1、fMRI图像处理,ZhiweiGuo 2013-03-18,内容提纲：,fMRI图像预处理；Seed-based（基于种子点）的功能网络分析方法；ICA-based（基于独立成分分析）的功能网络及网络间连接性分析方法；,fMRI图像预处理,1. 数据类型转换,（1）MRI仪器上获取的图像格式：.dcm，.IMA，.SR等(DICOM)； （2）spm软件可以处理的图像格式：.nii 或 .img;因此，需要对采集图像进行数据类型转换才能使用spm软件软件进行处理。,数据类型转换工具,Dcm2niigui(MRIcroN软件提供),2. Spm软件- Dicom Import,2. fMRI图像
2、预处理,（1）spm软件实现预处理；（2）预处理前将数据格式转换之后的前5个.img 和.hdr（001-005）图像删除；（3）预处理步骤： 时间校正-Slice timing； 头动校正-Realignment； 标准化-Normalization； 平滑滤波-Smooth；,Slice timing,目的：将一个volume中所有层的信号校正到同一个时间点上；,Data: 导入需要时间校正.img数据,Number of Slice: 一次全脑扫描的fMRI图像的层数,TR:一次全脑扫描时间,TA: 一次全脑扫描第一层与最后一层时间间隔TA=TR-TR/(Number of Slices
3、),Reference slice: 时间校正的参考层（一般时间中点对应的层数,即TR/2时对应的层数）,Slice order: 扫描顺序，我们一把采用间隔扫描的方法扫描顺序为1,3,5(SliceNumber-1) , 2,4,6SliceNumber,菜单栏：Header-Information,结果：生成a开头的img，hdr及mat文件,Realign,目的：估计采集过程中被试头动的参数，并根据参数对所有图像进行空间调整；,Data: 导入时间校正之后的图像；其他参数 不变；,结果：产生ra开头的img，hdr，mean*.img，mean*.hdr，spm*.ps以及rp_a*.t
4、xt,Num Passes: 参考图像MRI一般选Register to first，PET一般选Register to mean；,Normalization,目的：将个体脑标准化到标准脑模版空间（MNI空间），便于统计分析；,Source Image: 选择mean*.img 用于估计标准化仿射变换参数；,Image to Write: 选择ra*.img图像，mean图像的估计参数对头动校正后的图像进行变换；,Template Image：标准模版图像，选择EPI.nii;,Voxel Size: 标准化之后的图像体素大小，这里输入3 3 3（太小计算过程中可能会溢出）；,结果：生成wr
5、a开头的img及hdr文件以及spm*.ps文件,Smooth,目的：对图像进行空间平滑滤波，提高图像的信噪比；,Images to Smooth: 选择wra*.img图像，对标准化之后的图像进行平滑处理；,FWHM: （Full Wave at Half Maximum高斯半高宽），高斯核滤波器的半高宽，其大小影响滤波效果。一般选标准化后图像体素大小（上一步3*3*3）的2-3倍。,结果：生成swra开头的img及hdr文件以及spm*.ps文件,图像质量控制,1、查看图像，视觉判断是否有伪迹，伪迹包括，信号缺失，图像扭曲等；2、根据预处理结果： Realign结果Translation
6、大小不能超过体素大小（比如，采集图像体素3.75*3.75*4），不能超过3.75；Rotation不能超过1；Normalization结果图像基本上能与标准模版匹配，不能出现明显变形的情况；保证同组数据预处理过程中设置的各项参数保持一致，比如，Normalization中的Voxel size 大小，Smooth中FWHM大小；组水平的统计结果与预期结果是否一致，如果不一致首先要查看组内所有被试的结果是否有个别比较异常的情况出现。,Seed-based功能网络分析,EPI Data,Slice Time Correction Motion Correction Normalization
7、Spatial Smoothing,Preprocessed Data,Pearson correlation,Two Sample t-test,Nuisance Covariates Global White Matter CSF Signal Drift Motion Components,Seeds signals,Extraction of Timeseries,Preprocessing,Individual,Group,MultiRegression & filtering,ROI选择,1、根据已有坐标（一般为文献提供），DMN中后扣带回PCC（0, -52, 30）。然后以给定
8、坐标为中心点取其周围（包括自身）27个体素作为ROI；2、根据给定大脑分区模版图像（AAL模版，Brodmann模版）,ROI选择,3、通过MRIcro软件手动绘制； 4、采用WFU toolbox选择ROI脑区；,干扰信号提取,1、Global（全脑平均信号）； 2、白质平均信号（White Matter）; 3、脑脊液平均信号（CSF）； 4、漂移信号； 5、头动参数（rp）: 预处理过程中产生的rp*.txt文件中的值（6*timecourse）；,目的：相邻体素信号之间存在一定的干扰，所以需要将对灰质信号存在干扰的信号提取出来，并通过回归分析的方法去除这些信号的影响。,全脑区域,白质区
9、域,脑脊液区域,漂移区域,多元线性回归及滤波,1、MultiRegression：regress函数，将前面得到的干扰项信号作为回归项，进行回归分析，得到结果即为去除干扰的灰质信号。2、BOLD信号为低频信号，频率范围在0.01-0.08之间，所以需要对ROI内及所有体素信号进行一维信号滤波处理；,相关性分析,方法： 1、Pearson相关性分析R, P = corrcoef(x,y)；计算x，y之间的相关系数及显著性；2、偏相关RHO,PVAL = partialcorr(.,param1,val1,param2,val2,.)；一般计算相邻两个信号的相关性的时候会用到，后面的param等为
10、相关项；3、延时相关；函数仍为corrcoef，但是计算相关的信号是多个时间延时情况下的计算结果。结果： 1、相关性矩阵；2、功能连接网络；,组内及组间统计检验,单样本t检验,双样本t检验,注意：Group1和Group2的输入顺序；,首先需要对相关矩阵进行Fisher Z变换，使得相关系数值满足正态分布，之后才能够进行统计t检验分析；,ICA-based功能网络分析,1、软件-Gift； 2、方法时空ICA，得到空间独立的网络成分及其对应的时间序列；,Setup ICA Analysis: 导入进行GroupICA分析的fMRI数据并进行相关参数设置；,Run Analysis: 根据设置参
11、数进行GroupICA分析得到独立成分（功能网络）；,Setup ICA Analysis: 相关分析信息，比如成分个数等；,Display GUI: 显示分析结果，下面是三种显示方式；,Setup ICA Analysis,一般讲预处理之后的图像数据保存在单独的文件夹中，并将进行GroupICA分析的所以被试文件夹放在一起，便于进行ICA分析。,这里，导入数据并确定成分个数及ICA分析方法；,ICA Result,成分及对应的时间序列,显示界面,Orthogonal,Composite,成分选择,文献中给出的各类网络的空间分布情况,网络间相关性分析,时间序列图像,1、延时相关（一般-5s-5s）；2、要对时间信号进行插值处理；3、相关性分析与Pearson分析方法相同，但是无需进行回归分析，因为白质等信号成分已经被分为单独成分，仍需滤波。,网络相关矩阵及连接图,结果查看,叠加选项,叠加结果,Thank you！,
