「機能的磁気共鳴画像法」の版間の差分

　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。

　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>。

　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）。