腦影像已邁入大數據時(shí)代，這意味著(zhù)需要進(jìn)行多中心腦影像大數據合作研究，而有效地去除站點(diǎn)效應以實(shí)現多中心數據標準化融合，是其中關(guān)鍵一步。近日，中國科學(xué)院行為科學(xué)重點(diǎn)實(shí)驗室嚴超贛研究組的研究人員針對靜息態(tài)功能磁共振成像（resting-state functional magnetic resonance imaging, R-fMRI）數據融合的站點(diǎn)效應問(wèn)題，進(jìn)行了全面的評估，并提出了一套有效地去站點(diǎn)效應的標準化推薦方案。

　　在多個(gè)數據集中，研究人員對各種R-fMRI指標的去站點(diǎn)效應策略進(jìn)行了全面評估，包括測試殘留站點(diǎn)效應、個(gè)體識別能力、重測信度、統計結果的可重復性，以及站點(diǎn)和性別完全混淆情境下的表現。在個(gè)體識別能力（即在不同站點(diǎn)掃描的R-fMRI數據中，是否能識別出同一受試者）上，研究發(fā)現，雖然大多數方法都減少了站點(diǎn)效應，但是基于子采樣最大平均距離的分布偏移校正算法（Subsampling Maximum-mean-distance based distribution shift correction Algorithm, SMA）和基于參數的未校正的CovBat在個(gè)體識別能力（聚類(lèi)準確性）方面優(yōu)于線(xiàn)性回歸模型、線(xiàn)性混合模型、ComBat系列和不變條件變分自編碼器(ICVAE)。在重測信度方面，SMA和基于參數的校正的CovBat優(yōu)于未校正的ComBat系列和基于參數的未校正的CovBat。同時(shí)，SMA在Dice系數和大腦性別差異的可重復性方面優(yōu)于后者。此外，SMA在站點(diǎn)和性別完全混淆情境下能更好地檢測到ALFF的可重復的性別差異。為了優(yōu)化SMA的識別能力、重測信度和穩定性，研究人員設計了實(shí)驗來(lái)確定最佳目標站點(diǎn)特征。他們注意到目標站點(diǎn)的樣本量和分布都很重要，并提出了一種啟發(fā)式公式來(lái)選擇目標站點(diǎn)。

圖1 研究框架和數據

　　(A) 評價(jià)框架。研究者從三個(gè)數據集——TSP-3、CoRR 和 FCP（步驟 1）中提取了五個(gè)廣泛使用的 R-fMRI 指標。然后分別用 11 種方法去除它們的站點(diǎn)效應（步驟 2）。研究者從五個(gè)角度評估這些方法：殘留站點(diǎn)效應(均值、方差和協(xié)方差)、個(gè)體可識別性、重測可靠性、可復制性以及站點(diǎn)和性別完全混淆的極端情況（步驟 3）。 (B) 這項工作中使用的數據集的人口統計信息。這包括數據集和站點(diǎn)名稱(chēng)、年齡分布以及每個(gè)站點(diǎn)的女性和男性數量。 (C) 詳細評估過(guò)程。每個(gè)數據集都對殘留站點(diǎn)效應進(jìn)行檢測。對在三個(gè)站點(diǎn)旅行的 41 名受試者進(jìn)行了個(gè)體層面的鑒定。研究者使用分層聚類(lèi)對 123 張圖像進(jìn)行聚類(lèi)，通過(guò)聚類(lèi)正確率評估屬于每個(gè)被試的 3 張圖像在校正后是否可以正確地分組在一起（第一行）。性別（男性與女性）的組水平統計分析：重復掃描 CoRR（重測信度，第二行）和 CoRR 和 FCP（可復制性，第三行）之間的Dice系數，以及站點(diǎn)和性別完全混淆（第四行）

　　基于以上研究結果，研究團隊推薦了基于SMA的腦影像多中心大數據去站點(diǎn)效應標準化推薦方案。這項工作還將為繼續改進(jìn)和創(chuàng )新腦影像大數據的標準化方法提供有力支持，有助于進(jìn)一步提高多中心神經(jīng)影像研究的準確性和可靠性。研究團隊已經(jīng)將所有數據開(kāi)源在心理科學(xué)數據銀行，代碼開(kāi)源在github，并將在下一個(gè)版本的DPABI中發(fā)布DPABI Harmonization多中心數據去站點(diǎn)效應模塊，將提供包含SMA、ComBat，CovBat和其他方法的用戶(hù)友好操作平臺，以此推動(dòng)領(lǐng)域對該方法的使用和檢驗。

圖2 研究主要結果

（左上角）個(gè)體識別正確率：SMA和ComBat、CovBat方法兩兩進(jìn)行統計檢驗。標紅數字表示SMA校正后的個(gè)體識別正確率顯著(zhù)高于該方法校正后的個(gè)體識別正確率，紫色反之。（右側）性別統計結果的重測信度和可重復性：對SMA和其他方法進(jìn)行統計比較，紅色標注出的方法在量化的評估指標上顯著(zhù)低于SMA，黑色則表示無(wú)統計學(xué)差異。（左下角）性別和站點(diǎn)完全混淆的極端情況：研究者比較了來(lái)自 FCP-Cambridge 的 74 名男性和來(lái)自 FCP-Beijing 的 106 名女性的 ALFF 性別差異，CoRR-SWU站點(diǎn)的重測數據協(xié)助ComBat、CovBat 和 SMA 方法進(jìn)行校正。前兩列對應CoRR-SWU兩次重測數據分別協(xié)助校正后的性別統計差異，第三列是前兩列重疊的結果，將第三列結果與可復制的性別統計差異（右下角，深綠色框）結果進(jìn)行對比。同時(shí)給出了CoRR-SWU兩次重測數據性別差異的可復現結果（左下角，亮綠色框）

　　研究團隊表示，隨著(zhù)大數據神經(jīng)影像技術(shù)的飛速發(fā)展，去站點(diǎn)效應標準化方案將在基礎研究和臨床應用研究中發(fā)揮關(guān)鍵作用。該方法能夠提高跨站點(diǎn)神經(jīng)影像數據的整合能力，從而為研究者提供更加豐富和準確的大數據資源。這將有助于揭示大腦功能的更多秘密，為神經(jīng)科學(xué)和心理學(xué)的進(jìn)一步發(fā)展提供有力支持。未來(lái)，研究人員將繼續關(guān)注去站點(diǎn)效應標準化方案在其他神經(jīng)影像技術(shù)領(lǐng)域的應用，如結構磁共振成像、彌散張量成像等，并探索其在腦影像大數據深度學(xué)習中的優(yōu)化策略?？傊?，心理所研發(fā)的腦影像多中心大數據去站點(diǎn)效應標準化推薦方案為神經(jīng)影像領(lǐng)域帶來(lái)了創(chuàng )新性的解決方案，將為多中心大數據研究提供有力支持，有助于解鎖更多關(guān)于大腦功能和心理學(xué)的奧秘。

　　此研究已在線(xiàn)發(fā)表于神經(jīng)影像學(xué)期刊NeuroImage，同時(shí)該工作被2023年國際人腦圖譜學(xué)會(huì )年會(huì )（OHBM）遴選為口頭報告。第一作者是心理所博士生王瑀薇，通訊作者為嚴超贛研究員。

　　該項目受到科技創(chuàng )新2030-腦科學(xué)與類(lèi)腦研究重大項目（2021ZD0200600）、國家重點(diǎn)研發(fā)計劃（2017YFC1309902）、國家自然科學(xué)基金（82122035、81671774、81630031）、中國科學(xué)院十三五信息化規劃（XXH13505）、中國科學(xué)院重點(diǎn)研究計劃（ZDBS-SSW-JSC006），北京市科技新星計劃（Z191100001119104），以及中國科學(xué)院心理研究所科學(xué)基金（E2CX4425YZ）的資助。

　　論文信息：

　　Wang, Y.W., Chen, X., Yan, C.G. (2023). Comprehensive evaluation of harmonization on functional brain imaging for multisite data-fusion. Neuroimage, 120089, doi:10.1016/j.neuroimage.2023.120089.