关于全脑信号回归的争议

关键词：GSR；rsfmri；fMRI；预处理；preprocess

The global signal (GS) is a time course obtained by averaging resting-state time series over the entire brain (Desjardins et al., 2001; Macey et al., 2004).

对GSR争论的看法：

1. https://doi.org/10.1016/j.neuroimage.2016.11.052

• 不存在“正确”的方法。“正确”方法是证明对预测感兴趣的特征最有用的方法
• 不同的处理方法揭示了关于大脑功能的不同见解

近期解决方案

1. DiCER https://doi.org/10.1016/j.neuroimage.2020.116614

提出的新算法，基于fmriprep

反对GSR

https://doi.org/10.1089/brain.2012.0080

支持GSR

GSR能提高特异性 https://doi.org/10.1016/j.neuroimage.2009.05.005

GSR的好处

GSR增强心脑关联： https://doi.org/10.1016/j.neuroimage.2019.04.016

GSR的坏处

---

文献检索结果:

wGSR: 使用GSR

nGSR: 不使用GSR

检索结果存在偏差：不使用GSR且未提及GSR的文章较难检索

案例

1. https://doi.org/10.1016/j.neuroimage.2018.06.001

wGSR和nGSR结果都显著，GSR对预测结果影响不大，作者认为这说明了算法的稳定性

2.https://doi.org/10.1016/j.neuroimage.2017.11.010

只使用了GSR, 因为他认为根据前人文献,GSR能够增强预测准确性.

3.https://doi.org/10.1002/hbm.24947

采用了GSR, 因为GSR能够优化预测。但本文关注于bootstrap，不对其他preprocess做讨论。

4.https://doi.org/10.1016/j.jad.2020.04.028

nGSR的结果不显著。作者认为nGSR影响了某些连接，wGSR降低了artifacts，是有益的。

5.https://doi.org/10.1038/nn.4179

Nature neuroscience, 使用了GSR, 未使用nGSR做对照, 未说明原因

同样的有NI,https://doi.org/10.1016/j.neuroimage.2019.02.002

6.https://doi.org/10.1038/s41467-021-22027-0

Nature Communication, 未使用GSR, 未说明原因