功能超声成像（fUS）相比fMRI等传统神经影像技术，在动物研究中具有三大优势：更高的时空分辨率（可达100μm, 0.4s）、对脑血流量变化的高灵敏度，以及能提供更高质量和更完整的连续时间序列。利用这些优势，可以捕捉到传统神经影像技术难以探查的大脑功能变化。

本次论文解读提供一个研究范例，利用fUS技术检测由轻度围产期炎症引发的脑功能改变。

该研究的标题为“Functional ultrasound (fUS) detects mild cerebral alterations using canonical correlation analysis denoising and dynamic functional connectivity analysis”，由法国巴黎物理医学中心（Physics for Medicine Paris）的Charlie Demene研究员领导的研究团队于2025年9月2日在《Imaging Neuroscience》期刊上发表。

研究利用fUS的高时空分辨率捕捉全脑多区域的精细活动；凭借高灵敏度探测轻度炎症引发的微弱信号变化；最关键的是，依赖其连续时间序列成功实现了动态功能连接（dynamic functional connectivity , dFC）分析，揭示了炎症大脑在全局同步状态上的驻留时间缩短与转换异常。这些发现依赖于fUS提供的完整、高帧率数据流，是传统fMRI难以实现的。

买功能超声成像仪，找礼智生物！
研究使用的是Iconeus超声功能及血流成像仪，礼智生物自2019年将ICONEUS品牌引进国内以来，积累了丰富的fUS及ULM技术的手术、实验和数据分析经验，欢迎联系礼智详细了解这一技术（联系方式见文末）。

Iconeus超声功能及血流成像仪

研究的主要结果
研究构建了围产期IL-1β炎症小鼠模型，在P30日龄时进行麻醉状态下的单侧矢状面静息态功能超声成像（图1）。采用典型相关分析对fUS信号进行降噪预处理，保留连续时间序列，进而通过基于相位的动态功能连接分析，量化不同脑区同步性状态的出现频率、驻留时间及转移概率，以评估炎症对脑功能连接的长期影响。

图1：实验设计与模型构建
A：IL-1β与PBS对照组注射方案；
B：炎症引起的脑结构改变（髓鞘形成减少、脑体积减小等）；
C：fUS成像流程，包括动物准备、3D扫描与15分钟静息态fUS采集。

1. CCA降噪有效去除fUS信号中的噪声成分
研究采用典型相关分析（canonical correlation analysis, CCA）对fUS信号进行预处理，成功分离并去除了由运动、心跳、呼吸等引起的噪声（图2 - 4）。通过设定CCA阈值 thCCA=10，使得去噪后信号与组织运动信号之间的平均相关系数降至0.1以下（p < 0.001）。量化分析显示，功能区与噪声区之间的相关性比例从去噪前的 35 ± 16%显著下降至 2 ± 1%（p < 0.001），而功能区内相关性比例也从 21 ± 5% 降至 7 ± 3%，表明CCA在保留功能性信号的同时有效剔除非脑源性干扰。

图2：CCA降噪步骤示意图
A：功能区与噪声区的空间定义；
B–H：从信号矩阵构建、白化、SVD分解到噪声去除的全过程图示。

图3：同步性矩阵构建方法
A：选定脑区的Power Doppler图像；
B：通过Hilbert变换提取相位信号；
C：两个时间点的同步性矩阵示例。

图4：CCA降噪效果验证
A：阈值选择与组织运动相关性；
B–C：去噪前后相关性矩阵对比；
D–E：种子点分析显示CCA保留有意义的功能连接。

2. 动态功能连接分析识别出四种稳定的脑状态
通过K-means聚类分析（K=4）对同步性矩阵进行聚类，识别出四种具有代表性的脑功能状态（图5）：
状态1：皮层-皮层同步，但与皮层下结构（海马、丘脑）去同步；
状态2：半球内全局同步；
状态3：运动与感觉区与其余脑区去同步；
状态4：岛叶与纹状体与其余脑区去同步。
留一交叉验证显示这些状态具有高度稳健性，平均分类准确率超过96%，50%的动物分类准确率超过99%。

图5：脑状态聚类与验证
A：四种聚类中心的同步性矩阵与连接图；
B：单个动物的状态轨迹在PCA空间中的展示；
C–D：LOOCV验证状态稳健性与分类准确性。

3. 炎症模型表现出功能连接性降低
与对照组相比（图6A-C），IL-1β炎症模型组在状态2（全局同步）中的出现频率显著降低（对照组：0.37 ± 0.13，炎症组：0.21 ± 0.11，p = 0.001），而在状态1和状态3中的出现频率显著升高（状态1：0.26 ± 0.08 vs 0.35 ± 0.10，p = 0.018；状态3：0.17 ± 0.08 vs 0.25 ± 0.09，p = 0.018）。此外，状态2的平均驻留时间在炎症组中也显著缩短（对照组：9.14 ± 2.80 s，炎症组：6.39 ± 2.31 s，p = 0.012）。

图6：炎症组与对照组的dFC差异
A–C：CCA预处理下状态出现频率、驻留时间与转移概率的组间差异；
D–F：GSR预处理下无显著差异；
G–H：状态转移图与显著差异路径；
I：ROC曲线显示分类性能。

4. 状态转移概率揭示连接性动态变化
炎症组（图6 A-C，G-H）从状态1和状态3向状态2的转移概率显著降低（状态1→2：0.36 ± 0.10 vs 0.25 ± 0.08，p = 0.019；状态3→2：0.32 ± 0.08 vs 0.21 ± 0.10，p = 0.012），而从状态1向状态3的转移概率升高（0.27 ± 0.10 vs 0.38 ± 0.09，p = 0.011）。这些变化进一步解释了炎症组中全局同步状态出现频率降低的原因。

5. dFC生物标志物实现高精度分类
利用状态1、2、3的出现频率和状态2的平均驻留时间构建逻辑回归模型（图6 I），对炎症组与对照组进行分类，ROC曲线下面积达0.84，特异性为88%，敏感性为72%，表明dFC生物标志物在区分轻度炎症引起的脑功能改变方面具有较高诊断价值。

6. CCA优于传统预处理方法
与全局信号回归等传统方法相比，CCA预处理在保留信号连续性的同时，更有效地揭示了炎症引起的细微功能连接变化。在使用GSR预处理时（图6 D-F），两组之间在dFC指标上未发现显著差异，凸显了CCA在检测轻度脑功能改变方面的优势。

研究总结
本研究开发并验证了一种基于CCA降噪和dFC分析的fUS数据处理流程，成功揭示了由轻度围产期系统性炎症引起的长期脑功能连接改变。研究不仅提供了有效的噪声去除方法，还建立了稳健的dFC状态识别系统，并提取出具有分类能力的生物标志物。

这些成果表明fUS成像结合适当的数据处理方法，具备检测轻度脑功能改变的潜力，为未来在临床前模型及新生儿中研究神经发育障碍提供了有力工具。

参考文献
Faure F, Bokobza C, Guenoun D, et al. Functional ultrasound (fUS) detects mild cerebral alterations using canonical correlation analysis denoising and dynamic functional connectivity analysis. Imaging Neurosci (Camb). 2025 Sep 2;3:IMAG.a.128. doi: 10.1162/IMAG.a.128.