特征值谱揭示不同静息态 fMRI 去噪策略中的残余运动效应

静息态功能磁共振成像（RS-fMRI）信号的特征值结构为其方差-协方差结构提供了一种紧凑的表征方式，但其中所编码的信息仍不明确。在本研究中，我们提出了一种基于特征值的框架，通过从特征值谱中提取的两个特征来刻画RS-fMRI数据：经log10转换的第一特征值（log10(λ1)）和经log10转换后的谱斜率（β）。我们利用两个独立数据集（China167：83名男性、84名女性；平均年龄±标准差：41±14岁；HCP1200：425名男性、501名女性；平均年龄±标准差：29±4岁），系统评估了14种去噪策略下的这些特征。具体而言，我们对经过预处理和混杂回归后的皮层BOLD信号进行奇异值分解，以获得其特征值谱，并使用线性模型对其进行参数化。随后，我们考察了不同受试者及去噪策略下特征值参数、头动和功能连接指标之间的关系。主要发现包括：（1）在受试者、去噪策略和数据集之间，log10(λ1)与β呈现出强协变关系，表明二者捕捉到了特征值谱中高度一致的信息；（2）两种特征均受到去噪策略的系统性影响；（3）在每一种去噪策略内部，log10(λ1)较大的参与者具有更大的平均帧间位移（mFD），显示出其对残余头动效应的敏感性；这一现象在HCP1200的所有策略以及China167的14种策略中的12种策略下均得到观察；（4）在不同去噪策略之间，log10(λ1)的平均值反映了与头动显著相关的功能连接边所占的比例，表明较高的log10(λ1)反映出大尺度功能网络中更广泛的头动相关污染；（5）全局信号回归 consistently 降低了log10(λ1)，而尖峰回归的影响则取决于数据集。综上，这些结果确立了特征值特征作为量化RS-fMRI中残余头动效应的稳健且敏感的指标，并提供了一个基于特征值结构评估去噪效果的框架。完整流程已在R中实现，相应脚本可通过以下网址获取：https://github.com/lejianhuang/EigenvalueSignature。

特征值特征揭示静息态 fMRI 去噪策略中的残余运动效应 | bioRxiv

跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索关键词 高级搜索 最新结果

# 特征值特征揭示静息态 fMRI 去噪策略中的残余运动效应

Lejian Huang ， Andrew D. Vigotsky ， A Vania Apkarian

doi： https://doi.org/10.64898/2026.09.08.750194

Lejian Huang 1 西北大学； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在持有人为作者/资助者，其已授予 bioRxiv 永久展示该预印本的许可。

该预印本依据 CC-BY-NC-ND 4.0 国际许可协议 提供。

返回顶部 上一篇 下一篇

发布于 2026 年 9 月 14 日。

下载 PDF 数据/代码 电子邮件

感谢您有兴趣传播 bioRxiv 上的内容。

您的电子邮件地址 *

您的姓名 *

发送至 *

请输入多个地址，每个地址单独占一行或使用逗号分隔。

您将要发送以下内容：

特征值特征揭示静息态 fMRI 去噪策略中的残余运动效应

邮件主题

（您的姓名）已从 bioRxiv 网站向您转发一个页面

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾邮件提交。

分享

特征值特征揭示静息态 fMRI 去噪策略中的残余运动效应

Lejian Huang ， Andrew D. Vigotsky ， A Vania Apkarian

bioRxiv 2026.09.08.750194； doi： https://doi.org/10.64898/2026.09.08.750194

分享此文章：

复制

引用工具

特征值特征揭示静息态 fMRI 去噪策略中的残余运动效应

Lejian Huang ， Andrew D. Vigotsky ， A Vania Apkarian

bioRxiv 2026.09.08.750194； doi： https://doi.org/10.64898/2026.09.08.750194

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.08.750194v1?rss=1

🏷️ 静息态功能磁共振成像 特征值谱 头动效应 去噪策略 功能连接 奇异值分解