多中心数据融合能够增加研究的统计效力,因而在静息态fMRI领域越来越受欢迎,并有潜力为某些脑疾病研究提供更加可靠的生物学标记。静息态波动幅度(resting state fluctuation amplitude,RSFA)是一类能够表示人脑自发活动局部强度的指标,常用的方法包括低频振幅(amplitude of low frequency fluctuation,ALFF)与比例低频振幅(fractional amplitude of low frequency fluctuation,fALFF)。该类指标与静息态研究中常用的功能连接相互补充。但是,有研究发现,RSFA在多中心研究中的中心变异超过了其他静息态fMRI指标,这大大限制了该类方法在多中心研究中的应用。现有的去除中心变异的方法,大多是基于数据驱动的,具有扭曲数据分布的风险。本文从寻找中心变异的来源出发,进而通过控制这些变异来源,来达到试图减小或消除RSFA中心变异的目的。在本文中,首先,我们发现研究中常见的几种ALFF算法都在多中心RSFA研究中有一定的不足,因此,我们改良了ALFF的计算方法,使之独立于扫描时间点数。第二,我们找到了造成RSFA的中心变异的重要因素,包括BOLD信号增益和全脑效应。我们发现,ALFF的中心变异很大程度地受到BOLD信号增益的影响,在将BOLD信号强度标准化之后,ALFF的中心变异急剧降低。在进一步排除了重复时间(repetition time,TR)的影响后,我们发现ALFF未显示出和全脑效应的显著相关,而fALFF和全脑效应显示出高度相关。遗憾的是,我们通过全脑信号回归(global signal regression,GSR),并未成功地降低fALFF的中心变异,这可能是由于GSR去除全脑效应的能力有限。第三,在将上述因素控制后,虽然RSFA(具体指fALFF)的残余中心变异仍存在,但我们利用模特卡洛模拟证实了fALFF残余的中心变异已降到了可接受的水平。具体来说,fALFF在多中心数据中检测疾病效应的敏感性和在相同样本容量的单中心数据中相当。而与fALFF不同,ALFF在多中心数据中对于疾病效应的检测敏感性要显著低于单中心。综上,我们的研究结果说明,将RSFA指标(具体指fALFF)应用于多中心研究是可行的,但需要满足以下要求:1)不同中心的TR应该相同;2)多中心样本总数应在120以上。