Eine Bewertung der Wirksamkeit von Single-Echo- und Multi-Echo-fMRI-Denoising-Strategien

Zusammenfassung Die funktionelle Magnetresonanztomografie im Ruhezustand (rsfMRI) wird häufig eingesetzt, um die funktionelle Konnektivität (FC) im gesamten Gehirn zu untersuchen. Die resultierenden Signale sind jedoch stark empfindlich gegenüber Rauschen, und die besten Strategien zur Minderung dieses Rauschens sind unklar. Bei 358 gesunden Personen verglichen wir 60 Multi-Echo (ME) und 30 Single-Echo (SE) rsfMRI-Datenverarbeitungs-Pipelines anhand von sechs Qualitätsmaßen und zugehörigen Effektgrößen in FC-basierten Vorhersagemodellen für Persönlichkeit und kognitive Funktionen (cross-validated kernel ridge regression). ME-Pipelines schnitten im Allgemeinen besser ab als SE-Pipelines, aber keine einzelne Pipeline war sowohl in der Denoising- als auch in der Verhaltensvorhersage überragend. Durch ein heuristisches Schema zur Bewertung der Pipelines über Benchmarks hinweg schnitt die optimale Kombination (OC) von ME mit der ME-unabhängigen Komponentenanalyse (ICA), der ICA-FMRIBs ICA-basierten Xnoiseifier (FIX) und der Regression von Bewegungs-, Rückenmarksflüssigkeits-, weißen und grauen Materiesignalen am besten ab, wenn man nur die Metriken zur Wirksamkeit der Rauschunterdrückung betrachtete. ME OC mit ICA-FIX und Regression der Bewegungsparameter schnitt am besten ab, wenn man nur die Ergebnisse der Verhaltensvorhersage betrachtete. ME OC mit automatischer Entfernung von Bewegungsartefakten (AROMA) ICA, Regression der Bewegungsparameter sowie Interpolation von Regressoren bei progressiven Zeitverzögerungen (RIPTiDe) erzielte die besten Ergebnisse bei der Aggregation über alle Evaluierungsmetriken. Diese Ergebnisse sprechen für ME-Erfassungen, zeigen jedoch, dass keine einzelne Denoising-Pipeline als optimal für alle Zwecke angesehen werden sollte.