A method to determine the necessity for global signal regression in resting-state fMRI studies.
A method to determine the necessity for global signal regression in resting-state fMRI studies.
复制标题
DOI：
10.1002/mrm.24201
复制
发表时间：
2012-12
影响因子：
3.3
通讯作者：
Li, Shi-Jiang
中科院分区：
文献类型：
--
作者：
Chen, Gang;Chen, Guangyu;Xie, Chunming;Ward, B. Douglas;Li, Wenjun;Antuono, Piero;Li, Shi-Jiang
在静息态功能性MRI（R-fMRI）研究中，全局信号（操作上定义为R-fMRI时间过程的全局平均值）通常被认为是一种干扰效应，通常在预处理中去除。这种全局信号回归方法可能会引入伪像，例如功能连接性分析中的假相关休眠状态网络。因此，这种技术作为矫正工具的有效性仍然值得怀疑。在本文中，我们建立了估计的全局信号的准确性是由全局噪声的水平（即非神经噪声，具有全局影响的R-fMRI信号）。当全局噪声水平较低时，全局信号类似于最大集群的R-fMRI时间过程，但不类似于全局噪声的时间过程。使用真实的数据，我们证明了全局信号与默认模式网络组件强相关，并具有生物学意义。这些结果提出了是否应该应用全局信号回归的问题。我们介绍了一种方法来量化全局噪声水平。我们表明，一个标准的全球信号回归的基础上，可以找到的方法。通过采用该标准，可以确定是否包括或排除全局信号回归，以最小化功能连接性测量中的误差。
In resting-state functional MRI (R-fMRI) studies, the global signal (operationally defined as the global average of R-fMRI time courses) is often considered a nuisance effect and commonly removed in preprocessing. This global signal regression method can introduce artifacts, such as false anticorrelated resting-state networks in functional connectivity analyses. Therefore, the efficacy of this technique as a correction tool remains questionable. In this paper, we establish that the accuracy of the estimated global signal is determined by the level of global noise (i.e. non-neural noise that has a global effect on the R-fMRI signal). When the global noise level is low, the global signal resembles the R-fMRI time courses of the largest cluster, but not those of the global noise. Using real data, we demonstrate that the global signal is strongly correlated with the default mode network components, and has biological significance. These results call into question whether or not global signal regression should be applied. We introduce a method to quantify global noise levels. We show that a criteria for global signal regression can be found based on the method. By employing the criteria, one can determine whether to include or exclude the global signal regression in minimizing errors in functional connectivity measures.
登录
查看更多内容
DOI：
10.1073/pnas.0504136102
发表时间：
2005-07-05
影响因子：
11.1
作者：
Fox, MD;Snyder, AZ;Raichle, ME
通讯作者：
Raichle, ME
影响因子：
4.8
作者：
Uddin, Lucina Q.;Kelly, A. M. Clare;Milham, Michael P.
通讯作者：
Milham, Michael P.
影响因子：
5.7
作者：
Beall, Erik B.;Lowe, Mark J.
通讯作者：
Lowe, Mark J.
DOI：
10.1073/pnas.0308627101
发表时间：
2004-03-30
影响因子：
11.1
作者：
Greicius, MD;Srivastava, G;Menon, V
通讯作者：
Menon, V
影响因子：
5.7
作者：
Macey, PM;Macey, KE;Harper, RM
通讯作者：
Harper, RM