Die funktionelle MRT im Ruhezustand (R-fMRI) ist eine relativ neue und leistungsstarke Methode zur Bewertung regionaler Interaktionen, die auftreten, wenn eine Versuchsperson keine explizite Aufgabe ausführt.
Niederfrequente (<0,1 Hz) BOLD-Fluktuationen zeigen in Ruhe oft starke Korrelationen, selbst in weit entfernten Regionen der grauen Substanz. Es wird vermutet, dass den BOLD-Fluktuationen Fluktuationen in der spontanen neuronalen Aktivität zugrunde liegen, obwohl die genauen Mechanismen, die zu den neuronalen Fluktuationen führen, unklar sind. Die räumlichen Muster der R-fMRI-Korrelationen sind insofern stabil, als sie über mehrere „Ruhe“-Zustände hinweg ähnlich sind, z. B. bei geöffneten, geschlossenen und fixierten Augen, sowie über Personen und Sitzungen hinweg. Da keine Aufgaben gestellt werden, ist die R-fMRI unbelastet von experimentellem Design, Probanden-Compliance und Trainingsanforderungen, was sie für Studien zur Entwicklung und zu klinischen Populationen attraktiv macht.
Aus Experimenten am Makakenaffen geht hervor, dass sich R-fMRI-Korrelationen oft mit bekannten anatomischen Bahnen überschneiden, aber manchmal auch Regionen betreffen, die nicht direkt miteinander verbunden sind. Daher sind die funktionelle Konnektivität (R-fMRI) und die anatomische Konnektivität (Traktographie) komplementäre und doch verwandte Messgrößen, die zusammen einen leistungsstarken Ansatz zur Analyse von Hirnschaltkreisen bieten.
Zahlreiche Studien, darunter viele von Mitgliedern unseres Konsortiums, zeigen, dass diese räumlichen Muster eng mit neuronalen Subsystemen verbunden sind, die durch aufgabenbezogene fMRI (T-fMRI) aufgedeckt werden. Regionen, die bei verschiedenen Aufgaben mit einer Seed-Region ko-aktiviert werden, sind tendenziell positiv mit der Seed-Region in Ruhe korreliert. Eine Karte, die aus einem einzigen Seed erstellt wurde, zeigt ein spezifisches Korrelationsmuster im gesamten Gehirn. Daraus lässt sich schließen, dass selbst relativ nahe gelegene Seeds ganz unterschiedliche Korrelationsmuster aufweisen können. Daher kann die räumliche Anordnung von Korrelationen unterschiedlicher Herkunft bei der Parzellierung des Gehirns hilfreich sein. Die räumlichen Korrelationsmuster können auch zur Erstellung umfassender System-/Netzwerkbeschreibungen funktioneller Interaktionen zwischen Gehirnregionen verwendet werden, die mit anatomischen Konnektivitätsbeschreibungen und aufgabenbedingten funktionellen Aktivierungen verglichen werden können.
Es wurden verschiedene Methoden zur Erfassung und Analyse von R-fMRI-Daten vorgeschlagen. Ein Hauptziel des HCP ist es, die optimale(n) Kombination(en) von Methoden zu finden, um Gehirnregionen zu parzellieren und Beziehungen zwischen ihnen zu verstehen. Dies erfordert die Optimierung vieler Aspekte der Datenerfassung (Scandauer, räumliche Auflösung, räumliche Glättung während der Vorverarbeitung) und der Datenanalyse (Seed-basierte Ansätze und unabhängige Komponentenanalyse).