fMRI ในสภาวะพัก ( rs-fMRIหรือR-fMRI ) หรือที่เรียกว่าfMRI ที่ไม่ขึ้นกับงานหรือfMRI ที่ไม่มีงานเป็นวิธีการถ่ายภาพด้วยคลื่นแม่เหล็กไฟฟ้าเชิงฟังก์ชัน (fMRI) ที่ใช้ในการทำแผนที่สมองเพื่อประเมินปฏิสัมพันธ์ระดับภูมิภาคที่เกิดขึ้นในสภาวะพักหรือสภาวะที่ไม่มีงาน เมื่อไม่ได้ทำภารกิจที่ชัดเจน^{[ 3 ] [ 4 ]}มีการระบุเครือข่ายสมองในสภาวะพักจำนวนหนึ่ง ซึ่งหนึ่งในนั้นคือเครือข่ายโหมดเริ่มต้น^{[ 5 ]}เครือข่ายสมองเหล่านี้สามารถสังเกตได้จากการเปลี่ยนแปลงของการไหลเวียนของเลือดในสมองซึ่งสร้างสิ่งที่เรียกว่า สัญญาณ ขึ้นอยู่กับระดับออกซิเจนในเลือด ( BOLD) ซึ่งสามารถวัดได้โดยใช้ fMRI

เนื่องจากการทำงานของสมองเป็นสิ่งที่เกิดขึ้นเองตามธรรมชาติ แม้จะไม่มีการกระตุ้นจากภายนอก ดังนั้นบริเวณใดๆ ของสมองจึงมีการเปลี่ยนแปลงของสัญญาณ BOLD อย่างเป็นธรรมชาติ วิธีการในสภาวะพักมีประโยชน์ในการสำรวจโครงสร้างการทำงานของสมองและตรวจสอบว่ามีการเปลี่ยนแปลงใน ความผิดปกติ ทางระบบประสาทหรือจิตใจหรือไม่ เนื่องจากลักษณะในสภาวะพักของการถ่ายภาพนี้ ทำให้สามารถรวบรวมข้อมูลจากกลุ่มผู้ป่วยได้หลากหลายกลุ่ม รวมถึงผู้ที่มีความบกพร่องทางสติปัญญา กลุ่มเด็ก และแม้แต่ผู้ที่หมดสติ^{[ 6 ] [ 7 ]}การวิจัยเกี่ยวกับการเชื่อมต่อการทำงานในสภาวะพักได้เปิดเผยเครือข่ายจำนวนหนึ่งที่พบได้อย่างสม่ำเสมอในผู้ที่มีสุขภาพดี ในระยะต่างๆ ของการรับรู้ และในสายพันธุ์ต่างๆ และแสดงถึงรูปแบบเฉพาะของการทำงานพร้อมกัน^{[ 8 ] [ 9 ] [ 10 ]}

การถ่ายภาพด้วยคลื่นแม่เหล็กไฟฟ้าเชิงฟังก์ชัน (functional MRI หรือ fMRI) เป็น ขั้นตอน การถ่ายภาพด้วยคลื่นแม่เหล็กไฟฟ้า (MRI) เฉพาะที่วัดกิจกรรมของสมองโดยการตรวจจับการเปลี่ยนแปลงที่เกี่ยวข้องกับการไหลเวียนของเลือด โดยเฉพาะอย่างยิ่ง กิจกรรมของสมองจะถูกวัดผ่านสัญญาณ BOLD ความถี่ต่ำในสมอง^{[ 11 ]}

ขั้นตอนนี้คล้ายกับ MRI แต่ใช้การเปลี่ยนแปลงของสนามแม่เหล็กระหว่างเลือดที่มีออกซิเจนสูงและเลือดที่มีออกซิเจนต่ำเป็นการวัดพื้นฐาน การวัดนี้มักถูกรบกวนด้วยสัญญาณรบกวนจากแหล่งต่างๆ ดังนั้นจึงใช้วิธีการทางสถิติเพื่อแยกสัญญาณพื้นฐาน การกระตุ้นสมองที่ได้สามารถแสดงเป็นกราฟได้โดยการใช้รหัสสีเพื่อแสดงความแรงของการกระตุ้นทั่วทั้งสมองหรือบริเวณที่ศึกษาโดยเฉพาะ เทคนิคนี้สามารถระบุตำแหน่งกิจกรรมได้ภายในมิลลิเมตร แต่หากใช้เทคนิคมาตรฐาน จะทำได้ไม่ดีไปกว่าภายในช่วงเวลาไม่กี่วินาที^{[ 12 ]}

fMRI ถูกนำมาใช้ทั้งในการวิจัย และในระดับที่น้อยกว่าในการตั้งค่าทางคลินิก นอกจากนี้ยังสามารถผสมผสานและเสริมด้วยการวัดสรีรวิทยาของสมองอื่นๆ เช่นEEG , NIRSและอัลตราซาวนด์เชิงฟังก์ชัน^{[ 13 ] [ 14 ]} fMRI ที่ใช้การติดฉลากสปินของหลอดเลือดแดงสามารถใช้เป็นแนวทางเสริมสำหรับการประเมินการทำงานของสมองขณะพัก^{[ 15 ] [ 16 ]}

การตอบสนองการไหลเวียนของเลือดทางสรีรวิทยาเป็นตัวกำหนดความไวเชิงเวลาเป็นส่วนใหญ่ กล่าวคือ จะสามารถวัดการทำงานของเซลล์ประสาทใน BOLD fMRI ได้ดีเพียงใด พารามิเตอร์ความละเอียดของเวลาพื้นฐานคืออัตราการสุ่มตัวอย่างหรือ TR ซึ่งกำหนดความถี่ในการกระตุ้นและปล่อยให้ส่วนของสมองสูญเสียสนามแม่เหล็ก TR อาจแตกต่างกันไปตั้งแต่สั้นมาก (500 มิลลิวินาที) ไปจนถึงยาวมาก (3 วินาที) สำหรับ fMRI โดยเฉพาะการตอบสนองทางโลหิตพลศาสตร์จะถือว่ากินเวลานานกว่า 10 วินาที เพิ่มขึ้นแบบทวีคูณ (นั่นคือ เป็นสัดส่วนของค่าปัจจุบัน) สูงสุดที่ 4 ถึง 6 วินาที แล้วลดลงแบบทวีคูณ การเปลี่ยนแปลงในระบบการไหลเวียนของเลือด ระบบหลอดเลือด จะรวมการตอบสนองต่อกิจกรรมของเซลล์ประสาทเมื่อเวลาผ่านไป เนื่องจากการตอบสนองนี้เป็นฟังก์ชันต่อเนื่องที่ราบเรียบ การสุ่มตัวอย่างด้วย TR ที่เร็วขึ้นจะช่วยได้เฉพาะการแมปความผันผวนที่เร็วขึ้น เช่น สัญญาณการหายใจและอัตราการเต้นของหัวใจ^{[ 17 ]}

แม้ว่า fMRI จะพยายามวัดกิจกรรมของเซลล์ประสาทในสมอง แต่สัญญาณ BOLD อาจได้รับอิทธิพลจากปัจจัยทางสรีรวิทยาอื่นๆ นอกเหนือจากกิจกรรมของเซลล์ประสาท ตัวอย่างเช่น ความผันผวนของการหายใจและวงจรของระบบหัวใจและหลอดเลือดส่งผลต่อสัญญาณ BOLD ที่วัดได้ในสมอง ดังนั้นจึงมักพยายามกำจัดออกในระหว่างการประมวลผลข้อมูล fMRI ดิบ เนื่องจากแหล่งกำเนิดสัญญาณรบกวนเหล่านี้ ผู้เชี่ยวชาญหลายคนจึงมองแนวคิดของ fMRI ในสภาวะพักผ่อนด้วยความสงสัยอย่างมากในช่วงแรกๆ ของการใช้ fMRI เพิ่งไม่นานมานี้เองที่นักวิจัยเริ่มมั่นใจว่าสัญญาณที่วัดได้นั้นไม่ใช่สิ่งแปลกปลอมที่เกิดจากการทำงานทางสรีรวิทยาอื่นๆ^{[ 18 ]}

การเชื่อมต่อการทำงานในสภาวะพักระหว่างบริเวณสมองที่แยกจากกันในเชิงพื้นที่สะท้อนถึงประวัติซ้ำๆ ของรูปแบบการทำงานร่วมกันภายในบริเวณเหล่านี้ จึงทำหน้าที่เป็นตัววัดความยืดหยุ่น^{[ 19 ]}

ภารัต บิสวาล

ในปี 1992 Bharat Biswalเริ่มทำงานเป็นนักศึกษาปริญญาโทที่วิทยาลัยการแพทย์แห่งวิสคอนซินภายใต้การดูแลของอาจารย์ที่ปรึกษาJames S. Hydeและค้นพบว่าสมองแม้ในขณะพักผ่อนก็ยังมีข้อมูลเกี่ยวกับการจัดระเบียบการทำงานของมัน เขาใช้ fMRI เพื่อศึกษาว่าบริเวณต่างๆ ของสมองสื่อสารกันอย่างไรในขณะที่สมองอยู่ในสภาวะพักผ่อนและไม่ได้ทำงานใดๆ แม้ว่าในขณะนั้นงานวิจัยของ Biswal ส่วนใหญ่จะถูกมองข้ามและถูกจัดว่าเป็นแหล่งสัญญาณอื่น แต่เทคนิคการสร้างภาพประสาทขณะพักผ่อนของเขาได้รับการทำซ้ำอย่างกว้างขวางและถือเป็นวิธีการที่ถูกต้องในการสร้างแผนที่เครือข่ายการทำงานของสมอง การสร้างแผนที่กิจกรรมของสมองในขณะที่อยู่ในสภาวะพักผ่อนมีศักยภาพมากมายสำหรับการวิจัยสมองและยังช่วยให้แพทย์วินิจฉัยโรคต่างๆ ของสมองได้อีกด้วย^{[ 3 ]}

มาร์คัส ไรช์เล

การทดลองโดยห้องปฏิบัติการของนักประสาทวิทยาMarcus Raichleที่Washington University School of Medicineและกลุ่มอื่นๆ แสดงให้เห็นว่าการใช้พลังงานของสมองเพิ่มขึ้นน้อยกว่า 5% ของการใช้พลังงานพื้นฐานในขณะที่ทำงานทางจิตที่ต้องใช้สมาธิ การทดลองเหล่านี้แสดงให้เห็นว่าสมองทำงานอย่างต่อเนื่องด้วยระดับกิจกรรมที่สูงแม้ว่าบุคคลนั้นจะไม่ได้ทำงานทางจิตที่ต้องใช้สมาธิ (สภาวะพักผ่อน) ห้องปฏิบัติการของเขามุ่งเน้นไปที่การค้นหาพื้นฐานของกิจกรรมในขณะพักผ่อนนี้เป็นหลัก และได้รับการยกย่องจากการค้นพบที่สำคัญมากมาย ซึ่งรวมถึงความเป็นอิสระสัมพัทธ์ของการไหลเวียนของเลือดและการบริโภคออกซิเจนในระหว่างการเปลี่ยนแปลงของกิจกรรมในสมอง ซึ่งเป็นพื้นฐานทางสรีรวิทยาของ fMRI ตลอดจนการค้นพบเครือข่ายโหมดเริ่มต้น (Default Mode Network ) ที่เป็นที่รู้จักกันดี ^{[ 20 ]}

การเชื่อมต่อเชิงฟังก์ชันคือการเชื่อมต่อระหว่างบริเวณสมองที่มีคุณสมบัติเชิงฟังก์ชันร่วมกัน โดยเฉพาะอย่างยิ่ง สามารถนิยามได้ว่าเป็นความสัมพันธ์เชิงเวลาของเหตุการณ์ทางสรีรวิทยาประสาทที่อยู่ห่างไกลกันในเชิงพื้นที่ ซึ่งแสดงออกมาในรูปของการเบี่ยงเบนจากความเป็นอิสระทางสถิติของเหตุการณ์เหล่านี้ในกลุ่มเซลล์ประสาทและบริเวณที่กระจายตัว^{[ 21 ]}สิ่งนี้ใช้ได้กับทั้งการศึกษาในสภาวะพักและสภาวะการทำงาน ในขณะที่การเชื่อมต่อเชิงฟังก์ชันสามารถอ้างถึงความสัมพันธ์ระหว่างบุคคล การวิ่ง บล็อก การทดลอง หรือจุดเวลาแต่ละจุด การเชื่อมต่อเชิงฟังก์ชันในสภาวะพักจะเน้นที่การเชื่อมต่อที่ประเมินระหว่างจุดเวลา BOLD แต่ละจุดในระหว่างสภาวะพัก^{[ 22 ]}การเชื่อมต่อเชิงฟังก์ชันยังได้รับการประเมินโดยใช้ชุดข้อมูลเวลาการไหลเวียนของเลือดที่สุ่มตัวอย่างด้วย fMRI การไหลเวียนของเลือดที่มีการติดฉลากสปินของ หลอดเลือดแดง ^{[ 23 ]} MRI การเชื่อมต่อเชิงฟังก์ชัน (fcMRI) ซึ่งอาจรวมถึง fMRI ในสภาวะพักและ MRI ตามภารกิจ อาจช่วยให้การวินิจฉัยโรคทางจิตเวช เช่นโรคอารมณ์สองขั้ว มีความแม่นยำมากขึ้นในอนาคต และอาจช่วยในการทำความเข้าใจการพัฒนาและความก้าวหน้าของโรคเครียดหลังเหตุการณ์สะเทือนใจตลอดจนประเมินผลของการรักษา^{[ 24 ]}การเชื่อมต่อเชิงฟังก์ชันได้รับการเสนอแนะว่าเป็นการแสดงออกของพฤติกรรมเครือข่ายที่อยู่เบื้องหลังฟังก์ชันการรับรู้ระดับสูงบางส่วน เนื่องจากแตกต่างจากการเชื่อมต่อเชิงโครงสร้าง การเชื่อมต่อเชิงฟังก์ชันมักจะเปลี่ยนแปลงในระดับวินาที เช่นเดียวกับในกรณีของ การ เชื่อม ต่อเชิงฟังก์ชันแบบไดนามิก

เครือข่ายโหมดเริ่มต้น (DMN) เป็นเครือข่ายของบริเวณสมองที่ทำงานเมื่อบุคคลตื่นและพักผ่อน^{[ 25 ]} เครือข่ายโหมดเริ่มต้นเป็นระบบสมองที่เชื่อมต่อกันและกำหนดตามกายวิภาคศาสตร์ ซึ่งจะทำงานเป็นพิเศษเมื่อบุคคลมุ่งเน้นไปที่งานภายใน เช่น การฝันกลางวัน การจินตนาการถึงอนาคต การดึงความทรงจำ และการประเมินมุมมองของผู้อื่น^{[ 26 ]}มีความสัมพันธ์เชิงลบกับระบบสมองที่มุ่งเน้นไปที่สัญญาณภาพภายนอก เป็นหนึ่งในเครือข่ายที่มีการศึกษามากที่สุดในระหว่างสถานะพักผ่อนและเป็นหนึ่งในเครือข่ายที่มองเห็นได้ง่ายที่สุด^{[ 27 ]}

ขึ้นอยู่กับวิธีการวิเคราะห์สถานะพักผ่อน การศึกษาการเชื่อมต่อการทำงานได้รายงานเครือข่ายประสาท จำนวนหนึ่ง ที่พบว่ามีการเชื่อมต่อการทำงานอย่างแข็งแกร่งในระหว่างการพักผ่อน เครือข่ายหลัก หรือที่เรียกว่าส่วนประกอบ ซึ่งมีการรายงานบ่อยกว่า ได้แก่ DMN เครือข่ายประสาทรับความรู้สึก / การเคลื่อนไหว เครือข่ายบริหารส่วนกลาง (CEN) เครือข่าย การมองเห็นที่แตกต่างกันถึงสามเครือข่ายเครือข่ายความสนใจด้านหน้าและด้านหลัง เครือข่าย การได้ยินและเครือข่ายลิมบิก^{[ 28 ]}ดังที่ได้รายงานไปแล้ว เครือข่ายสถานะพักผ่อนเหล่านี้ประกอบด้วยบริเวณที่แยกจากกันทางกายวิภาค แต่มีการเชื่อมต่อการทำงาน โดยแสดงกิจกรรมสัญญาณ BOLD ที่สัมพันธ์กันในระดับสูง เครือข่ายเหล่านี้พบว่ามีความสอดคล้องกันค่อนข้างดีในการศึกษาต่างๆ แม้จะมีความแตกต่างกันในเทคนิคการได้มาและการวิเคราะห์ข้อมูล^{[ 28 ] [ 29 ]}ที่สำคัญ ส่วนประกอบสถานะพักผ่อนส่วนใหญ่เหล่านี้แสดงถึงเครือข่ายการทำงานที่เป็นที่รู้จัก นั่นคือ บริเวณที่ทราบกันว่ามีการแบ่งปันและสนับสนุนการทำงานของระบบการรับรู้^{[ 9 ]}

มีโปรแกรมมากมายสำหรับการประมวลผลและวิเคราะห์ข้อมูล fMRI ในสภาวะพักผ่อน โปรแกรมที่ใช้กันทั่วไป ได้แก่SPM , AFNI , FSL (โดยเฉพาะ Melodic สำหรับ ICA), CONN , C-PACและ Connectome Computation System ( CCS )

มีวิธีการมากมายทั้งในการได้มาและการประมวลผลข้อมูล rsfMRI วิธีการวิเคราะห์ที่เป็นที่นิยมมากที่สุดมักมุ่งเน้นไปที่ส่วนประกอบอิสระหรือบริเวณที่มีความสัมพันธ์กัน

การวิเคราะห์ส่วนประกอบอิสระ (ICA) เป็นวิธีการทางสถิติที่มีประโยชน์ในการตรวจจับเครือข่ายสถานะพัก ICA แยกสัญญาณออกเป็นส่วนประกอบเชิงพื้นที่และเวลาที่ไม่ทับซ้อนกัน วิธีนี้ขับเคลื่อนด้วยข้อมูลสูงและช่วยให้สามารถกำจัดส่วนประกอบที่มีสัญญาณรบกวนได้ดีขึ้น (การเคลื่อนไหว การเลื่อนของเครื่องสแกน ฯลฯ) นอกจากนี้ยังแสดงให้เห็นว่าสามารถแยกเครือข่ายโหมดเริ่มต้นได้อย่างน่าเชื่อถือ เช่นเดียวกับเครือข่ายอื่นๆ อีกมากมายด้วยความสม่ำเสมอที่สูงมาก^{[ 30 ] [ 31 ]} ICA ยังคงเป็นวิธีการวิจัยชั้นนำ^{[ 32 ]}

วิธีการอื่นๆ ในการสังเกตเครือข่ายและการเชื่อมต่อในสมอง ได้แก่การทำแผนที่แบบอิงเมล็ดพันธุ์และการวิเคราะห์พื้นที่ที่สนใจ (ROI) ในกรณีเหล่านี้ จะใช้สัญญาณจาก ว็อกเซลหรือกลุ่มว็อกเซลที่เรียกว่าเมล็ดพันธุ์หรือ ROI เท่านั้นในการคำนวณความสัมพันธ์กับว็อกเซลอื่นๆ ในสมอง วิธีนี้ให้มุมมองที่แม่นยำและละเอียดมากขึ้นเกี่ยวกับการเชื่อมต่อเฉพาะในพื้นที่สมองที่สนใจ^{[ 33 ] [ 34 ] [ 35 ]}นอกจากนี้ยังสามารถดำเนินการได้ทั่วทั้งสมองโดยใช้แผนที่ ทำให้ง่ายต่อการกำหนด ROI และวัดการเชื่อมต่อ ในปี 2021 Yeung และเพื่อนร่วมงานได้ทำการวิเคราะห์ระดับภูมิภาคโดยใช้แผนที่ Human Connectome Project (HCP) เวอร์ชันที่ดัดแปลง และพบการเปลี่ยนแปลงในคอนเน็กโทมเชิงฟังก์ชันของผู้ป่วยโรคหลอดเลือดสมองระหว่างการรักษาฟื้นฟู^{[ 36 ]}การเชื่อมต่อโดยรวมระหว่าง ROI (เช่นคอร์เทกซ์ส่วนหน้า ) และว็อกเซลอื่นๆ ทั้งหมดของสมองสามารถหาค่าเฉลี่ยได้ ซึ่งให้การวัดการเชื่อมต่อสมองโดยรวม (GBC) ที่เฉพาะเจาะจงกับ ROI นั้น^{[ 37 ]} วิธีการอื่นๆ สำหรับการกำหนดลักษณะเครือข่ายสถานะพัก ได้แก่ ความสัมพันธ์บางส่วน ความสอดคล้องและความสอดคล้องบางส่วน ความสัมพันธ์ของเฟส ระยะ ทางการบิดเบือนเวลาแบบไดนามิกการจัดกลุ่ม และทฤษฎีกราฟ^{[ 38 ] [ 39 ] [ 40 ]}

การถ่ายภาพด้วยคลื่นแม่เหล็กไฟฟ้าเชิงฟังก์ชันขณะพัก (rfMRI) สามารถถ่ายภาพความผันผวนความถี่ต่ำในกิจกรรมสมองที่เกิดขึ้นเองตามธรรมชาติ ซึ่งเป็นเครื่องมือที่นิยมใช้สำหรับการเชื่อมต่อ เชิงฟังก์ชันในระดับมหภาค เพื่อจำแนกความแตกต่างระหว่างบุคคลในการทำงานของสมองปกติ การเชื่อมโยงระหว่างจิตใจและสมอง และความผิดปกติต่างๆ สิ่งนี้ชี้ให้เห็นถึงความน่าเชื่อถือและความสามารถในการทำซ้ำ สำหรับการวัด การเชื่อมต่อเชิงฟังก์ชันของสมองมนุษย์ที่ได้จาก rfMRI ที่ใช้กันทั่วไปตัวชี้วัดเหล่านี้มีศักยภาพอย่างมากในการเร่งการระบุตัวบ่งชี้ทางชีวภาพสำหรับโรคทางสมองต่างๆ ซึ่งจำเป็นต้องพิจารณาความน่าเชื่อถือและความสามารถในการทำซ้ำเป็นอันดับแรก^{[ 41 ]}

เนื่องจาก fMRI ให้ข้อมูลการทำงาน และDWI ให้ ข้อมูลโครงสร้างเกี่ยวกับสมอง เทคนิคการถ่ายภาพทั้งสองนี้จึงมักใช้ร่วมกันเพื่อให้ได้มุมมองแบบองค์รวมเกี่ยวกับปฏิสัมพันธ์ของเครือข่ายสมอง เมื่อเก็บรวบรวมข้อมูลจาก ROI ที่กำหนดไว้ ข้อมูล fMRI จะแจ้งให้นักวิจัยทราบว่ากิจกรรม (การไหลเวียนของเลือด) ในสมองเปลี่ยนแปลงไปอย่างไรเมื่อเวลาผ่านไปหรือระหว่างการทำงาน^{[ 42 ]}จากนั้นจึงเสริมด้วยข้อมูลโครงสร้าง DWI ซึ่งแสดงให้เห็นว่า เส้นใย เนื้อขาว แต่ละ เส้นเชื่อมต่อ ROI เหล่านี้ อย่างไร ^{[ 43 ]}การวิจัยที่ใช้เทคนิคเหล่านี้ได้พัฒนาสาขาประสาทวิทยาเครือข่าย โดยกำหนดกลุ่มของภูมิภาคในสมองที่เชื่อมต่อกันทั้งในเชิงโครงสร้าง (มีเส้นใยเนื้อขาวผ่านระหว่างกัน) และเชิงการทำงาน (แสดงรูปแบบกิจกรรมที่คล้ายคลึงกันหรือตรงกันข้ามเมื่อเวลาผ่านไป) เข้ากับเครือข่ายสมอง เช่นDMN [ ^{44 ]}ความก้าวหน้าในการวิเคราะห์ข้อมูลเชิงโทโพโลยี ได้สร้างกรอบทางสถิติที่สอดคล้องกันสำหรับการบูรณา ^การข้อมูลการทำงานและโครงสร้าง ซึ่งแสดงเป็นเครือข่ายสมอง เชิงการทำงานและโครงสร้าง ที่มีโทโพโลยีที่แตกต่างกัน^{[ 45 ]}

ข้อมูลที่รวมกันนี้ให้ประโยชน์ทางคลินิกและจิตเวชศาสตร์ที่ไม่เหมือนใคร โดยทำให้สามารถตรวจสอบได้ว่าเครือข่ายสมองถูกรบกวนหรือเส้นทางของสารสีขาวถูกทำลายอย่างไร จากการมีอยู่ของโรคทางจิตหรือความเสียหายทางโครงสร้าง^{[ 46 ]}การเชื่อมต่อเครือข่ายสมองที่เปลี่ยนแปลงไปได้รับการแสดงให้เห็นในความผิดปกติหลายอย่าง เช่น โรคจิตเภท^{[ 47 ] [ 48 ]}โรคซึมเศร้า^{[ 49 ] [ 50 ]}โรคหลอดเลือด สมอง ^{[ 50 ] [ 51 ]}และเนื้องอกในสมอง^{[ 52 ]}ซึ่งเป็นพื้นฐานของอาการเฉพาะของโรคเหล่านี้

ผู้เชี่ยวชาญด้านการถ่ายภาพหลายคนรู้สึกว่า เพื่อให้ได้ข้อมูลเชิงพื้นที่และเวลาที่ดีที่สุดจากการทำงานของสมอง ควรใช้ทั้ง fMRI และคลื่นไฟฟ้าสมอง (EEG) พร้อมกัน เทคนิคคู่ขนานนี้รวมความสามารถที่ได้รับการบันทึกไว้อย่างดีของ EEG ในการระบุลักษณะของสถานะสมองบางอย่างด้วยความละเอียดเชิงเวลาสูง และเปิดเผยรูปแบบทางพยาธิวิทยา เข้ากับความสามารถของ fMRI (ที่เพิ่งค้นพบและยังไม่เป็นที่เข้าใจดีนัก) ในการสร้างภาพพลวัตของเลือดผ่านสมองทั้งหมดด้วยความละเอียดเชิงพื้นที่สูง จนถึงปัจจุบันEEG-fMRIส่วนใหญ่ถูกมองว่าเป็นเทคนิค fMRI ซึ่งใช้ EEG ที่ได้มาพร้อมกันเพื่อระบุลักษณะของการทำงานของสมอง ('สถานะสมอง') ตลอดเวลา ทำให้สามารถสร้างแผนที่ (ผ่านการสร้างแผนที่พารามิเตอร์ทางสถิติ เช่น) การเปลี่ยนแปลงทางโลหิตพลศาสตร์ที่เกี่ยวข้องได้^{[ 53 ]}

คุณค่าทางคลินิกของการค้นพบเหล่านี้อยู่ระหว่างการตรวจสอบอย่างต่อเนื่อง แต่การวิจัยล่าสุดชี้ให้เห็นถึงความน่าเชื่อถือที่ยอมรับได้สำหรับการศึกษา EEG-fMRI และความไวที่ดีขึ้นในเครื่องสแกนสนามแม่เหล็กที่สูงกว่า นอกเหนือจากสาขาโรคลมชักแล้ว EEG-fMRI ยังถูกนำมาใช้เพื่อศึกษาการตอบสนองของสมองที่เกี่ยวข้องกับเหตุการณ์ (ที่ถูกกระตุ้นโดยสิ่งเร้าภายนอก) และให้ข้อมูลเชิงลึกใหม่ที่สำคัญเกี่ยวกับกิจกรรมของสมองพื้นฐานในระหว่างการพักผ่อนขณะตื่นและขณะนอนหลับ^{[ 54 ]}

การกระตุ้นด้วยสนามแม่เหล็กผ่านกะโหลกศีรษะ (TMS) ใช้สนามแม่เหล็กขนาดเล็กและค่อนข้างแม่นยำเพื่อกระตุ้นบริเวณของเปลือกสมองโดยไม่ต้องใช้วิธีการรุกรานที่เป็นอันตราย เมื่อสนามแม่เหล็กเหล่านี้กระตุ้นบริเวณของเปลือกสมอง การไหลเวียนของเลือดเฉพาะจุดจะเพิ่มขึ้นที่บริเวณที่ได้รับการกระตุ้น เช่นเดียวกับบริเวณที่อยู่ห่างไกลออกไปซึ่งเชื่อมต่อกันทางกายวิภาคกับตำแหน่งที่ได้รับการกระตุ้น จากนั้นสามารถใช้ การตรวจเอกซเรย์คอมพิวเตอร์แบบโพซิตรอน (PET) เพื่อสร้างภาพสมองและการเปลี่ยนแปลงของการไหลเวียนของเลือด และผลลัพธ์แสดงให้เห็นบริเวณที่เชื่อมต่อกันที่คล้ายคลึงกันมาก ซึ่งยืนยันเครือข่ายที่พบในการศึกษา fMRI และ TMS ยังสามารถใช้เพื่อสนับสนุนและให้ข้อมูลโดยละเอียดเพิ่มเติมเกี่ยวกับบริเวณที่เชื่อมต่อกันได้อีกด้วย^{[ 55 ]}

ข้อผิดพลาดที่อาจเกิดขึ้นเมื่อใช้ rsfMRI เพื่อกำหนดความสมบูรณ์ของเครือข่ายการทำงานคือการปนเปื้อนของสัญญาณ BOLD จากแหล่งสัญญาณรบกวนทางสรีรวิทยา เช่น อัตราการเต้นของหัวใจ การหายใจ^{[ 56 ] [ 57 ]}และการเคลื่อนไหวของศีรษะ^{[ 58 ] [ 59 ] [ 60 ] [ 61 ]}ปัจจัยรบกวนเหล่านี้มักจะทำให้ผลลัพธ์ของการศึกษาที่เปรียบเทียบผู้ป่วยกับกลุ่มควบคุมที่มีสุขภาพดีเกิดความคลาดเคลื่อนไปในทิศทางของผลกระทบที่คาดการณ์ไว้ ตัวอย่างเช่น อาจพบความสอดคล้องที่ต่ำกว่าในเครือข่ายเริ่มต้นในกลุ่มผู้ป่วย ในขณะที่กลุ่มผู้ป่วยมีการเคลื่อนไหวมากขึ้นในระหว่างการสแกน นอกจากนี้ยังแสดงให้เห็นว่าการใช้การถดถอยสัญญาณทั่วโลกสามารถสร้างความสัมพันธ์เทียมระหว่างสัญญาณจำนวนน้อย (เช่น สองหรือสาม) ^{[ 62 ]}โชคดีที่สมองมีสัญญาณจำนวนมาก^{[ 63 ]}

การวิจัยโดยใช้ fMRI ในสภาวะพักมีศักยภาพที่จะนำไปประยุกต์ใช้ในบริบททางคลินิก รวมถึงการใช้ในการประเมินโรคต่างๆ และ ความผิดปกติ ทางจิต^{[ 64 ]}

• โรคอัลไซเมอร์ : การเชื่อมต่อลดลง^{[ 65 ]}
• ความบกพร่องทางสติปัญญาเล็กน้อย : การเชื่อมต่อที่ผิดปกติ^{[ 66 ]}
• ออทิสติก : การเชื่อมต่อที่เปลี่ยนแปลง^{[ 67 ] [ 68 ]}
• ภาวะซึมเศร้าและผลของ การรักษา ด้วยยาต้านซึมเศร้า : การเชื่อมต่อที่ผิดปกติ^{[ 69 ] [ 70 ] [ 71 ] [ 72 ]}
• โรคอารมณ์สองขั้วและผลของยาควบคุมอารมณ์ : การเชื่อมต่อที่ผิดปกติและคุณสมบัติของเครือข่าย^{[ 73 ] [ 74 ] [ 75 ] [ 76 ]}
• โรคจิตเภท : เครือข่ายที่ถูกรบกวน^{[ 77 ]}
• โรคสมาธิสั้น (ADHD): การเปลี่ยนแปลง "เครือข่ายขนาดเล็ก" และการเปลี่ยนแปลงของทาลามัส^{[ 78 ]}
• สมองที่เสื่อมสภาพตามวัย : การหยุดชะงักของระบบสมองและเครือข่ายการเคลื่อนไหว^{[ 65 ]}
• โรคลมชัก : การหยุดชะงักและการลดลง/เพิ่มขึ้นของการเชื่อมต่อ^{[ 79 ]}
• โรคพาร์กินสัน : การเชื่อมต่อที่เปลี่ยนแปลงไป^{[ 80 ]}
• โรคย้ำคิดย้ำทำ : การเชื่อมต่อเพิ่มขึ้น/ลดลง^{[ 81 ]}
• ความผิดปกติของความเจ็บปวด : การเชื่อมต่อที่เปลี่ยนแปลงไป^{[ 82 ] [ 83 ]}
• โรคอะนอเร็กเซียเนอร์โวซา : การเปลี่ยนแปลงการเชื่อมต่อภายในวงจรคอร์ติโคลิมบิกและคอร์เทกซ์อินซูลาร์^{[ 84 ]}

การประยุกต์ใช้ทางคลินิกประเภทอื่นๆ ในปัจจุบันและอนาคตสำหรับ fMRI ในสภาวะพัก ได้แก่ การระบุความแตกต่างระหว่างกลุ่มในโรคทางสมอง การได้รับข้อมูลการวินิจฉัยและการพยากรณ์โรค การศึกษาตามยาวและผลการรักษา การจัดกลุ่มในสภาวะโรคที่หลากหลาย และการทำแผนที่ก่อนการผ่าตัดและการกำหนดเป้าหมายการแทรกแซง^{[ 85 ]}เนื่องจากไม่ขึ้นอยู่กับประสิทธิภาพของงานและความต้องการทางปัญญา fMRI ในสภาวะพักจึงเป็นเครื่องมือที่มีประโยชน์ในการประเมินการเปลี่ยนแปลงของสมองในความผิดปกติของสติสัมปชัญญะและการรับรู้ที่บกพร่อง รวมถึงประชากรเด็ก^{[ 86 ]}

• คอนเน็กโทมิกส์
• การถ่ายภาพระบบประสาท
• รายชื่อซอฟต์แวร์การเชื่อมต่อการทำงาน
• การประมวลผลภาพทางการแพทย์