功能磁共振成像技术已经成为研究脑机制的重要手段，并被广泛地应用。在最近三年发表的研究精神疾病脑机制的论文中，有大约一半以功能磁共振成像技术为研究手段。功能磁共振成像以很高的速率获取随时间变化的多幅脑图像，因而具有很高的空间分辨率和较高的时间分辨率。

 

功能磁共振成像数据包含丰富的时间和空间信息。如何充分挖掘数据中的信息是目前的研究热点之一。目前常用的方法是，首先假设血氧水平信号对于单位刺激的响应是特定的形状，或者对某几个脑区间的相互关系作出具体的假设，再利用实际数据对该模型进行拟合。但是，由于我们对脑机制了解很少，提出的模型未必接近实际情况。这就阻碍了新信息的发现。因此，目前的方法使脑成像研究局限于“脑功能解剖学”的研究。

 

中科院心理所杨志博士和翁旭初研究员最近与美国Emory大学的研究者合作，开发了一种新的功能磁共振成像数据分析算法，Ranking and averaging independent component analysis by reproducibility （RAICAR）。该方法利用独立成分分析在不对脑活动方式作出假设的情况下，将数据分解为多个成分，每个成分代表不同的脑活动网络。这样的分解被执行多次，每个成分在多次分解中的可复制性将被计算。而根据可复制性，这些成分将被排序和平均以获得更加稳定的结果。与目前常用的方法相比，RAICAR具有显著的优点：1）无需假设脑的工作模式，有利于新的脑功能网络的发现； 2）由于独立成分分析是多元统计方法，因此它能同时检测多个成分，每个成分可能代表不同的脑活动特征，而不必事先提出脑活动的模型；3）确定可靠的成分数，在对数据分析过程中去除噪声的影响；4）对成分排序。这种排序在一定程度上反映了不同成分之间的相对强弱关系，从而提供新的信息；5）获得更加可靠的结果。RAICAR算法获得的结果要远比一般的独立成分分析方法稳定。

 

该成果已经发表在《人类脑电图》（Human Brain Mapping）期刊第29卷上（711-725），该期刊影响因子为6.152，是脑成像方法学领域的著名期刊之一。该成果已被国际多个研究小组应用。（来源：中科院心理所）