Анализ данных фМРТ методом слепого разделения на независимые пространственные компоненты

Современные аналитические методы, применяемые к данным функциональной магнитно-резонансной томографии (фМРТ), требуют априорных знаний или конкретных предположений о временных профилях процессов, формирующих измеряемые сигналы. В настоящей работе описан новый метод анализа данных фМРТ, основанный на алгоритме анализа независимых компонентов (ICA) Белла и Сейновского ([1995]: Neural Comput 7:1129–1159). Мы разложили восемь наборов данных фМРТ, полученных у 4 здоровых испытуемых, выполнявших цветовой тест Струпа, рабоче-числовую задачу Брауна и Петерсона, а также контрольные задачи, на пространственно независимые компоненты. Каждый компонент состоял из значений вокселей в фиксированных трёхмерных координатах (карта компонента) и уникального соответствующего временного профиля активации. Для данных, полученных в 144 временных точках в течение 6-минутного эксперимента, ICA выделил такое же число пространственно независимых компонентов. Во всех восьми экспериментах ICA выделил ровно один компонент, временной профиль которого близко соответствовал чередованию экспериментальной и контрольной задач с периодом 40 с. Области максимальной активности в этих стабильно связанных с задачей компонентах в целом перекрывались с активными областями, выявленными стандартным корреляционным анализом, но также включали лобные области, не обнаруженные корреляционным методом. Временные профили других компонентов ICA были транзиторно связаны с задачей, квазипериодическими или медленно изменяющимися. Благодаря использованию статистик более высокого порядка для последовательного ужесточения критериев пространственной независимости между картами компонентов алгоритм ICA и связанный с ним метод разложения четвёртого порядка (Comon [1994]: Signal Processing 36:11–20) превосходили метод главных компонент (PCA) при определении пространственных и временных границ активации, связанной с задачей. Для каждого испытуемого временные профили и активные области компонентов ICA, связанных с задачей, были согласованными в разных экспериментах и устойчивыми к добавлению смоделированного шума. Смоделированный артефакт движения и смоделированные активации, связанные с задачей, добавленные к исходным данным фМРТ, были чёт...