機能的磁気共鳴画像法 - 版の履歴

WikiSysop: /* 機能結合解析 */

2021-10-28T11:58:19Z

機能結合解析

← 古い版		2021年10月28日 (木) 20:58時点における版
100行目:		100行目:
	脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合（functional connetivity, FC）と呼ぶ。FCの産出法としては領域間の時系列信号の[[wj:ピアソン相関係数\|ピアソン相関係数]]が良く使われる<ref name=Biswal1995></ref>。ある特定の脳領域を関心領域（シード）として設定し、相手方の関心領域（または体素）を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたデフォルトモードネットワークが安静状態神経ネットワークとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。		脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合（functional connetivity, FC）と呼ぶ。FCの産出法としては領域間の時系列信号の[[wj:ピアソン相関係数\|ピアソン相関係数]]が良く使われる<ref name=Biswal1995></ref>。ある特定の脳領域を関心領域（シード）として設定し、相手方の関心領域（または体素）を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたデフォルトモードネットワークが安静状態神経ネットワークとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。

	このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく[[wj:偏相関分析\|偏相関分析]]（partial correlation）を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開（[[wj:グラフ理論\|グラフ理論]]、独立成分分析、機械学習など）、他の指標や測定（脳波や臨床兆候など）との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば[[神経連絡トレーサー]]~~と機能的結合の比較は重要な課題である。~~		このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく[[wj:偏相関分析\|偏相関分析]]（partial correlation）を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開（[[wj:グラフ理論\|グラフ理論]]、独立成分分析、機械学習など）、他の指標や測定（脳波や臨床兆候など）との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば[[神経連絡トレーサー]]と[[機能的結合]]の比較は重要な課題である。

	[[File:Hanakawa_fMRI_Fig6.png\|thumb\|'''図6. 安静時fMRI画像を前処置後、独立成分分析により得たDMN'''<br>後部帯状回を中心とし頭頂葉、前頭前野前内側部を含むデフォルトモードネットワーク（DMN)。左上は膨らました皮質表面にマッピングしたもの、右上は軸断像に表示、および同ネットワークの信号変化（左下）および周波数分析結果（右下）。周波数0.01-0.1Hzに高いパワーを持つネットワーク活動である。'''図3'''と同じfMRIデータで、動き補正・ノイズ処理を行ったあとに得られたもの。]]		[[File:Hanakawa_fMRI_Fig6.png\|thumb\|'''図6. 安静時fMRI画像を前処置後、独立成分分析により得たDMN'''<br>後部帯状回を中心とし頭頂葉、前頭前野前内側部を含むデフォルトモードネットワーク（DMN)。左上は膨らました皮質表面にマッピングしたもの、右上は軸断像に表示、および同ネットワークの信号変化（左下）および周波数分析結果（右下）。周波数0.01-0.1Hzに高いパワーを持つネットワーク活動である。'''図3'''と同じfMRIデータで、動き補正・ノイズ処理を行ったあとに得られたもの。]]

WikiSysop: /* 神経血管連関 */

2020-08-25T00:18:07Z

神経血管連関

← 古い版		2020年8月25日 (火) 09:18時点における版
34行目:		34行目:
	脳活動とBOLD信号の相関関係は、外的刺激や課題の無い安静時にも観察される。そもそも課題遂行では脳の酸素代謝は数%しか増えず、脳のエネルギーは課題の無い（task free）安静時（resting state）の活動に大半が消費されている。これは脳が安静時にも組織的かつ活発な自発活動を示すことによる。		脳活動とBOLD信号の相関関係は、外的刺激や課題の無い安静時にも観察される。そもそも課題遂行では脳の酸素代謝は数%しか増えず、脳のエネルギーは課題の無い（task free）安静時（resting state）の活動に大半が消費されている。これは脳が安静時にも組織的かつ活発な自発活動を示すことによる。

	1990年代後半のPET研究により、[[内側前頭前野]]、[[後部帯状回]]や両側[[外側頭頂葉]]などは、課題遂行時と比べて安静時にむしろ脳血流が増加することが知られていた<ref><pubmed> 25938726</pubmed></ref>。安静時に著明な自発的神経活動を示すこれらの領域は、[[Marcus Raichle\|Raichle]]により[[デフォルトモードネットワーク]]（default mode network, DMN）と名づけられ、基底状態の脳の統合性に関わる内因性機構として提唱された。一方で、Biswalは1995年に安静状態のfMRIを解析し、両側[[運動感覚野]]の信号が主に0.1Hz以下の低い周波数(f)帯域において1/fのパターンで同期していることを見出していた<ref name=Biswal1995><pubmed> 8524021</pubmed></ref>。このようなfMRI信号同期は、[[安静状態神経ネットワーク]]（resting-state network, RSN）が有する機能結合（functional connectivity, FC）を反映すると考えられた。さらに興味深いことに、安静時fMRIにより、Raichleの提唱したDMN内の脳領域間には強い機能結合が存在することがわかった<ref><pubmed> 12506194</pubmed></ref>。このように2つの独立した研究の潮流が融合したことで、安静時fMRIを用いて局所の自発脳活動と領域間の機能結合状態を評価できる可能性に大きな注目が集まった。その後、安静時fMRIの信号同期性がサル脳における神経連絡性に対応していることも判明した<ref name=Ogawa1990></ref>。		1990年代後半のPET研究により、[[内側前頭前野]]、[[後部帯状回]]や両側[[外側頭頂葉]]などは、課題遂行時と比べて安静時にむしろ脳血流が増加することが知られていた<ref><pubmed> 25938726</pubmed></ref>。安静時に著明な自発的神経活動を示すこれらの領域は、[[w:Marcus Raichle\|Raichle]]により[[デフォルトモードネットワーク]]（default mode network, DMN）と名づけられ、基底状態の脳の統合性に関わる内因性機構として提唱された。一方で、Biswalは1995年に安静状態のfMRIを解析し、両側[[運動感覚野]]の信号が主に0.1Hz以下の低い周波数(f)帯域において1/fのパターンで同期していることを見出していた<ref name=Biswal1995><pubmed> 8524021</pubmed></ref>。このようなfMRI信号同期は、[[安静状態神経ネットワーク]]（resting-state network, RSN）が有する機能結合（functional connectivity, FC）を反映すると考えられた。さらに興味深いことに、安静時fMRIにより、Raichleの提唱したDMN内の脳領域間には強い機能結合が存在することがわかった<ref><pubmed> 12506194</pubmed></ref>。このように2つの独立した研究の潮流が融合したことで、安静時fMRIを用いて局所の自発脳活動と領域間の機能結合状態を評価できる可能性に大きな注目が集まった。その後、安静時fMRIの信号同期性がサル脳における神経連絡性に対応していることも判明した<ref name=Ogawa1990></ref>。

	現在、安静時fMRIの同期現象は、神経連絡を持つ遠隔領域間で同期して発生する自発性のシナプス・神経活動（及びこれらに伴うBOLD効果）に基づいていると考えられている。領域間の同期の詳細を知るための解析手法の改善、覚醒時の基底状態としての意識との関連、精神疾患や[[認知症]]などの病態との関連、神経連絡性との対応などについて研究が進んでいる。		現在、安静時fMRIの同期現象は、神経連絡を持つ遠隔領域間で同期して発生する自発性のシナプス・神経活動（及びこれらに伴うBOLD効果）に基づいていると考えられている。領域間の同期の詳細を知るための解析手法の改善、覚醒時の基底状態としての意識との関連、精神疾患や[[認知症]]などの病態との関連、神経連絡性との対応などについて研究が進んでいる。

WikiSysop: /* はじめに */

2020-08-24T23:36:18Z

はじめに

← 古い版		2020年8月25日 (火) 08:36時点における版
13行目:		13行目:

	== はじめに ==		== はじめに ==
	機能的磁気共鳴画像とは、[[磁気共鳴画像法\|磁気共鳴画像]] (magnetic resonance imaging; MRI)を用いて生体の[[脳]]や[[脊髄]]を一定時間連続的に撮像し、脳活動（神経活動と[[シナプス]]活動等の総和）と相関するMRI信号の変動を非侵襲的に計測する技術である。		機能的磁気共鳴画像とは、[[磁気共鳴画像法\|磁気共鳴画像]] ([[磁気共鳴画像法\|magnetic resonance imaging]]; [[磁気共鳴画像法\|MRI]])を用いて生体の[[脳]]や[[脊髄]]を一定時間連続的に撮像し、脳活動（神経活動と[[シナプス]]活動等の総和）と相関するMRI信号の変動を非侵襲的に計測する技術である。

	1990年代の初頭に開発されるやいなや、当時ヒト脳機能イメージング研究手法の主流であった[[~~ポジトロン断層像~~]]（[[PET]]）による血流・代謝測定を置き換えた。現在では、脳機能イメージング研究の代名詞として、健常脳の機能分離や機能連関の理解、あるいは精神・神経疾患の病態生理の解明のため、欠かすことのできないツールとなっている。ただしfMRIは、PETと同様、脳活動の本態である神経細胞の電気化学的活動そのものを測定しているのではなく、脳活動の代用マーカー（surrogate marker）としての局所酸素代謝・血流動態を画像化していることには留意が必要である。また、脳活動に由来するfMRI信号の変動は、脳活動以外の要因による信号変動と比較して必ずしも大きくないため、興味のある脳活動を抽出するために適切な画像・信号処理を行うことも重要である。本項目では、脳機能を解明するツールとしてのfMRIの原理、解析法とそれらを応用した脳科学研究の潮流を概説する。		1990年代の初頭に開発されるやいなや、当時ヒト脳機能イメージング研究手法の主流であった[[ポジトロン断層法]]（[[PET]]）による血流・代謝測定を置き換えた。現在では、脳機能イメージング研究の代名詞として、健常脳の機能分離や機能連関の理解、あるいは精神・神経疾患の病態生理の解明のため、欠かすことのできないツールとなっている。ただしfMRIは、PETと同様、脳活動の本態である神経細胞の電気化学的活動そのものを測定しているのではなく、脳活動の代用マーカー（surrogate marker）としての局所酸素代謝・血流動態を画像化していることには留意が必要である。また、脳活動に由来するfMRI信号の変動は、脳活動以外の要因による信号変動と比較して必ずしも大きくないため、興味のある脳活動を抽出するために適切な画像・信号処理を行うことも重要である。本項目では、脳機能を解明するツールとしてのfMRIの原理、解析法とそれらを応用した脳科学研究の潮流を概説する。

	[[File:Hanakawa_fMRI_Fig1.png\|thumb\|right\|'''図1. 神経血管連関の模式図'''<br>脳血流（CBF）は動脈〜小動脈（arteriole）から流入し、動脈血中では[[wj:赤血球\|赤血球]]の[[wj:ヘモグロビン\|ヘモグロビン]]は酸素化（oxy-Hb）されている。<br>刺激がない安静時'''（左）'''であっても、酸素は脳の基礎代謝要求により消費される。酸素は毛細血管で脳組織に供給され、酸素化ヘモグロビン（oxy-Hb）は、[[wj:常磁性体\|常磁性体]]である還元ヘモグロビン（deoxy-Hb)に変わる。<br>外的刺激などによりシナプス入力と神経活動が増加すると'''（右）'''、局所の酸素・エネルギー代謝要求は安静時と比較して増加する。酸素消費により還元ヘモグロビン（常磁性体）が増加するはずだから、局所磁場が乱れて[[磁気共鳴画像法#T2緩和\|T2]]が短縮するように思われる（陰性BOLD信号）。しかし、神経血管単位は基礎代謝要求の増加を検知して動脈血の流入を要求量以上に増加させるらしい。この過程には[[プロスタグランジン]]（PG）や[[一酸化窒素]]（NO）が関わっているとされる。これらの影響の総和として、脳活動が増加する部分ではdeoxy-Hbが相対的に薄まって局所磁場が安定し、T2延長が観察される。多くのfMRI法ではこのT2の延長を陽性BOLD信号として計測している。]]		[[File:Hanakawa_fMRI_Fig1.png\|thumb\|right\|'''図1. 神経血管連関の模式図'''<br>脳血流（CBF）は動脈〜小動脈（arteriole）から流入し、動脈血中では[[wj:赤血球\|赤血球]]の[[wj:ヘモグロビン\|ヘモグロビン]]は酸素化（oxy-Hb）されている。<br>刺激がない安静時'''（左）'''であっても、酸素は脳の基礎代謝要求により消費される。酸素は毛細血管で脳組織に供給され、酸素化ヘモグロビン（oxy-Hb）は、[[wj:常磁性体\|常磁性体]]である還元ヘモグロビン（deoxy-Hb)に変わる。<br>外的刺激などによりシナプス入力と神経活動が増加すると'''（右）'''、局所の酸素・エネルギー代謝要求は安静時と比較して増加する。酸素消費により還元ヘモグロビン（常磁性体）が増加するはずだから、局所磁場が乱れて[[磁気共鳴画像法#T2緩和\|T2]]が短縮するように思われる（陰性BOLD信号）。しかし、神経血管単位は基礎代謝要求の増加を検知して動脈血の流入を要求量以上に増加させるらしい。この過程には[[プロスタグランジン]]（PG）や[[一酸化窒素]]（NO）が関わっているとされる。これらの影響の総和として、脳活動が増加する部分ではdeoxy-Hbが相対的に薄まって局所磁場が安定し、T2延長が観察される。多くのfMRI法ではこのT2の延長を陽性BOLD信号として計測している。]]

WikiSysop: /* 独立成分分析 */

2020-08-24T23:32:45Z

独立成分分析

← 古い版		2020年8月25日 (火) 08:32時点における版
107行目:		107行目:
	independent component analysis		independent component analysis

	~~独立成分分析はデータ駆動型の解析でありブラインド信号分離の技術として多くの分野で活用されている。~~[[wj:主成分分析\|主成分分析]]（principle component analysis, PCA）と比べ、データマイニングの手法として柔軟であると考えられている。主成分分析では無相関、つまりベクトルとして直交する成分のセットが解析的に一意に定まる。これに対し独立成分分析では、互いに他の情報を持たないという特性（独立性）が大きくなるよう成分を分離する。無相関であっても独立ではないことがあるから、独立性は相関性よりも柔軟な条件である。確率変数としてデータの空間的な分布を採るか、経時変化を採るかによって、空間的独立成分分析と時間的独立成分分析が可能である。fMRIデータが空間的に高次元であることから、初期のfMRIでの活用は空間的独立成分分析により数十個の独立成分を求めるものであった。神経解剖学的に解釈可能な皮質ネットワークを得ることができデフォルトモードネットワークの同定にも使用される（'''図6'''）。独立成分分析は従前から脳波など電気生理データのノイズ除去に利用されてきたが、機械学習判別によって個人レベルのfMR元データから構造ノイズ成分を除去する前処理過程にも独立成分分析が利用されている(fMRIデータの前処理の項参照）。		[[wj:独立成分分析\|独立成分分析]]はデータ駆動型の解析でありブラインド信号分離の技術として多くの分野で活用されている。[[wj:主成分分析\|主成分分析]]（principle component analysis, PCA）と比べ、データマイニングの手法として柔軟であると考えられている。主成分分析では無相関、つまりベクトルとして直交する成分のセットが解析的に一意に定まる。これに対し独立成分分析では、互いに他の情報を持たないという特性（独立性）が大きくなるよう成分を分離する。無相関であっても独立ではないことがあるから、独立性は相関性よりも柔軟な条件である。確率変数としてデータの空間的な分布を採るか、経時変化を採るかによって、空間的独立成分分析と時間的独立成分分析が可能である。fMRIデータが空間的に高次元であることから、初期のfMRIでの活用は空間的独立成分分析により数十個の独立成分を求めるものであった。神経解剖学的に解釈可能な皮質ネットワークを得ることができデフォルトモードネットワークの同定にも使用される（'''図6'''）。独立成分分析は従前から脳波など電気生理データのノイズ除去に利用されてきたが、機械学習判別によって個人レベルのfMR元データから構造ノイズ成分を除去する前処理過程にも独立成分分析が利用されている(fMRIデータの前処理の項参照）。

	また、空間的標準化を行った後、複数の個人の安静時fMRIに空間的独立成分分析を適応することで、個人間に共通のネットワークを同定し（グループ独立成分分析）、グループとしての安静状態神経ネットワークを検出することも可能である。さらにこのグループRSNの各個人のデータへのあてはめ（一般線形モデル）を、時間と空間について2回行うことで、個人毎のRSNが得られる。この個人毎の安静状態神経ネットワークを用いた集団解析が可能であり<ref><pubmed> 28348512</pubmed></ref>、病態解明への応用研究も進んでいる。最近は時間分解能の高いfMRIデータが取得されるようになってきたことで、時間的ICAの応用も進み、空間的に重なり合う成分や神経連絡性とも合致する成分の抽出<ref><pubmed> 22323591</pubmed></ref>や、脳全体の広範なノイズの検出に有用であることが分かってきている。ただし独立成分分析の結果の解釈には数学的な仮定（例えば次元数や線形性等）と脳のシステム・神経-血管連関・画像ノイズの妥当性や検証に留意する必要がある<ref><pubmed> 11559959</pubmed></ref>。		また、空間的標準化を行った後、複数の個人の安静時fMRIに空間的独立成分分析を適応することで、個人間に共通のネットワークを同定し（グループ独立成分分析）、グループとしての安静状態神経ネットワークを検出することも可能である。さらにこのグループRSNの各個人のデータへのあてはめ（一般線形モデル）を、時間と空間について2回行うことで、個人毎のRSNが得られる。この個人毎の安静状態神経ネットワークを用いた集団解析が可能であり<ref><pubmed> 28348512</pubmed></ref>、病態解明への応用研究も進んでいる。最近は時間分解能の高いfMRIデータが取得されるようになってきたことで、時間的ICAの応用も進み、空間的に重なり合う成分や神経連絡性とも合致する成分の抽出<ref><pubmed> 22323591</pubmed></ref>や、脳全体の広範なノイズの検出に有用であることが分かってきている。ただし独立成分分析の結果の解釈には数学的な仮定（例えば次元数や線形性等）と脳のシステム・神経-血管連関・画像ノイズの妥当性や検証に留意する必要がある<ref><pubmed> 11559959</pubmed></ref>。

WikiSysop: /* はじめに */

2020-08-24T23:32:02Z

はじめに

← 古い版		2020年8月25日 (火) 08:32時点における版
13行目:		13行目:

	== はじめに ==		== はじめに ==
	機能的磁気共鳴画像とは、[[磁気共鳴画像]] (magnetic resonance imaging; MRI)を用いて生体の[[脳]]や[[脊髄]]を一定時間連続的に撮像し、脳活動（神経活動と[[シナプス]]活動等の総和）と相関するMRI信号の変動を非侵襲的に計測する技術である。		機能的磁気共鳴画像とは、[[磁気共鳴画像法\|磁気共鳴画像]] (magnetic resonance imaging; MRI)を用いて生体の[[脳]]や[[脊髄]]を一定時間連続的に撮像し、脳活動（神経活動と[[シナプス]]活動等の総和）と相関するMRI信号の変動を非侵襲的に計測する技術である。

	1990年代の初頭に開発されるやいなや、当時ヒト脳機能イメージング研究手法の主流であった[[ポジトロン断層像]]（[[PET]]）による血流・代謝測定を置き換えた。現在では、脳機能イメージング研究の代名詞として、健常脳の機能分離や機能連関の理解、あるいは精神・神経疾患の病態生理の解明のため、欠かすことのできないツールとなっている。ただしfMRIは、PETと同様、脳活動の本態である神経細胞の電気化学的活動そのものを測定しているのではなく、脳活動の代用マーカー（surrogate marker）としての局所酸素代謝・血流動態を画像化していることには留意が必要である。また、脳活動に由来するfMRI信号の変動は、脳活動以外の要因による信号変動と比較して必ずしも大きくないため、興味のある脳活動を抽出するために適切な画像・信号処理を行うことも重要である。本項目では、脳機能を解明するツールとしてのfMRIの原理、解析法とそれらを応用した脳科学研究の潮流を概説する。		1990年代の初頭に開発されるやいなや、当時ヒト脳機能イメージング研究手法の主流であった[[ポジトロン断層像]]（[[PET]]）による血流・代謝測定を置き換えた。現在では、脳機能イメージング研究の代名詞として、健常脳の機能分離や機能連関の理解、あるいは精神・神経疾患の病態生理の解明のため、欠かすことのできないツールとなっている。ただしfMRIは、PETと同様、脳活動の本態である神経細胞の電気化学的活動そのものを測定しているのではなく、脳活動の代用マーカー（surrogate marker）としての局所酸素代謝・血流動態を画像化していることには留意が必要である。また、脳活動に由来するfMRI信号の変動は、脳活動以外の要因による信号変動と比較して必ずしも大きくないため、興味のある脳活動を抽出するために適切な画像・信号処理を行うことも重要である。本項目では、脳機能を解明するツールとしてのfMRIの原理、解析法とそれらを応用した脳科学研究の潮流を概説する。

	[[File:Hanakawa_fMRI_Fig1.png\|thumb\|right\|'''図1. 神経血管連関の模式図'''<br>脳血流（CBF）は動脈〜小動脈（arteriole）から流入し、動脈血中では[[wj:赤血球\|赤血球]]の[[wj:ヘモグロビン\|ヘモグロビン]]は酸素化（oxy-Hb）されている。<br>刺激がない安静時'''（左）'''であっても、酸素は脳の基礎代謝要求により消費される。酸素は毛細血管で脳組織に供給され、酸素化ヘモグロビン（oxy-Hb）は、[[wj:常磁性体\|常磁性体]]である還元ヘモグロビン（deoxy-Hb)に変わる。<br>外的刺激などによりシナプス入力と神経活動が増加すると'''（右）'''、局所の酸素・エネルギー代謝要求は安静時と比較して増加する。酸素消費により還元ヘモグロビン（常磁性体）が増加するはずだから、局所磁場が乱れて[[磁気共鳴画像法#T2緩和\|T2]]が短縮するように思われる（陰性BOLD信号）。しかし、神経血管単位は基礎代謝要求の増加を検知して動脈血の流入を要求量以上に増加させるらしい。この過程には[[プロスタグランジン]]（PG）や[[一酸化窒素]]（NO）が関わっているとされる。これらの影響の総和として、脳活動が増加する部分ではdeoxy-Hbが相対的に薄まって局所磁場が安定し、T2延長が観察される。多くのfMRI法ではこのT2の延長を陽性BOLD信号として計測している。]]		[[File:Hanakawa_fMRI_Fig1.png\|thumb\|right\|'''図1. 神経血管連関の模式図'''<br>脳血流（CBF）は動脈〜小動脈（arteriole）から流入し、動脈血中では[[wj:赤血球\|赤血球]]の[[wj:ヘモグロビン\|ヘモグロビン]]は酸素化（oxy-Hb）されている。<br>刺激がない安静時'''（左）'''であっても、酸素は脳の基礎代謝要求により消費される。酸素は毛細血管で脳組織に供給され、酸素化ヘモグロビン（oxy-Hb）は、[[wj:常磁性体\|常磁性体]]である還元ヘモグロビン（deoxy-Hb)に変わる。<br>外的刺激などによりシナプス入力と神経活動が増加すると'''（右）'''、局所の酸素・エネルギー代謝要求は安静時と比較して増加する。酸素消費により還元ヘモグロビン（常磁性体）が増加するはずだから、局所磁場が乱れて[[磁気共鳴画像法#T2緩和\|T2]]が短縮するように思われる（陰性BOLD信号）。しかし、神経血管単位は基礎代謝要求の増加を検知して動脈血の流入を要求量以上に増加させるらしい。この過程には[[プロスタグランジン]]（PG）や[[一酸化窒素]]（NO）が関わっているとされる。これらの影響の総和として、脳活動が増加する部分ではdeoxy-Hbが相対的に薄まって局所磁場が安定し、T2延長が観察される。多くのfMRI法ではこのT2の延長を陽性BOLD信号として計測している。]]

	== 原理 ==		== 原理 ==
	=== BOLD信号の発見 ===		=== BOLD信号の発見 ===

WikiSysop: /* fMRIによる最近の脳科学研究 */

2020-08-24T11:04:19Z

fMRIによる最近の脳科学研究

← 古い版		2020年8月24日 (月) 20:04時点における版
113行目:		113行目:
	[[File:Hanakawa_fMRI_Fig7.png\|thumb\|right\|'''図7. ヒト大脳皮質の領域分画化'''<br>マルチモーダルMRI画像（ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など）を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する（傾斜が高い）部位を分画の境界線として設定して作成された<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8]]]		[[File:Hanakawa_fMRI_Fig7.png\|thumb\|right\|'''図7. ヒト大脳皮質の領域分画化'''<br>マルチモーダルMRI画像（ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など）を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する（傾斜が高い）部位を分画の境界線として設定して作成された<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8]]]

	1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project（HCP）が行われた。このプロジェクトでは、[[wj:~~ワシントン大学~~\|~~ワシントン大学~~]]~~セントルイス医学校および~~[[wj:オックスフォード大学\|オックスフォード大学]]が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI（T1・T2強調画像）、[[拡散強調画像]]を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは（１）質が高い画像データを大量に取得する、（２）空間分解能を犠牲にすることなくデータを処理する手法を開発する、（３）FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割（parcellation）を行う、（４）取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。		1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project（HCP）が行われた。このプロジェクトでは、[[wj:セントルイス・ワシントン大学\|ワシントン大学セントルイス医学校]]および[[wj:オックスフォード大学\|オックスフォード大学]]が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI（T1・T2強調画像）、[[拡散強調画像]]を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは（１）質が高い画像データを大量に取得する、（２）空間分解能を犠牲にすることなくデータを処理する手法を開発する、（３）FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割（parcellation）を行う、（４）取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。

	特にFACT法は片側半球を180領域に分割することに成功し<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した（'''図7'''）。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている（[[w:UK Biobank\|UKバイオバンク]]、[https://www.addictionresearch.nih.gov/abcd-study ABCD Study]など）。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。		特にFACT法は片側半球を180領域に分割することに成功し<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した（'''図7'''）。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている（[[w:UK Biobank\|UKバイオバンク]]、[https://www.addictionresearch.nih.gov/abcd-study ABCD Study]など）。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。

2020年8月24日 (月) 10:51にWikiSysopによる

2020-08-24T10:51:34Z

差分を表示

2020年8月22日 (土) 12:37にWikiSysopによる

2020-08-22T12:37:24Z

← 古い版		2020年8月22日 (土) 21:37時点における版
10行目:		10行目:
	</div>		</div>
	英:functional magnetic resonance imaging　英略称：fMRI　独：Funktionelle Magnetresonanztomographie　仏：Imagerie par résonance magnétique fonctionnelle		英:functional magnetic resonance imaging　英略称：fMRI　独：Funktionelle Magnetresonanztomographie　仏：Imagerie par résonance magnétique fonctionnelle
	{{box\|text=　~~1段落程度の抄録をお願いいたします。~~}}		{{box\|text=　機能的磁気共鳴画像は、磁気共鳴画像 (magnetic resonance imaging; MRI)を用いて1990年代から脳機能を解明するための研究する技術として使用され、ヒト脳の機能解明に大きく貢献した。当初は脳局所の機能解明法として使用されてきたが、2010年以後は脳局所機能に加え、連絡性を調べる技術として使用されるようになり、その後も全脳の機能・構築・連絡性（コネクトーム）を解明する技術、脳がつかさどる心理状態を解読（デコーディング）する技術、神経難病や精神病態を診断（自動画像診断）する技術などの開発が急速に進んでいる。まだ臨床診断法として確立した技術ではなく、あくまで研究用として使用されている。}}

	== はじめに ==		== はじめに ==
46行目:		46行目:
	3テスラMRI装置でのfMRIにおいて、神経活動による信号変化は全信号変動の約７パーセント程度とされる。生体や装置の熱ノイズが約50％を占め、残りはMRI装置の不完全性による信号ドリフトや、非撮像体の動き等に由来するアーチファクトとされる<ref><pubmed> 23707591</pubmed></ref>。頭部の動きは画像位置合わせにより補正（motion correction/realignment）することが通常であるが、この処理では補正しきれないMRI信号変動が残存する。加えて心拍や呼吸などの生理的要因による信号変動も存在するため、これら非神経性の信号を可能な限り分離・除去することが重要である（'''図3'''）。古典的には、頭部動き補正の後、安静時・課題fMRIともに一定の周波数帯域の信号を除去するフィルター(high pass filterやlow pass filter)をかけることでノイズ除去が行われてきた。しかしこの方法では、関心ある神経活動信号も除去してしまうため、独立成分分析によるノイズ同定・軽減への期待が高い<ref><pubmed> 24389422</pubmed></ref>（後述「[[機能的磁気共鳴画像法#fMRIの統計解析\|fMRIの統計解析]]」参照）。		3テスラMRI装置でのfMRIにおいて、神経活動による信号変化は全信号変動の約７パーセント程度とされる。生体や装置の熱ノイズが約50％を占め、残りはMRI装置の不完全性による信号ドリフトや、非撮像体の動き等に由来するアーチファクトとされる<ref><pubmed> 23707591</pubmed></ref>。頭部の動きは画像位置合わせにより補正（motion correction/realignment）することが通常であるが、この処理では補正しきれないMRI信号変動が残存する。加えて心拍や呼吸などの生理的要因による信号変動も存在するため、これら非神経性の信号を可能な限り分離・除去することが重要である（'''図3'''）。古典的には、頭部動き補正の後、安静時・課題fMRIともに一定の周波数帯域の信号を除去するフィルター(high pass filterやlow pass filter)をかけることでノイズ除去が行われてきた。しかしこの方法では、関心ある神経活動信号も除去してしまうため、独立成分分析によるノイズ同定・軽減への期待が高い<ref><pubmed> 24389422</pubmed></ref>（後述「[[機能的磁気共鳴画像法#fMRIの統計解析\|fMRIの統計解析]]」参照）。

	[[File:Hanakawa_fMRI_Fig3.~~png~~\|thumb\|right\|'''図3. fMRIデータの前処置―動き補正・ノイズ減弱の効果'''<br>'''左.''' 前処理していない元fMRI画像（TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示）<br>'''中.''' 剛体変換による数学的な動き補正（motion correction/realignment）のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。<br>'''右.''' 動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトは目立たない。いずれも脳標準空間への位置合わせを行い、38倍速で表示している。]]		[[File:Hanakawa_fMRI_Fig3.gif\|thumb\|right\|'''図3. fMRIデータの前処置―動き補正・ノイズ減弱の効果'''<br>'''左.''' 前処理していない元fMRI画像（TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示）<br>'''中.''' 剛体変換による数学的な動き補正（motion correction/realignment）のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。<br>'''右.''' 動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトは目立たない。いずれも脳標準空間への位置合わせを行い、30倍速で表示している。]]
	[[File:Hanakawa_fMRI_Fig4.png\|thumb\|right\|'''図4. 機能的MRI画像の歪み補正の効果'''<br>fMRI画像で用いるEPI画像は、主に撮像時の位相方向の設定と静磁場不均一性に依存して歪みが生じる。<br>'''A, B.''' 位相方向を前⇒後（矢印）、および後⇒前（矢印）に設定した場合のEPI画像。それぞれの画像が前後軸に沿ってに逆方向に歪んでいることがわかる。<br>'''C.''' 歪み補正を行った後のEPI画像<br>'''D.''' 同じ位置での高解像度T1強調画像の断面像。歪み補正により画像内の各脳部位の位置がほぼ一致している。<br>'''E.''' 歪み補正により推定した位置ズレ（shift）の大きさを示す画像。歪み補正する前と後では同断面内で最大15mmの位置ズレがみられた。]]		[[File:Hanakawa_fMRI_Fig4.png\|thumb\|right\|'''図4. 機能的MRI画像の歪み補正の効果'''<br>fMRI画像で用いるEPI画像は、主に撮像時の位相方向の設定と静磁場不均一性に依存して歪みが生じる。<br>'''A, B.''' 位相方向を前⇒後（矢印）、および後⇒前（矢印）に設定した場合のEPI画像。それぞれの画像が前後軸に沿ってに逆方向に歪んでいることがわかる。<br>'''C.''' 歪み補正を行った後のEPI画像<br>'''D.''' 同じ位置での高解像度T1強調画像の断面像。歪み補正により画像内の各脳部位の位置がほぼ一致している。<br>'''E.''' 歪み補正により推定した位置ズレ（shift）の大きさを示す画像。歪み補正する前と後では同断面内で最大15mmの位置ズレがみられた。]]

WikiSysop: /* fMRIデータの前処理 */

2020-08-22T00:46:00Z

fMRIデータの前処理

← 古い版		2020年8月22日 (土) 09:46時点における版
53行目:		53行目:
	またEPI画像法には、生体との干渉により生じる静磁場（B0）の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する('''図4'''）<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm～数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。		またEPI画像法には、生体との干渉により生じる静磁場（B0）の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する('''図4'''）<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm～数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。

	また個人間の脳の形や大きさの違いによらない機能マッピングを行うため、3次元位置合わせ法を適用することで脳形状の標準化が行われる。脳の3次元アトラス空間の国際標準として、モントリオール神経研究所（Montreal Neurological Institute, MNI）が作成した座標系が一般的に使われ、MNI標準I空間内の座標位置（x, y, z）上に脳活動を位置同定（マッピング）することで脳の機能構築の解明が進んできた。これまでの膨大なfMRI研究の成果は、MNI座標での機能マッピングデータベースとして構築され<ref><pubmed> 21706013</pubmed></ref>、web上の視覚ツールも公開されている([[[https://neurosynth.org neurosynth.org]]])。		また個人間の脳の形や大きさの違いによらない機能マッピングを行うため、3次元位置合わせ法を適用することで脳形状の標準化が行われる。脳の3次元アトラス空間の国際標準として、モントリオール神経研究所（Montreal Neurological Institute, MNI）が作成した座標系が一般的に使われ、MNI標準I空間内の座標位置（x, y, z）上に脳活動を位置同定（マッピング）することで脳の機能構築の解明が進んできた。これまでの膨大なfMRI研究の成果は、MNI座標での機能マッピングデータベースとして構築され<ref><pubmed> 21706013</pubmed></ref>、web上の視覚ツールも公開されている([https://neurosynth.org neurosynth.org])。

	MNI座標系のような3次元空間での位置合わせ技術も、高次元の非線形法が進歩したことで精度が向上している。しかし複雑な脳回のパターンを保ったまま3次元位置合わせを行うことは原理的に困難である。そこで、大脳皮質が2次元のシートが折れ曲がった構造をしていることに注目した皮質表面解析法が生まれた<ref><pubmed> 9448242</pubmed></ref><ref><pubmed> 22248573</pubmed></ref>。構造MRI画像から皮質を分画化し、その外表面（皮質と脳軟膜境界）と内表面（白質・皮質境界）を抽出し「皮質表面」を得る。そしてこの皮質表面上で脳回のパターン（曲率や深度）を位置合わせする手法（surface registration）が提案され<ref><pubmed> 10619420</pubmed></ref>、個人間の皮質機能構築を2次元座標上で標準化できるようになった。また皮質表面の2次元座標系と、皮質下構造の3次元MNI座標系を組み合わせた新しい座標（灰白質座標）と専用フォーマットCIFTIも設計された。正確な皮質表面の抽出には、高解像度・高画質の脳構造画像が必要であり、得られた表面境界とfMRI画像との正確な位置合わせを行うことで<ref><pubmed> 19573611</pubmed></ref>、fMRI画像を灰白質画像に正確に重ね合わせ、個人間解析を高い位置精度で行うことが可能になってきている。さらに、脳回情報だけでなく機能や構造に関わる値（RSNやミエリンマップ等）を複数組み合わせた、さらに高い精度の表面位置合わせ法も開発され、応用も進んでいる<ref><pubmed> 29100940</pubmed></ref>。		MNI座標系のような3次元空間での位置合わせ技術も、高次元の非線形法が進歩したことで精度が向上している。しかし複雑な脳回のパターンを保ったまま3次元位置合わせを行うことは原理的に困難である。そこで、大脳皮質が2次元のシートが折れ曲がった構造をしていることに注目した皮質表面解析法が生まれた<ref><pubmed> 9448242</pubmed></ref><ref><pubmed> 22248573</pubmed></ref>。構造MRI画像から皮質を分画化し、その外表面（皮質と脳軟膜境界）と内表面（白質・皮質境界）を抽出し「皮質表面」を得る。そしてこの皮質表面上で脳回のパターン（曲率や深度）を位置合わせする手法（surface registration）が提案され<ref><pubmed> 10619420</pubmed></ref>、個人間の皮質機能構築を2次元座標上で標準化できるようになった。また皮質表面の2次元座標系と、皮質下構造の3次元MNI座標系を組み合わせた新しい座標（灰白質座標）と専用フォーマットCIFTIも設計された。正確な皮質表面の抽出には、高解像度・高画質の脳構造画像が必要であり、得られた表面境界とfMRI画像との正確な位置合わせを行うことで<ref><pubmed> 19573611</pubmed></ref>、fMRI画像を灰白質画像に正確に重ね合わせ、個人間解析を高い位置精度で行うことが可能になってきている。さらに、脳回情報だけでなく機能や構造に関わる値（RSNやミエリンマップ等）を複数組み合わせた、さらに高い精度の表面位置合わせ法も開発され、応用も進んでいる<ref><pubmed> 29100940</pubmed></ref>。

WikiSysop: /* fMRIデータの前処理 */

2020-08-22T00:45:05Z

fMRIデータの前処理

← 古い版		2021年10月28日 (木) 20:58時点における版
100行目:		100行目:
	脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合（functional connetivity, FC）と呼ぶ。FCの産出法としては領域間の時系列信号の[[wj:ピアソン相関係数\|ピアソン相関係数]]が良く使われる<ref name=Biswal1995></ref>。ある特定の脳領域を関心領域（シード）として設定し、相手方の関心領域（または体素）を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたデフォルトモードネットワークが安静状態神経ネットワークとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。		脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合（functional connetivity, FC）と呼ぶ。FCの産出法としては領域間の時系列信号の[[wj:ピアソン相関係数\|ピアソン相関係数]]が良く使われる<ref name=Biswal1995></ref>。ある特定の脳領域を関心領域（シード）として設定し、相手方の関心領域（または体素）を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたデフォルトモードネットワークが安静状態神経ネットワークとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。

	このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく[[wj:偏相関分析\|偏相関分析]]（partial correlation）を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開（[[wj:グラフ理論\|グラフ理論]]、独立成分分析、機械学習など）、他の指標や測定（脳波や臨床兆候など）との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば[[神経連絡トレーサー]]~~と機能的結合の比較は重要な課題である。~~		このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく[[wj:偏相関分析\|偏相関分析]]（partial correlation）を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開（[[wj:グラフ理論\|グラフ理論]]、独立成分分析、機械学習など）、他の指標や測定（脳波や臨床兆候など）との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば[[神経連絡トレーサー]]と[[機能的結合]]の比較は重要な課題である。

	[[File:Hanakawa_fMRI_Fig6.png\|thumb\|'''図6. 安静時fMRI画像を前処置後、独立成分分析により得たDMN'''<br>後部帯状回を中心とし頭頂葉、前頭前野前内側部を含むデフォルトモードネットワーク（DMN)。左上は膨らました皮質表面にマッピングしたもの、右上は軸断像に表示、および同ネットワークの信号変化（左下）および周波数分析結果（右下）。周波数0.01-0.1Hzに高いパワーを持つネットワーク活動である。'''図3'''と同じfMRIデータで、動き補正・ノイズ処理を行ったあとに得られたもの。]]		[[File:Hanakawa_fMRI_Fig6.png\|thumb\|'''図6. 安静時fMRI画像を前処置後、独立成分分析により得たDMN'''<br>後部帯状回を中心とし頭頂葉、前頭前野前内側部を含むデフォルトモードネットワーク（DMN)。左上は膨らました皮質表面にマッピングしたもの、右上は軸断像に表示、および同ネットワークの信号変化（左下）および周波数分析結果（右下）。周波数0.01-0.1Hzに高いパワーを持つネットワーク活動である。'''図3'''と同じfMRIデータで、動き補正・ノイズ処理を行ったあとに得られたもの。]]

← 古い版		2020年8月24日 (月) 20:04時点における版
113行目:		113行目:
	[[File:Hanakawa_fMRI_Fig7.png\|thumb\|right\|'''図7. ヒト大脳皮質の領域分画化'''<br>マルチモーダルMRI画像（ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など）を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する（傾斜が高い）部位を分画の境界線として設定して作成された<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8]]]		[[File:Hanakawa_fMRI_Fig7.png\|thumb\|right\|'''図7. ヒト大脳皮質の領域分画化'''<br>マルチモーダルMRI画像（ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など）を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する（傾斜が高い）部位を分画の境界線として設定して作成された<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8]]]

	1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project（HCP）が行われた。このプロジェクトでは、[[wj:~~ワシントン大学~~\|~~ワシントン大学~~]]~~セントルイス医学校および~~[[wj:オックスフォード大学\|オックスフォード大学]]が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI（T1・T2強調画像）、[[拡散強調画像]]を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは（１）質が高い画像データを大量に取得する、（２）空間分解能を犠牲にすることなくデータを処理する手法を開発する、（３）FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割（parcellation）を行う、（４）取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。		1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project（HCP）が行われた。このプロジェクトでは、[[wj:セントルイス・ワシントン大学\|ワシントン大学セントルイス医学校]]および[[wj:オックスフォード大学\|オックスフォード大学]]が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI（T1・T2強調画像）、[[拡散強調画像]]を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは（１）質が高い画像データを大量に取得する、（２）空間分解能を犠牲にすることなくデータを処理する手法を開発する、（３）FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割（parcellation）を行う、（４）取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。

	特にFACT法は片側半球を180領域に分割することに成功し<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した（'''図7'''）。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている（[[w:UK Biobank\|UKバイオバンク]]、[https://www.addictionresearch.nih.gov/abcd-study ABCD Study]など）。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。		特にFACT法は片側半球を180領域に分割することに成功し<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した（'''図7'''）。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている（[[w:UK Biobank\|UKバイオバンク]]、[https://www.addictionresearch.nih.gov/abcd-study ABCD Study]など）。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。

← 古い版		2020年8月22日 (土) 09:45時点における版
44行目:		44行目:

	=== fMRIデータの前処理 ===		=== fMRIデータの前処理 ===
	3テスラMRI装置でのfMRIにおいて、神経活動による信号変化は全信号変動の約７パーセント程度とされる。生体や装置の熱ノイズが約50％を占め、残りはMRI装置の不完全性による信号ドリフトや、非撮像体の動き等に由来するアーチファクトとされる<ref><pubmed> 23707591</pubmed></ref>。頭部の動きは画像位置合わせにより補正（motion correction/realignment）することが通常であるが、この処理では補正しきれないMRI信号変動が残存する。加えて心拍や呼吸などの生理的要因による信号変動も存在するため、これら非神経性の信号を可能な限り分離・除去することが重要である（'''図3'''）。古典的には、頭部動き補正の後、安静時・課題fMRIともに一定の周波数帯域の信号を除去するフィルター(high pass filterやlow pass filter)をかけることでノイズ除去が行われてきた。しかしこの方法では、関心ある神経活動信号も除去してしまうため、独立成分分析によるノイズ同定・軽減への期待が高い<ref><pubmed> 24389422</pubmed></ref>~~（後述「fMRIの統計解析」参照）。~~		3テスラMRI装置でのfMRIにおいて、神経活動による信号変化は全信号変動の約７パーセント程度とされる。生体や装置の熱ノイズが約50％を占め、残りはMRI装置の不完全性による信号ドリフトや、非撮像体の動き等に由来するアーチファクトとされる<ref><pubmed> 23707591</pubmed></ref>。頭部の動きは画像位置合わせにより補正（motion correction/realignment）することが通常であるが、この処理では補正しきれないMRI信号変動が残存する。加えて心拍や呼吸などの生理的要因による信号変動も存在するため、これら非神経性の信号を可能な限り分離・除去することが重要である（'''図3'''）。古典的には、頭部動き補正の後、安静時・課題fMRIともに一定の周波数帯域の信号を除去するフィルター(high pass filterやlow pass filter)をかけることでノイズ除去が行われてきた。しかしこの方法では、関心ある神経活動信号も除去してしまうため、独立成分分析によるノイズ同定・軽減への期待が高い<ref><pubmed> 24389422</pubmed></ref>（後述「[[機能的磁気共鳴画像法#fMRIの統計解析\|fMRIの統計解析]]」参照）。

	[[File:Hanakawa_fMRI_Fig3.png\|thumb\|right\|'''図3. fMRIデータの前処置―動き補正・ノイズ減弱の効果'''<br>'''左.''' 前処理していない元fMRI画像（TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示）<br>'''中.''' 剛体変換による数学的な動き補正（motion correction/realignment）のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。<br>'''右.''' 動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトは目立たない。いずれも脳標準空間への位置合わせを行い、38倍速で表示している。]]		[[File:Hanakawa_fMRI_Fig3.png\|thumb\|right\|'''図3. fMRIデータの前処置―動き補正・ノイズ減弱の効果'''<br>'''左.''' 前処理していない元fMRI画像（TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示）<br>'''中.''' 剛体変換による数学的な動き補正（motion correction/realignment）のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。<br>'''右.''' 動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトは目立たない。いずれも脳標準空間への位置合わせを行い、38倍速で表示している。]]
	[[File:Hanakawa_fMRI_Fig4.png\|thumb\|right\|'''図4. 機能的MRI画像の歪み補正の効果'''<br>fMRI画像で用いるEPI画像は、主に撮像時の位相方向の設定と静磁場不均一性に依存して歪みが生じる。<br>'''A, B.''' 位相方向を前⇒後（矢印）、および後⇒前（矢印）に設定した場合のEPI画像。それぞれの画像が前後軸に沿ってに逆方向に歪んでいることがわかる。<br>'''C.''' 歪み補正を行った後のEPI画像<br>'''D.''' 同じ位置での高解像度T1強調画像の断面像。歪み補正により画像内の各脳部位の位置がほぼ一致している。<br>'''E.''' 歪み補正により推定した位置ズレ（shift）の大きさを示す画像。歪み補正する前と後では同断面内で最大15mmの位置ズレがみられた。]]		[[File:Hanakawa_fMRI_Fig4.png\|thumb\|right\|'''図4. 機能的MRI画像の歪み補正の効果'''<br>fMRI画像で用いるEPI画像は、主に撮像時の位相方向の設定と静磁場不均一性に依存して歪みが生じる。<br>'''A, B.''' 位相方向を前⇒後（矢印）、および後⇒前（矢印）に設定した場合のEPI画像。それぞれの画像が前後軸に沿ってに逆方向に歪んでいることがわかる。<br>'''C.''' 歪み補正を行った後のEPI画像<br>'''D.''' 同じ位置での高解像度T1強調画像の断面像。歪み補正により画像内の各脳部位の位置がほぼ一致している。<br>'''E.''' 歪み補正により推定した位置ズレ（shift）の大きさを示す画像。歪み補正する前と後では同断面内で最大15mmの位置ズレがみられた。]]

	また上述のようにfMRIデータにおける熱ノイズ量はBOLD信号変動に対して非常に大きい。そのため統計解析の前に、ガウスフィルタを適応して信号ノイズ比を向上させる操作（空間平滑化 spatial smoothing)が行われる。しかしこの方法は位置情報の正確さを低下させるため、位置情報を犠牲にしないノイズ軽減法（例：ウィシャートフィルター）の開発も現在進んでいる(<ref name= Glasser2016><pubmed> 27571196</pubmed></ref>の図S7を参照)。		また上述のようにfMRIデータにおける熱ノイズ量はBOLD信号変動に対して非常に大きい。そのため統計解析の前に、ガウスフィルタを適応して信号ノイズ比を向上させる操作（空間平滑化 spatial smoothing)が行われる。しかしこの方法は位置情報の正確さを低下させるため、位置情報を犠牲にしないノイズ軽減法（例：ウィシャートフィルター）の開発も現在進んでいる(<ref name= Glasser2016><pubmed> 27571196</pubmed></ref>の図S7を参照)。

	またEPI画像法には、生体との干渉により生じる静磁場（B0）の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する('''図4'''）<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm～数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。		またEPI画像法には、生体との干渉により生じる静磁場（B0）の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する('''図4'''）<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm～数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。

	また個人間の脳の形や大きさの違いによらない機能マッピングを行うため、3次元位置合わせ法を適用することで脳形状の標準化が行われる。脳の3次元アトラス空間の国際標準として、モントリオール神経研究所（Montreal Neurological Institute, MNI）が作成した座標系が一般的に使われ、MNI標準I空間内の座標位置（x, y, z）上に脳活動を位置同定（マッピング）することで脳の機能構築の解明が進んできた。これまでの膨大なfMRI研究の成果は、MNI座標での機能マッピングデータベースとして構築され<ref><pubmed> 21706013</pubmed></ref>、web上の視覚ツールも公開されている(neurosynth.org)。		また個人間の脳の形や大きさの違いによらない機能マッピングを行うため、3次元位置合わせ法を適用することで脳形状の標準化が行われる。脳の3次元アトラス空間の国際標準として、モントリオール神経研究所（Montreal Neurological Institute, MNI）が作成した座標系が一般的に使われ、MNI標準I空間内の座標位置（x, y, z）上に脳活動を位置同定（マッピング）することで脳の機能構築の解明が進んできた。これまでの膨大なfMRI研究の成果は、MNI座標での機能マッピングデータベースとして構築され<ref><pubmed> 21706013</pubmed></ref>、web上の視覚ツールも公開されている([[[https://neurosynth.org neurosynth.org]]])。

	MNI座標系のような3次元空間での位置合わせ技術も、高次元の非線形法が進歩したことで精度が向上している。しかし複雑な脳回のパターンを保ったまま3次元位置合わせを行うことは原理的に困難である。そこで、大脳皮質が2次元のシートが折れ曲がった構造をしていることに注目した皮質表面解析法が生まれた<ref><pubmed> 9448242</pubmed></ref><ref><pubmed> 22248573</pubmed></ref>。構造MRI画像から皮質を分画化し、その外表面（皮質と脳軟膜境界）と内表面（白質・皮質境界）を抽出し「皮質表面」を得る。そしてこの皮質表面上で脳回のパターン（曲率や深度）を位置合わせする手法（surface registration）が提案され<ref><pubmed> 10619420</pubmed></ref>、個人間の皮質機能構築を2次元座標上で標準化できるようになった。また皮質表面の2次元座標系と、皮質下構造の3次元MNI座標系を組み合わせた新しい座標（灰白質座標）と専用フォーマットCIFTIも設計された。正確な皮質表面の抽出には、高解像度・高画質の脳構造画像が必要であり、得られた表面境界とfMRI画像との正確な位置合わせを行うことで<ref><pubmed> 19573611</pubmed></ref>、fMRI画像を灰白質画像に正確に重ね合わせ、個人間解析を高い位置精度で行うことが可能になってきている。さらに、脳回情報だけでなく機能や構造に関わる値（RSNやミエリンマップ等）を複数組み合わせた、さらに高い精度の表面位置合わせ法も開発され、応用も進んでいる<ref><pubmed> 29100940</pubmed></ref>。		MNI座標系のような3次元空間での位置合わせ技術も、高次元の非線形法が進歩したことで精度が向上している。しかし複雑な脳回のパターンを保ったまま3次元位置合わせを行うことは原理的に困難である。そこで、大脳皮質が2次元のシートが折れ曲がった構造をしていることに注目した皮質表面解析法が生まれた<ref><pubmed> 9448242</pubmed></ref><ref><pubmed> 22248573</pubmed></ref>。構造MRI画像から皮質を分画化し、その外表面（皮質と脳軟膜境界）と内表面（白質・皮質境界）を抽出し「皮質表面」を得る。そしてこの皮質表面上で脳回のパターン（曲率や深度）を位置合わせする手法（surface registration）が提案され<ref><pubmed> 10619420</pubmed></ref>、個人間の皮質機能構築を2次元座標上で標準化できるようになった。また皮質表面の2次元座標系と、皮質下構造の3次元MNI座標系を組み合わせた新しい座標（灰白質座標）と専用フォーマットCIFTIも設計された。正確な皮質表面の抽出には、高解像度・高画質の脳構造画像が必要であり、得られた表面境界とfMRI画像との正確な位置合わせを行うことで<ref><pubmed> 19573611</pubmed></ref>、fMRI画像を灰白質画像に正確に重ね合わせ、個人間解析を高い位置精度で行うことが可能になってきている。さらに、脳回情報だけでなく機能や構造に関わる値（RSNやミエリンマップ等）を複数組み合わせた、さらに高い精度の表面位置合わせ法も開発され、応用も進んでいる<ref><pubmed> 29100940</pubmed></ref>。
58行目:		59行目:
	[[File:Hanakawa_fMRI_Fig5.png\|thumb\|'''図5. 課題fMRIの課題デザイン・解析・結果の例'''<br>ヒト脳コネクトームプロジェクト（HCP)の課題fMRIデータを使用。<br>		[[File:Hanakawa_fMRI_Fig5.png\|thumb\|'''図5. 課題fMRIの課題デザイン・解析・結果の例'''<br>ヒト脳コネクトームプロジェクト（HCP)の課題fMRIデータを使用。<br>
	指示に反応して体の各部位（右足・左足・右手・左手・舌）を動かす課題fMRIの結果。'''A.''' 運動時の脳活動をモデル化後、血流動態反応（HRF)を畳み込んでBOLD信号変化モデル（緑線）を作成する。データへのあてはめ（GLM）を行い、モデルとデータが有意に相関した部位（体素）の信号変化（赤線）を示している。'''B.''' 運動課題のBOLD信号変化モデルを30例の被験者のデータにあてはめた際のt検定の結果（t値）を、大脳皮質表面に投影して表示。左側は平均の皮質表面、右側はその皮質表面を膨らませて表示することで、脳溝内の統計値を見やすくしている。運動野、補足運動野、2次体性感覚野の神経活動が示唆される。]]		指示に反応して体の各部位（右足・左足・右手・左手・舌）を動かす課題fMRIの結果。'''A.''' 運動時の脳活動をモデル化後、血流動態反応（HRF)を畳み込んでBOLD信号変化モデル（緑線）を作成する。データへのあてはめ（GLM）を行い、モデルとデータが有意に相関した部位（体素）の信号変化（赤線）を示している。'''B.''' 運動課題のBOLD信号変化モデルを30例の被験者のデータにあてはめた際のt検定の結果（t値）を、大脳皮質表面に投影して表示。左側は平均の皮質表面、右側はその皮質表面を膨らませて表示することで、脳溝内の統計値を見やすくしている。運動野、補足運動野、2次体性感覚野の神経活動が示唆される。]]

	=== fMRIの統計解析 ===		=== fMRIの統計解析 ===
	==== 単変量解析 ====		==== 単変量解析 ====