fMRI信号到底反应了什么？再谈BOLD信号与 神经电生理的关系

（原文链接https://mp.weixin.qq.com/s/gP_lKvKKCUj9uYOxoeFqLg）

摘要：本文再回首了2001年发表在Nature上的论文 “Neurophysiological investigation of the basis of the fMRI signal”。该文作为篇全面探索fMRI与神经电生理信号的关系的文章，如今20年已经过去，神经科学领域对这个问题有了很多新的见解，但此文依然值得2021年的我们细细品读。

       在当时，功能磁共振成像（functional magnetic resonance imaging, fMRI）作为一种非侵入式全脑成像技术已被广泛用于研究人脑的各类生理活动，但尚不清楚所测fMRI信号与潜在神经活动之间的确切关系。

       在这个背景下，本文利用神经信号与功能磁共振成像的同步皮层记录，对比了来自猴子视觉皮层的局部场电势（Local field potential, LFP）、多细胞记录（Multi-unit activity, MUA）及高时空分辨率的BOLD信号，并发现最大的幅值变化来自局部场电势LFP，且与血流动力学响应显著相关。在试次间进行的线性系统分析表明，神经血管系统的冲动响应既具有动物间的特异性，又具有特定脑区部位的特异性；相比于MUA，LFP能更好的预测BOLD信号。

       这些发现共同表明：BOLD信号反映了给定脑区的输入和皮质内处理活动，而不是其神经脉冲输出。

1、背景介绍

       MRI发明于1970年代初（Lauterbur，1973），自1980年代中期以来，它已在临床上使用。随着血液氧合水平依赖性功能成像（BOLD）的出现（Ogawa, S. & Lee, T. M, 1990），fMRI在认知神经科学领域的应用大大扩展，并已成为神经科学研究的主要手段。BOLD信号反映的是血液含氧量和活动区域血流量的变化。区域内神经元的激活降低区域内的血管含氧量，而脑血流后续补入新鲜的含氧血流，最终新鲜含氧血液的供应过剩造成BOLD信号的增加。

       MUA(300-1500Hz)和LFP(40-130Hz)信号来自各种突触和细胞机制的动态相互作用：MUA主要反映神经集群的输出，而LFP大多是输入神经集群信号后，同步的树突-细胞体成分的加权平均值。因此，研究它们与BOLD响应的关系，不仅有助于深入了解血流动力学变化的机制，而且有助于更好地解释fMRI中观察到的激活模式的功能意义。

2、实验设计

       为了激发视觉皮层的响应，作者使用极坐标转换的棋盘图案，以60至180度/s的速度旋转。每隔1秒，旋转的方向被逆转以最小化适应反应（adaptation）。后续实验中，作者还调整了图案中黑白部分的对比度。BOLD的时序信号由平面实际分辨率为0.75×0.75mm²的单次或多次EPI序列（扫描序列的重复时间为250ms）进行单片(2mm厚度)fMRI成像得到，并将其与神经响应做相关分析。

       图1a和b显示了动物（B00）的初级视觉皮层中的电极位置和视觉刺激引起的BOLD响应。图1c显示了神经信号（经过50 mHz到3kHz带通滤波的去噪信号，包括了LFP、MUA和spike等信号频段）与电极尖端附近的ROI区域内（图中以绿色虚线标出）BOLD图像所反应的时序信号。实验中的ROI定义为视觉皮层的电极尖端周围的一个小区域，其平均大小约为7.1×2.3mm²（1s.d.=3.5mm²）。

图1 视觉刺激下的神经和BOLD响应

       如图所示，神经信号通常在视觉刺激出现后立即显示出整体活动的增加，并持续整个刺激持续时间。黄色线为连续的250ms的时间窗内的均方根值（此窗口时间为MRI序列的重复时间）。rms通常有一个2-3秒的短暂增长，随后为一段持续的反应，之后轻微下降。这种活动趋势在去噪的原始信号的基线中也很明显。而BOLD信号的平均起始时间(达到基线3s.d.以上的时间点)为神经激活后2.16s (1s.d.=0.94s)，约7s后达到平稳阶段。

       为了检验MUA和LFP信号对BOLD信号的贡献，作者对原始数据进行了时频分析。图1d-f显示了使用滑动窗口(250ms的hamming窗口)计算的信号在三种不同刺激呈现时间(24、12和4s)下的时间-频谱图的幅值。如图所示，在刺激呈现后，所有频率都观察到短暂的功率增加，随后在整个刺激物呈现期间保持的低水平的激活。在三种刺激时间下，LFP的幅度显著增加，且大于MUA活动的增加。三维图侧面的垂直图显示了平均LFP和MUA响应，为时序信号在40-130Hz与300-1500Hz频率范围内的平均向量。另一侧的垂直图显示了刺激前、刺激和刺激后的平均频谱。由图可见，刺激结束后，神经活动也立即减少。

图2 神经响应的时频分析

       为了进一步验证结果，作者计算了在24、12.5、12和6秒刺激情况下前6秒内的平均神经响应的时频图。每个频率上的时间序列以刺激前时期活动的标准差(s.d.)为单位表示（它也代表了该频率上响应的信噪比）。在所有实验(10只猴子共619次实验)中，在72.96 Hz的频率下，功率有最大的增加 (1 s.d.=21.04Hz )，即在LFP信号的gamma频段内。下图显示了所有数据的平均LFP、MUA、Total(所有频率)和BOLD响应。与之前的趋势一致，神经活动短暂上升后持续一段时间，其中LFP的变化幅度最大。BOLD响应相比神经活动滞后。

图3 短期同步记录大脑皮层的神经和血流动力学响应

       图3a-c显示了刺激时间为24s、12s和4s情况下，同步记录的血流动力学响应，LFP和MUA记录的纹状体皮层活动。代表神经元瞬时激发率的脉冲密度函数（spike-density function, SDF）与MUA都表现出很强的适应性，在刺激发生后2.5 s左右返回到基线。相比之下，LFP活动在视觉刺激的持续时间内保持较高的水平。没有单一的观测周期或记录位点观察到相反的结果。这些结果表明，BOLD响应实际上可能更多地反映了任何给定区域中与输入和局部处理相关的神经活动，而不是通常认为是该区域输出的峰值活动。

3、基于神经和成像数据，模拟BOLD响应

       神经和血流动力学响应的同步记录使系统辨识技术得以利用，并能够以试次为基础，建立关于BOLD信号的模型。作者初步尝试通过神经活动估计脉冲响应（impulse response）。首先对视觉刺激期间的数据和自发活动的数据进行预处理（白化处理），后进行相关分析。脉冲响应为神经响应和BOLD响应的互协方差函数。图4a展示了两只猴子(b97, k00)在无刺激条件下，由LFP和BOLD响应计算出的纹状皮质的脉冲函数。这一脉冲函数被用来与两种情况下的LFP响应进行卷积：12秒的100%对比度刺激(图4b)和对每4秒对比度变化一次的刺激(图4d)。图b中，模型很好地预测了所测得的响应（试验b972y1，LFP：r2=0.905，MUA：r2=0.725；试验k006i1，LFP：r2=0.769，MUA：r2=0.625）。然而，随着刺激持续时间的增加，决定系数（Coefficient of determination）迅速下降，这表明这一线性系统存在被忽略的高阶项。

图4 可变对比度刺激下的脉冲响应的相关分析

       图4c绘制了用脉冲响应与LFP和MUA信号进行卷积，所得到的BOLD估计值的决定系数的分布。基于r2数值，LFP相比MUA对BOLD响应有更好的估计。

4、视觉刺激对比度与神经/BOLD响应的关系

       为了阐明BOLD响应与潜在神经活动之间的关系，我们使用了四种不同刺激呈现时间与四种不同刺激对比度来估计BOLD信号的脉冲响应。图5显示了刺激持续时间为12.5s的数据。图5a显示了fMRI对这种刺激的响应。为了计算响应的振幅，使用一个非线性函数（Sxgamma 函数x cosine）拟合数据得到图5a中的平滑线，其中S为函数的响应幅值。如之前所示，fMRI响应随着刺激对比的增加而增加；这种增长直接来源于神经活动的增加（图5b）。LFP（图5c）和MUA(数据未显示)均随刺激对比度的增加而增加。图5b中的BOLD数据是将神经响应与相应的脉冲响应函数进行卷积得到的，并取这些曲线的最大值作为神经响应幅值S，如图5c所示。神经响应和fMRI响应都不是关于对比度的线性函数，但两者都随刺激对比度单调增加。对于低对比度值，存在较为明显的非线性“阈值”，即在最低对比度条件(12.5%)下，fMRI响应也达到其最大振幅的50%左右。归一化的BOLD响应与归一化的LFP和MUA间的关系如图5d所示。在测试的对比度条件下，这一关系近似线性。

5、总结

       本文作者首次提出并设计了一种同步进行的神经信号与fMRI采集系统，并在被麻醉的猴子的皮层内电生理学和成像实验中研究了BOLD信号和潜在神经活动之间的关系。文章的结果表明：1）对于视觉刺激而言，LFP的幅值增强明显强于MUA，且LFP的gamma波段能量增长最大。2）LFP相比MUA为BOLD信号响应提供了更好的估计。在变换视觉刺激的对比度的条件下，BOLD信号在空间上的局部增加直接且单调地反映了神经活动的增加，与局部场电势LFP有较好的相关性。血流动力学响应的时间过程大致可以看作整个神经活动的低通滤波表达式（此处给出的是频率和幅度调制神经信号每250ms窗口的平方根数值）。此外，与神经反应一样，BOLD响应也是关于刺激对比度的非线性函数。3）血流动力学响应与LFP有更强的相关关系，说明一个区域的激活更可能反应的是区域的输入和区域内的加工过程，而不是脉冲活动。虽然有理由认为输出活动通常与神经递质释放以及突触前和突触后的电流相关，但当输入进入具有调节作用的特定区域时，功能磁共振成像可能揭示在电生理实验中未被发现的区域激活。

6、NCC lab的讨论

       本文作者在麻醉的猴子的视觉皮层中，通过同步颅内电生理记录与fMRI扫描，初步验证了BOLD信号与神经信号之间的线性相关关系。从能量的角度来说，突触的放电与局部的信息处理活动 均与 葡萄糖消耗的过程 有密切的关系，因此本文证实了BOLD与神经电信号之间有关系，这并不令人奇怪（令人奇怪的仅是这种关系是线性的）。2008年，作者在清醒的猴子中重复了这一实验，并发现：MUA与LFP对BOLD响应均有贡献，但LFP对BOLD响应的预测仍好于MUA信号（Goense & Logothetis, 2008）。

       文章进一步研究了不同图片刺激形式下BOLD响应与神经电生理响应的关系，以及动物之间、脑区之间的变异性。利用线性模型对图片刺激下的神经电生理响应与BOLD响应进行建模，得到单位脉冲响应，并发现了脉冲刺激的响应在个体与脑区间的特异性，同时指出了线性模型的不足。脉冲响应在脑区间的特异性可能有多重原因：（1）不同脑区间神经元活动方式的不同，如细胞间的同步放电与局部的信息处理的不同，（2）血管分布及其收缩与舒张等活动带来的影响。因而要对全脑的血氧活动进行建模，需要对不同脑区局部的响应函数有更丰富的理解。

       NCC lab认为，随着各类神经成像技术与电生理记录技术的发展，我们已经可以得到更高时空分辨率的电生理活动及血氧活动信息；且，更多种的数学模型或深度学习模型，被用于研究BOLD和神经电生理信号之间的非线性关系。这些均有望为神经血管耦合的研究带来新的突破。值得探索的方向有：

       1）BOLD受脑血管分布及其收缩与舒张活动等等诸多影响，这些影响会改变过去多年来基于BOLD的神经心理学实验的结论吗？

     2）是否可以利用深度学习模型，构建全脑各个区域BOLD和MUA/LPF/ECoG/EEG之间的mapping function？这个function在静息态、不同任务下都是恒定的吗？

       3）如果对BOLD和神经电生理做embedding，它们隐空间的神经表征相似吗？