Um método de wavelet para modelar e remover artefatos de movimento de séries temporais de fMRI em estado de repouso

O impacto do movimento da cabeça durante a varredura na imagem por ressonância magnética funcional (fMRI) já foi amplamente estabelecido como indesejável. Esses efeitos foram tradicionalmente corrigidos por métodos como regressão linear de parâmetros de movimento da cabeça. No entanto, uma série de estudos independentes recentes demonstrou que essas técnicas são insuficientes para remover as confusões de movimento e que até mesmo pequenos movimentos podem enviesar espúriamente as estimativas de conectividade funcional. Aqui, propomos um novo método baseado em wavelet, adaptativo espacial e orientado por dados, para identificar, modelar e remover eventos não estacionários em séries temporais de fMRI, causados pelo movimento da cabeça, sem a necessidade de limpeza de dados. Este método envolve a adição de apenas um passo extra, o Wavelet Despike, em pipelines padrão de pré-processamento. Com este método, demonstramos a remoção robusta de uma gama de diferentes artefatos de movimento e vieses relacionados ao movimento, incluindo artefatos de conectividade dependentes da distância, em um nível de grupo e de único sujeito, utilizando uma variedade de medidas diagnósticas previamente publicadas e novas. O Wavelet Despike é capaz de acomodar a substancial heterogeneidade espacial e temporal dos artefatos de movimento e pode, consequentemente, remover uma gama de artefatos de alta e baixa frequência das séries temporais de fMRI, que podem estar relacionados linear ou não linearmente a movimentos físicos. Nossos métodos são demonstrados pela análise de três coortes de dados de fMRI em estado de repouso, incluindo dois conjuntos de dados de alta movimentação: um conjunto de dados publicado anteriormente sobre crianças (N=22) e um novo conjunto de dados sobre adultos com dependência de drogas estimulantes (N=40). Concluímos que há um risco real de viés relacionado ao movimento na análise de conectividade dos dados de fMRI, mas que esse risco é geralmente gerenciável através de eficazes estratégias de desnoising de séries temporais projetadas para atenuar transientes de sinal sincronizados induzidos por movimentos abruptos da cabeça. O software Wavelet Despiking descrito neste artigo está disponível gratuitamente para download em www.brainwavelet.org.