S, Kassubek J (2020) A prospective harmonized multicentre DTI study of cerebral white matter degeneration in ALS. Neurology. https://doi.org/10.1212/WNL.0000000000010235

Koopmans PJ, Yacoub E (2019) Strategies and prospects for cortical depth dependent T2 and T2* weighted BOLD fMRI studies. NeuroImage 197:668–676. https://doi.org/10.1016/j.neuroimage.2019.03.024