各位老师，同学，大家好！我报告的题目是“头动并非简单的技术噪声：脑成像中头动的心理和神经相关”。

核磁共振成像技术的出现，为研究人类心智和脑疾病提供了新的契机。但是，扫描过程会受到很多混淆因素的影响，比如头动。剧烈的头动不仅让脑偏移了位置，还会干扰信号采集。一直以来，研究者会在数据预处理中采用头动校正来消除头动带来的影响，但是近年来，人们发现头动校正是不够的。比如2012年连续有几篇很有影响的文章（van Dijk et al., 2012; Power et al., 2012; Satterthwaite et al., 2012; Ling et al., 2012）发现：即使采用了严格的头动校正，头动还是会影响功能连接和大脑白质测量。考虑到病人往往头动会相对严重，由此人们开始怀疑，以前发现的脑上的差异到底是脑损伤还是头动引起的扫描噪声。2012年以后人们的头动问题的关注不断增多，头动问题也开始让研究者重新思考疾病机理研究中脑影像的应用。

motion_2

研究者也提出了各种进一步处理头动的方法：比如要匹配不同组之间的头动大小；回归分析的时候把头动当混淆变量回归掉等。这些处理方式大都基于一个并没有验证过的假设，就是头动只是简单的技术噪声。但是假如说头动本身携带了被试的有用信息的话，这些处理方法就会有问题。比如比较一组病人和正常人，如果要简单匹配头动的话，很容易导致采样的偏差：这样病人组可能只是病情不严重的病人。由于采样的偏差，得到的结论也就可能存在问题。

那么问题来了，头动真的只是简单的技术噪声吗？

一种很直接想到的可能是：头动比较大的被试不能控制自己的行为。以往的观察也和这一猜想是一致的，比如adhd或者autism头动会严重一些；而儿童头动也比较成人大一些。另外，我们发现，头动在两次扫描间存在很好的一致性，也就是说重测信度比较好（van Dijk et al., 2012; Kong, 2014; Zeng et al., 2014）。加上比较大的个体差异，我们假设，被试的冲动特质可能是引起头动的一个潜在因素，相对冲动的个体更容易头动。

motion_3

接下来，我们在3个相对独立的数据集上验证了我们的假设（Kong et al., 2014）。首先，我们从一组近600健康成人的数据集中提取了被试的头动测量和冲动测量。其中，头动从DTI数据的预处理来，这个指标综合了三个方向上的平移和旋转信息；冲动采用标准的BIS问卷。首先，我们发现个体的冲动特质与头动存在显著的正相关，即冲动得分越高，头动越大；进一步的在子维度上的关联分析发现，这一关系主要由“自我控制”这个子维度来贡献。

此外，我们采用更客观的计算机任务，经典的测量“冲突控制”flanker task，测量了一组179个健康成人的冲动测量。这个任务是这样：计算机屏幕会连续呈现5个箭头，被试的任务是通过按键判断中间箭头的朝向，任务分“一致条件”和“不一致条件”，不一致条件中四周的箭头与中间箭头方向不一致，起冲突作用，被试在不一致条件下的反应时一般会比一致条件下要长，这个反应时的差值就定义为这里的冲突控制能力的好坏。差值越大，冲突控制越差。我们发现，也呈现出一个正的相关，即冲突控制较差的被试，头动也相对较大。

motion_4

我们也在一组儿童的数据集上验证了我们的发现。首先，我们发现，在儿童的数据集上，冲动得分与头动存在正相关。这个相关在ADHD病人和正常对照中均显著。同时，ADHD在头动上显著大于正常对照组；中介分析发现，在头动上的差异可以完全由冲动得分来解释。儿童的数据进一步验证了我们的假设。

小结一下，通过综合3个方面的证据，我们发现头动并非简单的技术噪声，头动的个体差异至少体现了个体的冲动特质。那么，头动，作为一种稳定存在的，而且具有一定心理学意义的指标，它的神经生物学的基础是什么呢？

如何回答这个问题呢？脑成像和头动是耦合在一起的，过大的头动必然影响成像信号，从而影响脑测量参数，而头动的个体差异也会体现脑测量参数的个体差异上。

motion_5

MGH的Liu Hesheng老师实验室采用精巧的实验设计，探索了头动在静息功能连接上的神经基础（Zeng et al., 2014）。作者采用了两个比较，一个是被试间的比较：头动大的被试与头动小的被试做比较；另一个是被试内的比较：头动大的session与头动小的session做比较。假如说发现的关联是纯噪声的话，那么我们预期，在这两组比较中得到类似的结果。但是作者发现，被试内的比较没有发现显著差异；而在被试间的比较则发现显著的关联，这些脑区主要分布在后扣带，内侧前额叶等默认网络相关的脑区。这个发现一方面为头动不是简单的技术噪声提供了新的证据；也暗示了默认网络相关脑区的静息活动可能参与了头动的调控，而头动的个体差异可能与默认网络相关的特定认知控制能力有关。

我们就头动的神经生物学基础，从脑结构角度，也做了探索(Kong et al., In preparation)，这里和大家交流一下。

我们主要关注头动的个体差异与皮层厚度的关联，皮层厚度从被试脑结构MRI数据采用Freesurfer计算。为了在一定程度上控制头动对MRI带来的噪声的影响，我们做了一定的控制：被试上，采用健康成人的数据，保证能按照指导语保持头动；数据上，也做了一些追溯性的质量控制，比如保证没有明显的伪影，有比较清晰的灰质/白质对比，也估计了MRI数据的信噪比，作为控制。

第一组被试20人，有一组MRI的数据和扫描了两次的DTI数据。头动数据从DTI数据的预处理中提取，两次扫描的重测信度为0.54，和以往研究一致。为了更准确地量化个体的头动，这里采用两次头动测量的均值。从MRI的数据中得到皮层厚度的测量。考虑到头动对MRI数据的可能影响，这里估计了MRI数据的信噪比作为控制。关联分析发现，在左侧vmPFC的皮层厚度与头动存在显著关联。这是头动与局部皮层厚度测量的散点图，在控制掉SNR后相关保持显著。表明，vmPFC可能参与了头动控制的调控。

在另一组健康成人大学生的被试上，做了验证。首先，头动从DTI数据预处理中提取，根据头动大小，提取出了一组高头动的被试，和一组低头动的被试，匹配了性别、年龄、利手和SNR。结果发现，高头动组在vmPFC的局部皮层厚度上显著高于低头动组。验证了前面的结果。同时，我们提取了这组被试所有样本的皮层厚度参数，发现存在显著相关。

motion_6

当然，虽然我们这里做了一定的控制，尽量避免头动对MRI数据质量的影响，但是目前的技术并不能100%排除噪声的干扰。不过最近的一篇文章在一定程度上可以排除我们发现的头动与脑结构的相关是头动诱发的噪声，而是头动相关的一种内表型。这个研究分别让被试在扫描过程中保持不动，使劲随便动,发现头动实际上会导致对皮层厚度的低估。可以看到头动引起的噪声在我们感兴趣的vmPFC脑区也是显著降低对皮层厚度的估计。这在一定程度上排除了我们的发现的相关是头动引起的噪声引起的。也就是说vmPFC可能参与了头动控制的调控。

现在回到报告开始的问题。脑成像中的头动真的只是简单的技术噪声吗？我的报告从头动的心理和神经相关两个方面的证据说明了，头动并非简单的技术噪声。因此，我们需要更全面的认识脑影像中的头动问题，一方面可以帮助我们更好的处理甚至避免头动对脑影像的影响，同时，作为MRI数据预处理的一个副产品，头动本身可以反映被试的心理或临床状况，在一定程度上可以辅助疾病的诊断。

你可能会问了：头动和脑测量的关联，既可能是头动引发的噪音，又有可能头动相关的内表型，那么在研究中到底该如何处理头动的问题？

motion_7

说实话，这是一个很困难的问题，尤其在目前的成像技术条件下。这里提三点可能的解决方案：

  • 报告中同时呈现控制和不控制头动的结果，尤其在两种分析结果不一致时，要从头动诱发的噪声和头动相关的内表型两个角度做讨论；
  • 在独立数据集上重复分析结果：一般来讲头动引起的噪声是随机的，在独立数据上重复分析结果可以在一定程度上排除头动引起的噪声的影响；
  • 当然，最理想的是能够在扫描的过程中讲头动的干扰降到最低，比如扫描时尽量减小被试的头动，采用一些预见性校正头动的成像序列等。其中最简单的方法还是要尽量减小被试头动。

motion_8

最后，感谢刘嘉老师，甄宗雷老师，贺永老师和臧玉峰老师给予的指导。同时，感谢刘嘉课题组的所有成员在数据采集上的贡献。还要特别感谢ADHD-200和NKI-RS两个数据共享项目，这些共享数据使多数据集验证成为可能。

谢谢大家！