复杂多回波fMRI数据集的创新处理策略与算法开发平台

本研究针对复杂多回波fMRI数据处理方法匮乏的现状，开发了包含83名健康右利手成人多回波fMRI与电生理记录的公共数据集。该数据集采用两台3 T MR扫描仪采集，已发布于OpenNeuro平台，为开发评估先进算法和工作流提供重要资源，推动多回波fMRI方法学创新。

随着脑功能成像技术的快速发展，多回波功能磁共振成像（multi-echo functional magnetic resonance imaging, multi-echo fMRI）因其能够提高血氧水平依赖（blood oxygen level-dependent, BOLD）信号的特异性和灵敏度而备受关注。然而，该技术的广泛应用仍面临数据处理方法不成熟的瓶颈问题。传统单回波fMRI分析方法难以充分挖掘多回波数据蕴含的丰富信息，制约了其在认知神经科学和临床研究中的潜力发挥。

针对这一方法学缺口，研究人员在《Scientific Data》发表了题为"Complex multi-echo fMRI dataset: New strategies in processing of multi-echo data"的研究论文，旨在为多回波fMRI数据处理新策略的开发提供高质量基准数据集。该研究团队系统采集了83名健康右利手成年志愿者的多模态数据，包括多回波fMRI和同步电生理记录，所有数据均通过两台3 T MR扫描仪获取，确保了数据的多样性和可比性。

关键技术方法主要包括：多回波fMRI序列设计优化、同步电生理信号采集、跨扫描仪数据标准化处理流程。研究建立了严格的质量控制标准，确保83人队列数据的可靠性和一致性，所有原始数据和预处理结果已在OpenNeuro平台公开共享。

研究结果

数据集特征

研究构建了目前最全面的多回波fMRI参考数据集，包含结构像、多回波功能像、场图和多模态电生理记录，为方法学比较研究提供完整数据支撑。

数据质量评估

通过信号噪声比（signal-to-noise ratio, SNR）和时间信噪比（temporal signal-to-noise ratio, tSNR）量化分析，验证了数据集在灰质区域的优越信号特性，满足算法开发需求。

方法学验证

利用该数据集测试了多种多回波融合算法（如T2*加权组合、ICA分析），证实了多回波数据在抑制噪声、提高功能连接特异性方面的显著优势。

研究结论表明，该公共数据集为开发新型多回波fMRI处理工作流提供了重要平台资源，将显著促进脑功能成像方法学创新。特别值得注意的是，数据集包含的同步电生理记录为验证fMRI信号生理意义提供了独特机会。研究人员强调，这一资源将有助于解决多回波数据处理中的关键挑战，如优化回波时间组合策略、改进信号分离算法等，最终推动高精度脑功能成像技术的发展。