YANG YA HAN

Software Engineer & Neuroimaging Researcher. 🧬 Currently a Master’s student at CGU, focusing on diffusion MRI analysis and ML-based clinical prediction.

引言

我們探討過如何使用FBA觀察大腦的「硬體結構」。
然而，大腦不僅是靜態的線路，更是動態的電信號與生理流體中心。
傳統的fMRI受到時間解析度的限制，難以捕捉快速的生理變化。
這時，MREG (Magnetic Resonance Encephalography) 應運而生，成為我們觀測大腦動態生理活動的「高速顯微鏡」。

1. 速度的革命：為什麼我們需要 MREG？

傳統的BOLD fMRI通常需要2秒左右才能完成一次全腦掃描(TR = 2s)。
這意味著我們只能觀察到低頻的訊號波動(< 0.1 Hz)。

  • MREG 的突破：透過特殊的神經造影序列，MREG 能將 TR 縮短至 100 毫秒 (0.1s) 甚至更低。

  • 物理意義：根據奈奎斯特採樣定理（Nyquist Theorem），更高的採樣率讓我們能捕捉到更高頻的訊號：

    \[f_{max} = \frac{1}{2 \times TR}\]

    當 $TR = 0.1s$ 時，$f_{max}$ 可達 $5 Hz$，這足以讓我們完整觀測到心跳與呼吸引起的腦部訊號震盪。

2. 從「噪訊」變「訊號」：生理訊號的價值

在傳統 fMRI 研究中，心跳與呼吸通常被視為需要剔除的「噪訊」。
但在 MREG 的視角下，這些訊號是研究大腦健康的關鍵。

MREG 的核心優勢

  • 生理震盪捕捉：精確區分心臟跳動(~1.0 Hz)與呼吸(~0.3 Hz)對腦壓的影響。
  • 類淋巴系統(Glymphatic System)：觀測腦脊髓液(CSF)如何隨脈動清除大腦代謝廢物。
  • 即時功能連接：觀察腦區之間更即時、非穩態的訊號傳遞。

3. 技術挑戰：訊號處理的深水區

由於MREG的採樣速度極快，數據量也呈現爆炸性增長，且訊號中夾雜了複雜的生理偽影。

  • 訊號去噪(De-noising)：如何在超高頻的數據中，準確過濾儀器雜訊並保留微弱的生理震盪。
  • 頻域分析：利用快速傅立葉變換(FFT)或小波轉換(Wavelet Transform)觀察特定頻段(如 $0.027 - 0.073 Hz$)的訊號強度。

4. 臨床應用前景

MREG的高速特性使其在神經退化性疾病(如阿茲海默症)與癲癇研究中極具潛力。
當大腦的「清理機制」(類淋巴系統)出現障礙時，MREG 捕捉到的脈動訊號往往會出現異常。

結語

從dMRI的微觀結構分析，到MREG的超快速動態監測，影像技術的演進正不斷打破我們對大腦的認知邊界。