1 基本概念
1.1 定义
功能磁共振成像，简称fMRI，是一种利用磁共振成像原理间接反映脑功能活动的影像学方法。它并不直接记录神经元放电，而是通过观察任务执行、感觉刺激或静息状态下脑内血流和血氧变化，推断特定脑区的功能参与情况。
1.2 发展历史
fMRI的发展建立在磁共振技术、脑血流研究和神经科学进展的基础上。20世纪末，研究者逐步认识到血氧水平依赖信号可以作为脑活动的间接指标，随后该技术迅速进入认知神经科学和临床神经影像领域。随着脉冲序列、数据分析方法和磁体性能的不断改进，fMRI的应用范围也逐渐扩大。
1.3 与结构磁共振成像的区别
结构磁共振成像主要用于显示脑组织的解剖形态，如灰质、白质、脑室和病灶等；而功能磁共振成像更强调脑功能状态的变化。前者回答“脑长什么样”，后者回答“脑在做什么”。二者常联合使用：结构像为功能像提供解剖定位基础，功能像则补充脑区活动信息。
1.4 主要应用领域
fMRI广泛用于神经科学研究、术前功能定位、疾病评估以及康复随访等场景。在科研中，它常被用来研究感觉、运动、语言、记忆、情绪和社会认知等功能。在临床中，它有助于评估脑肿瘤、癫痫、脑卒中及部分神经退行性疾病相关的功能变化。
2 成像原理
2.1 磁共振基础
磁共振成像依赖人体组织中氢原子核在强磁场中的共振特性。外加射频脉冲可使核磁化矢量偏转，随后在弛豫过程中产生可被接收线圈捕获的信号。不同组织的T1、T2及质子密度差异，构成了常规磁共振图像的基础。
2.2 血氧水平依赖效应
fMRI最常用的对比机制是血氧水平依赖效应，即BOLD信号。含氧血红蛋白具有弱顺磁性，而脱氧血红蛋白具有更明显的顺磁性，会对局部磁场均匀性产生影响。脑区活动增加时，局部血流反应通常超过耗氧增加，导致脱氧血红蛋白相对减少，BOLD信号随之增强。
2.3 神经血管耦合
神经血管耦合是指神经活动与局部血流反应之间的生理联系。某一区域神经元活动增强后，神经胶质细胞、血管平滑肌和血管内皮等共同参与调节，促使局部血流和血容量发生变化。fMRI正是借助这一耦合过程，间接反映脑功能变化。
2.4 信号变化的物理机制
BOLD信号变化本质上来源于局部磁化率差异的改变。脱氧血红蛋白增加会造成磁场微观不均匀，缩短T2*弛豫时间并降低信号；反之，血流增加、脱氧血红蛋白减少时，信号相对升高。由于这一机制受血流、血容量和氧代谢共同影响，fMRI信号并非神经活动的直接读数。
3 扫描技术
3.1 扫描设备
fMRI通常在高场强磁共振扫描仪上完成，临床与科研中常见为1.5T、3T及更高场强设备。系统通常包括主磁体、梯度系统、射频线圈、计算机控制平台及受试者固定装置。头部专用线圈可提高信噪比，常用于脑功能研究。
3.2 常用序列
fMRI最常使用的是基于梯度回波平面回波成像的EPI序列，采集速度快，适合捕捉随时间变化的BOLD信号。为了降低伪影或满足特殊需求，也可使用改良序列，如多回波EPI、并行成像相关序列等。结构像通常会作为配套采集内容，用于配准和解剖定位。
3.3 空间分辨率与时间分辨率
fMRI具有较好的空间分辨率，能够定位到毫米级的脑区活动，但时间分辨率受血流反应速度限制，通常以秒为单位。换言之，它能较准确地指示“哪里更活跃”，却较难像电生理方法那样精细追踪毫秒级变化。实际应用中需在覆盖范围、信噪比和采集速度之间权衡。
3.4 扫描参数设置
3.4.1 层厚与层间距
层厚决定单层图像所覆盖的体积范围，过厚会降低空间细节，过薄则可能增加噪声和采集负担。层间距用于减少层间串扰，但过大又可能造成脑组织覆盖不连续。参数设置通常依据研究目的、磁场强度和扫描时间共同决定。
3.4.2 TR与TE
TR即重复时间，影响时间采样密度和整体扫描效率；较短TR有助于提高时间分辨率，但也会增加序列设计难度。TE即回波时间，与BOLD对比度密切相关，通常需尽量接近组织T2*特征范围，以获得较明显的功能信号变化。
3.4.3 视野与矩阵
视野决定成像范围，矩阵则影响图像采样密度。二者共同影响空间分辨率和扫描时间。若视野过小，可能无法完整覆盖目标脑区；若矩阵设置不合理，则会在分辨率、噪声和速度之间产生不利平衡。
4 实验设计
4.1 任务态fMRI
任务态fMRI是通过让受试者完成特定任务或接受刺激，观察任务相关脑区激活模式的一类设计。其核心在于将实验条件与脑反应建立对应关系，从而分析不同认知过程所涉及的神经网络。
4.1.1 阻断设计
阻断设计将同类任务连续呈现一段时间，再与基线或另一条件进行对比。由于任务持续时间较长，信号较稳定，适合检测较强的群体激活模式。该设计实现简单，分析方便，常用于感觉和运动任务。
4.1.2 事件相关设计
事件相关设计以单个刺激或单次反应为分析单位，能够观察不同试次之间的差异，更适合研究短暂、离散的认知过程。它对实验控制和统计建模要求较高，但灵活性更强，便于区分刺激类型及反应时程。
4.1.3 混合设计
混合设计结合了阻断与事件相关两种思路，既可分析总体状态变化，也能评估单次事件反应。它在研究复杂认知任务或同时关注持续性与瞬时性效应时较有优势。
4.2 静息态fMRI
静息态fMRI是在受试者不执行明确任务、保持放松状态下采集脑活动数据的方法。研究者通常分析不同脑区之间自发BOLD信号的相关性，从而推测功能连接。该方法应用广泛，尤其适用于难以完成任务的受试者或探索性网络研究。
4.3 刺激范式
4.3.1 视觉任务
视觉任务常通过闪烁图案、光栅、图片或动态视频激活枕叶视觉皮层及相关通路。此类范式设计相对成熟，便于验证扫描系统的反应稳定性。
4.3.2 听觉任务
听觉任务通常使用纯音、语言片段或复杂声音刺激，以观察颞叶听觉皮层及相关语言网络的响应。由于扫描环境噪声较大，实验中常需采取耳机、隔音与同步提示等措施。
4.3.3 运动任务
运动任务多要求受试者进行手指敲击、握拳、脚趾运动或想象运动，以激活初级运动皮层、辅助运动区及小脑相关通路。该类任务常用于术前功能定位。
4.3.4 语言任务
语言任务涉及命名、阅读、语义判断、词汇生成等活动，常用于评估语言优势半球及相关脑区。设计时需注意受试者教育程度、语言习惯和任务难度的差异。
4.4 被试准备与注意事项
受试者在扫描前通常需去除金属物品，了解扫描流程，并练习任务要求，以减少焦虑和误操作。扫描过程中应尽量保持头部静止，避免吞咽、说话和不必要的动作。对于任务态研究，还需保证刺激呈现、反应记录与同步触发准确可靠。
5 数据处理
5.1 预处理流程
fMRI原始数据通常需经过一系列预处理步骤，以减少技术误差并提高后续分析的可比性。常见流程包括头动校正、时间校正、空间标准化和平滑处理等。不同研究软件和分析策略在顺序与细节上可能略有差别。
5.1.1 头动校正
头动校正用于修正受试者在扫描过程中产生的微小位移和旋转。由于头动会显著影响BOLD信号，若控制不当，可能造成假阳性或掩盖真实激活。该步骤通常配合质量控制指标一起使用。
5.1.2 时间校正
时间校正主要针对多层切片在一个TR内并非同时采集所带来的时间差进行调整。其目的是使不同层面数据在时间上尽可能对齐，便于与实验事件时间点进行对应。
5.1.3 空间标准化
空间标准化是将个体脑图像映射到统一模板空间，以便进行组间比较和群体统计。该步骤有助于将不同受试者的对应脑区对齐，但也可能在局部形变较大时引入误差。
5.1.4 平滑处理
平滑处理通过空间滤波提高信噪比，增强相邻体素间的连续性，并改善群体统计的稳定性。与此同时，过度平滑可能降低局部精细结构信息，因此需要根据研究分辨率进行合理选择。
5.2 统计分析
5.2.1 一般线性模型
一般线性模型是任务态fMRI最常用的统计框架之一。它将实验条件、反应时间及其他协变量纳入模型，以估计每个体素或区域在不同条件下的信号变化是否显著。
5.2.2 激活图生成
激活图通过显示统计显著的脑区，直观呈现任务相关活动分布。常见结果形式包括t图、z图或彩色叠加图，便于与解剖结构共同观察。
5.2.3 多重比较校正
由于fMRI分析涉及大量体素同时检验，必须进行多重比较校正以控制假阳性率。常用方法包括家族错误率控制、假发现率控制以及基于簇水平的校正策略。
5.3 功能连接分析
5.3.1 静态功能连接
静态功能连接通常基于较长时间窗内不同脑区BOLD信号相关性进行评估。它反映的是在整个采样期间脑区之间的平均协同关系，常用于静息态网络研究。
5.3.2 动态功能连接
动态功能连接关注功能连接随时间的变化，强调脑网络并非恒定不变，而是具有时变特征。该方法常借助滑动窗口等技术实现，但对参数选择较为敏感。
5.3.3 图论分析
图论分析将脑区视为节点、连接视为边，从网络角度描述脑功能组织方式。常用指标包括度、聚类系数、路径长度和模块化等，可用于刻画信息整合与分离特征。
5.4 结果可视化
fMRI结果通常以脑表面图、切片叠加图、连接网络图或三维可视化形式呈现。良好的可视化不仅有助于解释数据，也便于跨学科交流与临床汇报。展示时通常需同时说明统计阈值、模板空间和颜色编码规则。
6 临床应用
6.1 术前功能定位
在脑外科手术规划中，fMRI常用于识别关键功能区与病灶之间的空间关系，以降低术后功能损伤风险。它尤其适合与结构像、弥散成像及神经导航系统结合使用。
6.1.1 运动区定位
运动区定位常通过手指、足部或面部运动任务识别初级运动皮层及相关通路。其结果可帮助术者评估病灶切除边界对运动功能的影响。
6.1.2 语言区定位
语言区定位主要用于判断与语言理解、表达和命名相关的脑区分布。由于语言功能具有一定个体差异，fMRI结果通常需要结合临床表现和其他检查综合判断。
6.1.3 记忆相关区评估
记忆相关区评估可用于观察内侧颞叶、海马及前额叶等区域在记忆任务中的参与情况。该类信息有助于术前评估认知风险，尤其是在涉及颞叶手术时更具参考价值。
6.2 神经系统疾病评估
6.2.1 脑肿瘤
在脑肿瘤患者中，fMRI可帮助了解肿瘤附近功能区是否受压、移位或代偿。它可为切除路径设计提供依据，但结果需结合肿瘤位置、血管反应和患者状态综合解读。
6.2.2 癫痫
癫痫研究中，fMRI可用于观察发作间期的网络异常、语言侧化以及潜在致痫区相关功能改变。它常与脑电图、结构影像和临床病史联合使用。
6.2.3 脑卒中
脑卒中后，fMRI可用于评估受损网络的重组情况及功能恢复过程。通过观察双侧半球和相关通路的活动变化，可为康复方案制定提供参考。
6.2.4 神经退行性疾病
在阿尔茨海默病等神经退行性疾病研究中，fMRI常用于分析默认网络、执行控制网络及记忆网络的功能变化。它有助于理解疾病对脑网络的影响及其进展特征。
6.3 精神心理相关研究
fMRI在精神心理领域主要用于探索情绪调节、奖赏加工、注意控制和社会认知等过程中的脑功能异常。它为理解症状背后的神经机制提供了观察窗口，但通常不作为单独诊断依据。
6.4 康复与疗效监测
fMRI可用于追踪康复训练前后的脑功能变化，观察网络重建和代偿情况。某些治疗或干预措施的效果，也可借助功能激活模式和连接改变进行间接评估。
7 研究应用
7.1 认知神经科学
fMRI是认知神经科学的重要工具，常用于研究注意、知觉、决策、执行控制等高级认知过程。它使研究者能够在任务执行过程中观察相关脑区的动态参与。
7.2 脑功能网络研究
借助fMRI，研究者可以分析大脑在静息和任务状态下的网络组织结构。诸如默认模式网络、感觉运动网络和显著性网络等概念，均与功能磁共振研究密切相关。
7.3 学习与记忆研究
fMRI可用于考察新知识获取、技能形成及记忆提取时的脑区活动变化。通过比较学习前后或不同记忆阶段的信号差异，可进一步理解记忆巩固与检索机制。
7.4 情绪与社会认知研究
在情绪研究中，fMRI常用于观察杏仁核、前额叶及相关边缘系统结构的响应；在社会认知研究中，则可用于分析共情、心智化、他人意图判断等过程。此类研究常结合行为学实验，以提高解释力度。
7.5 跨学科应用
fMRI的应用已延伸至语言学、教育学、计算科学和人机交互等领域。例如，可用于研究双语加工、阅读障碍、音乐感知以及脑机接口中的功能映射问题。其跨学科价值在于提供可量化的脑功能证据。
8 优势与局限
8.1 优势
8.1.1 无创性
fMRI通常不需要穿刺或放射性示踪剂，因此具有较好的无创特征。对于需要重复观察的研究和随访场景，这一特点尤为重要。
8.1.2 较高空间分辨率
相比许多其他功能成像技术，fMRI具有较高的空间分辨率，能够较清楚地定位脑区活动分布。这使其在功能定位和网络分析中具有明显优势。
8.1.3 可重复使用
同一受试者可在不同时间点多次接受扫描，便于纵向研究和疗效追踪。只要扫描条件和数据处理方法保持一致，结果通常具有较好的可比性。
8.2 局限
8.2.1 间接测量神经活动
fMRI反映的是血流和血氧变化，而非直接的神经电活动，因此其解释必须考虑血管因素、生理状态和药物影响。某些脑区的信号强弱并不完全等同于神经活动强弱。
8.2.2 对头动敏感
微小头动都可能显著影响结果，尤其在儿童、疼痛患者或难以配合的受试者中更为突出。即使是很轻的位移，也可能在统计上造成明显偏差。
8.2.3 时间分辨率受限
由于血流反应存在固有延迟，fMRI难以精确捕捉瞬时神经事件的毫秒级变化。与脑电或脑磁等方法相比，它在时间维度上较为迟缓。
8.2.4 易受生理噪声影响
呼吸、心跳、吞咽和血管搏动等因素都会干扰BOLD信号。若不进行适当校正，可能影响激活结果与连接分析的准确性。
9 安全性与注意事项
9.1 扫描禁忌
接受fMRI检查前需确认是否存在与强磁场不相容的植入物或金属异物，如某些起搏装置、金属碎片或特定耳植入设备。是否适合扫描应由专业人员根据设备型号和医学信息综合判断。
9.2 对比增强相关问题
严格意义上的fMRI多依赖BOLD信号，通常不需要常规对比剂。若合并进行增强检查或特殊序列，则需考虑肾功能、过敏史及相关风险，并按规范评估是否适用。
9.3 受试者配合要求
扫描期间保持安静、平稳呼吸和尽量不动，是获得高质量数据的基础。任务态研究还要求受试者理解刺激规则、及时反应，并尽可能保持注意力集中。
9.4 儿童与特殊人群注意事项
儿童、老年人及认知受损者在配合度、头动控制和任务理解方面往往存在更多困难。实施扫描时通常需要更充分的训练、缩短任务时长，并在安全与舒适性上作出额外安排。
10 相关技术与发展趋势
10.1 高场强fMRI
更高磁场强度通常可带来更高信噪比和更强的BOLD敏感性，因此有助于提升分辨率和检测能力。但高场环境也可能增加伪影、失真及安全管理难度。
10.2 多模态融合
多模态融合是将fMRI与结构MRI、弥散MRI、脑电图、脑磁图或PET等技术结合，以获得更全面的脑功能信息。该趋势有助于弥补单一方法的局限。
10.3 机器学习与模式识别
机器学习方法已被用于fMRI分类、预测和模式解码，例如识别任务状态、分析疾病特征或估计行为表现。随着数据规模扩大，这类方法在脑影像研究中的作用日益增加。
10.4 实时fMRI
实时fMRI可在采集过程中即时处理数据，并将结果反馈给受试者或研究者。它常用于神经反馈训练和动态实验控制，是功能成像走向交互化的重要方向。
10.5 超扫描与新型分析方法
超扫描通常指对多名受试者同时进行同步成像，以研究社会互动中的脑间耦合。与此同时，基于更复杂统计模型、网络分析和人工智能的新型方法，也在不断推动fMRI从“激活定位”向“机制建模”拓展。