文章目录

• 引言
• 静息态fmri数据的预处理
• • 数据预处理的理论部分
  • • 静息态数据预处理的一般步骤（参考）
    • 常用的工具
  • 数据预处理的实践部分

引言

静息态fmri数据的预处理

静息态功能磁共振：指正常人脑在静息态下依然存在有规律的功能活动 络，且病理状态下的脑功能活动 络与正常人脑存在差异及重塑，被检者处于静息状态下应用血氧水平依赖脑功能成像获得脑活动功能图的成像技术。

每个DICOM文件只是一个VOLUME(全脑)的一个SLICE(层)，以“EXERCISE”文件夹中的一个被试者数据文件夹为例，采用GE机器采集，总共180个时间点(volume)，每个时间点36层，共有6480个DICOM图像文件，。

刚体变换在数据处理中的应用：SPM 里coregister（）和fMRI头动校正（realign）,主要是平移和旋转操作。

仿射变换在数据处理中的应用：涡流校正、线性配准、非线性配准中的粗配，主要是平移、旋转、错切和缩放操作。

STEP5：配准（Normalize）

将，以解决不同被试之间的问题。配准后理论上，从而可以在标准空间 进行基于体素的统计比较。

STEP6：平滑（Smooth）

1.减少配准误差; 2.增加数据信噪比; 3.增加数据的正态性以便进行统计分析。

STEP7：去除线性偏移（Detrend）

一般认为BOLD信 中低频成分主要反映脑自发的神经活动,具有生理意义() 。

静息态数据预处理的一般步骤（参考）

【备注：section和slice、render的区别如图所示。】

数据预处理的实践部分

第一步，打开dcm2nii软件，然后选择Output Format为4D NifiTi hdr/img（其他的格式也都可以尝试一下）。

【注：“这里无法从DCM文件直接参看Slice Order，但是如果是处理好的nii文件，直接查看其json文件，可以看到”SliceTiming”,依次推断出slice order`。】

第三步，设定好matlab_toolbox的路径，打开matlab的交互窗口，输入：DPARSFA。

第四步，设定好当前工作目录，即FunRaw和T1Raw的上一级目录。然后设定开始目录，按回车键，导入数据。

“A”框的说明：

• 该步骤是将DICOM格式文件转换为NIFTI格式文件，有功能项MRI勾选第一个，有对应的生理项MRI同时勾选第二个，第三个BIDS是新的开源数据格式（一般不用管）。

“B”框的说明：

• 该步骤是去除采集的前几个时间点，Time Points = 20(S)/TR(S)，以这个为参考去除时间点数。

“C”框的说明：

• 时间层校正，因为采用的是隔层循环扫描技术，需要校正采集的数据顺序。

“D”框的说明：

• 一个Volume（全脑）影像的扫描层数，然后slice order是预先知道的，或者参看nii文件配套的json数据的SliceTiming，得到该扫描顺序。

“E”框的说明：

• 扫描完一遍的中间参考层，一个完整的Volume包括两次扫描，取第一次扫描的最后一层或者第二次扫描的第一层。

“F”框的说明：

• 头动校正，直接勾选就行。

“G”框的说明：

• 功能项的头动校正，当预处理进行到这里的时候，会弹出对话框，让我们自行对其进行手动输入参数微调人脑的位置，以及对不合格的数据进行筛除。

“H”框的说明：

• 因为生理项MRI包括一部分的脖子，所以有些学者认为去除脖子的部分，再将T1Raw和FunRaw进行配准，效果会更好。但是，这里需要注意的是程序对自动选定截取的位置，可能会导致脑区域的T1MRI也会被会切掉（一般不用选就行）。

“I”框的说明：

• 功能项的头动校正，去除脑壳，以及将T1配准到Fun（都勾选就行）。

“J”框的说明：

• 对脑区域进行分割，一般勾选NewSegment+DARTEL，分割的比较精准。

“K”框的说明：

• 根据采集数据的不同，选择亚洲还是欧美，因为脑骨结构不一样。

“I”框的说明：

• 确认是否回归协变量，勾选就行。

“M”框的说明：

• 回归机器发热带来的信 偏差，1代表线性回归，2代表二次多项式回归，3则代表三次多项式回归。

“N”框和“O”框的说明：

• 选取头动参数的计算和矫正方式，一般选用Friston24，即一个时间点计算24个头动参数，效果一般最好。

“P”框的说明：

• 可以对瞬间产生头动的时间点的数据进行阈值化删除，但是这个阈值需要参考文献，不可以随意设定。

“R”框的说明：

• 是否进行滤波，这里在实际的数据处理中有两种可能：如果是fALFF指标的计算，则不可以先滤波，要保留全频段；如果是其他指标则可以先进行滤波。

“S”框的说明：

• 是否进行组级别配准，勾选就行，把一个组的数据构建一个标准模板，再把这个模板配准到所有扫描的个体数据。

“T”框的说明：

• 输入体素的大小，要根据DICOM文件参看，一般输入的大小都是立方体格式。

“U”框的说明：

• 选择配准的方式，有T1项勾选DARTEL，没T1项勾选EPI，直接EPI也可以，EPI更快，DARTEL更准也更慢。

“V”框的说明：

• 是否进行平滑，并选择平滑的方式。这里有两种情况，对于ReHo、Degree Density等指标是不可以进行提前平滑的，因为是体素级别的指标，平滑会影响结果的准确性。

“W”框的说明：

• 输入平滑核的大小，一般选择voxel size的1.5~2倍大小，当然和具体的精确度要求也有关，平滑核小一些，肯定精度高一些；但是平滑核大一些，也可以提高信噪比，各有利弊。

“X”框的说明：

• 直接勾选Default mask就行。

“Y”框的说明：

• 这里只是选取了ALFF和fALFF（不能提前滤波）指标举例子，勾选就行。

“Z”框的说明：

• 因为需要计算fALFF，所以计算指标后进行滤波，滤波的频段范围在R框内进行设置。

和具体的精确度要求也有关，平滑核小一些，肯定精度高一些；但是平滑核大一些，也可以提高信噪比，各有利弊。

“X”框的说明：

• 直接勾选Default mask就行。

“Y”框的说明：

• 这里只是选取了ALFF和fALFF（不能提前滤波）指标举例子，勾选就行。

“Z”框的说明：

• 因为需要计算fALFF，所以计算指标后进行滤波，滤波的频段范围在R框内进行设置。

【备注：不同的指标计算有很多，这里暂时以ALFF和fALFF为例。】