Resting state functional MRI (R-fMRI) är en relativt ny och kraftfull metod för att utvärdera regionala interaktioner som uppstår när en försöksperson inte utför en explicit uppgift.
Lågfrekventa (<0,1 Hz) BOLD-svängningar visar ofta starka korrelationer i vila, till och med i avlägsna regioner i den gråa substansen. Fluktuationer i den spontana neurala aktiviteten antas ligga till grund för BOLD-fluktuationerna, även om de exakta mekanismerna som ger upphov till de neurala fluktuationerna fortfarande är oklara. De rumsliga mönstren för R-fMRI-korrelationer är stabila, eftersom de är likartade i flera olika ”vilotillstånd”, t.ex. ögon öppna, ögon stängda och fixering, och mellan olika individer och sessioner. På grund av avsaknaden av uppgiftskrav avlastar R-fMRI experimentell utformning, försökspersonernas följsamhet och utbildningskrav, vilket gör det attraktivt för studier av utveckling och kliniska populationer.
Från experiment med makakakapen överlappar R-fMRI-korrelationerna ofta med kända anatomiska vägar, men ibland involverar de regioner som inte är direkt kopplade. Därför är funktionell konnektivitet (R-fMRI) och anatomisk konnektivitet (traktografi) kompletterande men relaterade mått som tillsammans ger en kraftfull metod för att analysera hjärnans kretslopp.
Numera studier, inklusive många av medlemmarna i vårt konsortium, visar att dessa rumsliga mönster är nära besläktade med neurala delsystem som avslöjas av uppgiftsaktiverande fMRI (T-fMRI). Regioner som samaktiveras med en fröregion i olika uppgifter tenderar att vara positivt korrelerade med fröregionen i vila. En karta som konstrueras från ett enda frö visar ett specifikt mönster av korrelation över hela hjärnan. Detta tyder på att även relativt närliggande fröer kan uppvisa helt olika korrelationsmönster. Den rumsliga utformningen av korrelationer från olika ursprung kan därför vara till hjälp för att dela upp hjärnan. De rumsliga korrelationsmönstren kan också användas för att skapa omfattande beskrivningar på system-/nätverksnivå av funktionella interaktioner mellan hjärnregioner som kan jämföras med anatomiska beskrivningar av konnektivitet och uppgiftsframkallade funktionella aktiveringar.
Flera metoder har föreslagits för att förvärva och analysera R-fMRI-data. Ett viktigt mål för HCP är att hitta optimala kombinationer av metoder för att dela upp hjärnregioner och förstå sambanden mellan dem. Detta innebär optimering av många aspekter av datainsamling (skanningstid, spatial upplösning, spatial utjämning under förbearbetning) och dataanalys (fröbaserade metoder och metoder för oberoende komponentanalys).