リアルタイムの機能的磁気共鳴イメージングニューロフィードバックの品質と除去：メソッドレビュー

リアルタイム機能的磁気共鳴画像法 (rtfMRI-NF) を使用したニューロフィードバック トレーニングにより、被験者は局所的および分散的な脳活動を自発的に制御できます。有効性と臨床的意義はまだ明らかになっていませんが、精神神経疾患および神経認知障害における有望な非侵襲的治療選択肢として関心が高まっています。この研究では、ニューロフィードバック信号の品質を向上させるために利用できる取得、処理、および品質管理方法の最初の広範なレビューを紹介します。さらに、最近発表された 128 件の rtfMRI-NF 研究におけるノイズ除去と品質管理の実践状況を調査します。その結果、(a) 標準的なリアルタイム fMRI ノイズ除去ステップの実装を報告した研究は 3 分の 1 未満であること、(b) 方法の報告に関しては大きな改善の余地があること、(c) 貢献度を定量化して比較する方法論的研究の必要性が判明しました。ニューロフィードバック信号の品質に対するノイズ除去ステップの調整。rtfMRI-NF 研究の進歩は、方法と結果の再現性にかかっています。特に、ニューロフィードバック効果に影響を与えるさまざまなメカニズムを解明する証拠を構築するには、体系的な取り組みが必要です。この目的を達成するために、今後の rtfMRI-NF 研究では以下のことを推奨します: (a) 提案されている COBIDAS スタイルのチェックリスト (https://osf.io/kjwhf/) に従って、一連の標準的なリアルタイム fMRI ノイズ除去ステップの実装を報告する。(b) コミュニティに情報を提供した品質指標を計算および報告し、オフライン制御チェックを適用することでニューロフィードバック信号の品質を確保する。(c) オープンソースの rtfMRI-NF の方法とデータ共有とサポートの形で透明性のある原則を採用するよう努める。ソフトウェア。再現性のためのコードとデータ、および研究データを探索するための対話型環境には、https://github.com/jsheunis/quality-and-denoising-in-rtfmri-nf からアクセスできます。

Neurofeedback training using real-time functional magnetic resonance imaging (rtfMRI-NF) allows subjects voluntary control of localised and distributed brain activity. It has sparked increased interest as a promising non-invasive treatment option in neuropsychiatric and neurocognitive disorders, although its efficacy and clinical significance are yet to be determined. In this work, we present the first extensive review of acquisition, processing and quality control methods available to improve the quality of the neurofeedback signal. Furthermore, we investigate the state of denoising and quality control practices in 128 recently published rtfMRI-NF studies. We found: (a) that less than a third of the studies reported implementing standard real-time fMRI denoising steps, (b) significant room for improvement with regards to methods reporting and (c) the need for methodological studies quantifying and comparing the contribution of denoising steps to the neurofeedback signal quality. Advances in rtfMRI-NF research depend on reproducibility of methods and results. Notably, a systematic effort is needed to build up evidence that disentangles the various mechanisms influencing neurofeedback effects. To this end, we recommend that future rtfMRI-NF studies: (a) report implementation of a set of standard real-time fMRI denoising steps according to a proposed COBIDAS-style checklist (https://osf.io/kjwhf/), (b) ensure the quality of the neurofeedback signal by calculating and reporting community-informed quality metrics and applying offline control checks and (c) strive to adopt transparent principles in the form of methods and data sharing and support of open-source rtfMRI-NF software. Code and data for reproducibility, as well as an interactive environment to explore the study data, can be accessed at https://github.com/jsheunis/quality-and-denoising-in-rtfmri-nf.