使用spm预处理fMRI数据

新手学习，记录学习笔记，欢迎交流~

1.基本概念

Volume（容积/体积）/frame/time point（因为4d文件是包含时间的，可以称为时间点）/scan/一个TR即一帧(frame)采集到的图像称为一个volume，每一帧图像都是一个3D全脑

TR：重复时间，即得到一个完整大脑所需时间

TA：一次全脑扫描中，最后一层与第一层的时间间隔；

TA=TR-（TR/扫描层数）

slice timing：扫描层数。扫描大脑是一层一层扫描的，通常是隔层扫描，因为信号可能会受到相邻层的影响，所以需要隔层扫，比如先扫1 3 5 7再倒回去扫2 4 6 8层这样。然后再把这些层重建成一个完整的3D大脑。

Run/Session：一次4D-fMRI数据采集，整个4D-fMRI的采集时间；推荐参数：至少6分钟，8分钟及以上最优。一般静息态是1个，如果是任务态，那么可能中途要休息一次分两次扫描，session就是2个。

Reference slice：时间层校正的参考层，也就是TR/2对应的层数

时间层校正后的文件带有a开头，表示校正后。

2.预处理流程--NARWSDCF

N：格式转换，把存储原始fMRI信息的数据转换为NIFTI格式

A：时间层校正，变为a开头文件

R：realign--estimate&res头动校正：统计分析需要假设每个体素在各个时间点都对应大脑的同一个位置。头动校正是去除头动的干扰

W：分为一步配准和两步配准，这里是两步配准：

·normalize--estimate&write空间标准化：将个体的BOLD图像转化到标准空间

·coregister配准：把高分辨率、高灰质/白质对比度的T1像配准到BOLD空间，结构像与功能像配准

·segement：分割灰质，白质和脑脊液

S：smooth：空间平滑

D：detrend去除线性趋势：去除大时间尺度上，非神经活动引起的BOLD信号的偏移

C：nuisance coviriates regression 回归协变量

F：filter 滤波：滤出BOLD信号所处的频率段的数据。目的是降噪。BOLD信号所处0.01~0.08hz
然后

（1）首先是格式转换：使用dcm2niigui，将原始数据文件夹整个拖进去

或者使用microGL（既可看图又可转换文件）

（2）第二步是A：时间层校正，

打开spm，点击slice timing--data--点击session

导入进nii文件，注意把右下角的1换为inf（无限的意思），然后右键--select all

（可以提前把matlab的路径设置成存放文件的路径，这样方便选择）

frame：1 --第一帧的图像，一般写成inf（无穷，可以包含所有的图像）

filter旁边的白色长空格可以输入文件名来筛选文件

选完点done

扫描层数：33层

填写TA

扫描顺序：1是首项，2是步长，33是尾项；两个等差数列之间用空格隔开（会自动判断是否结束）。翻译过来就是1 3 5 7层 ... 2 4 6 8层...这样的扫描顺序

参考层：中间层的层数（第33层）

填好了然后点绿色的符号开run！

（3）R：realign 头动校正

双击

只筛选以a为开头的文件（上一步生成的时间校正后的文件）

文件选中就可以运行了。Num passes 后面的register to mean：选中to fist 与第一张图象对齐，to mean，就是与平均的对齐

处理完一共多了这三个文件，txt的Rotation parameter：头动参数；看它有没有超过2的（控制）但spm不做处理，只有原始数据，一般不会人工手动筛选。（用restplus可以自动筛选）

（4）W:两步配准法

一步配准法（EPI配准）：个体fMRI---线性+非线性--->标准空间fMRI（Normalize(Est&Wri)）
   两步配准法（T1配准）（EPI distortion）：
   1.个体T1---线性---->配准到个体fMRI的个体T1（Coregister(Estimate))
   2.配准到个体fMRI的个体T1--->线性+非线性---->个体到标准空间的形变场（Segment）--形变场记录了卷纸是如何变成和抽纸一样形状的过程
   3.个体fMRI---应用第二步的形变场--->标准空间fMRI（Normaliz&Write）

根据情况选择不同的配准法，这里介绍两步配准法

T1选为source image

voxel改为3 3 3

设置bounding box边界框：固定值，代表生成文件图像整体的范围是多少

然后点segment（也可以先选，之后来设置这些参数）

再选择normalise

点dependency

修改boundingbox和体素3 3 3

Run

生成wra开头的文件

（5）平滑

把上一步的文件wra开头的导入，平滑核6 6 6（体素的2-3倍，一般就用2倍）

run

得到swra开头文件

剩下几步用restplus做（实际上上述步骤都可以用restplus批量处理）

Restplus

Set path--add with subfolders-添加restplus的文件夹

打开pipeline

Matlab切路径到restplus

work directory选择所用文件的上一级文件夹

EPI directory选择功能像，T1 directory选择T1的文件夹（原始数据）

其中，2和5可选可不选

每一项的参数根据自己实际需要来调整即可（略）

使用spm预处理fMRI数据相关推荐

SPM处理fMRI数据的基本步骤
fMRI数据预处理基本流程: 预处理一般包含:时间配准,头动校正,空间配准(功能像与T1结构像配准,再将结构像配准到标准空间),平滑. 信号收集(slice order)有两种方式:顺序(sequen ...
医学影像：静息态fmri数据的预处理
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本文主要详细介绍了静息态fmri数据的预处理,什么是静息态 ...
基于SPM12对fMRI数据进行预处理及其批处理
对fMRI数据进行预处理博主最近在做fmri数据的预处理,原理并不是很难,但是过程中很多细节容易被忽略导致失败,特此记录一些细节以供参考! 一.数据说明 1.原始数据(格式:.dcm) (1)功能像 ...
NeoRS：新生儿静息态fMRI数据预处理流程
大家好,这里是 "茗创科技" .茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科 ...
一些使用DPABI处理fMRI数据的记录
一些使用DPABI处理fMRI数据的记录在对fMRI数据进行预处理时遇到不少问题,记录一下,方便以后参考文件排列问题开始处理时会出现"未找到匹配的文件"的问题文件需要严格按 ...
功能连接方法及其在fMRI数据中的应用
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 导读强大的非侵入性神经成像技术的可用性引发了各种旨在绘制人类大脑的研究.这些研究不仅聚焦于发现大脑激活信号,还聚焦于理解大脑网络中功能性 ...
基于变分自编码器的静息态fMRI数据的表征学习
<本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 静息状态功能性磁共振成像(rsfMRI)数据显示出复杂但结构化的模式.然而,在rsfMRI数据中,潜在的起源是 ...
CV08-数据预处理与数据增强
复现车道线分割项目(Lane Segmentation赛事说明在这里),学习数据预处理和数据增强.学习分为Model.Data.Training.Inference.Deployment五个阶段,也就 ...
gan 总结数据增强_[NLP]聊一聊，预处理和数据增强技术
在基于margin-loss的句子相似度这个项目中,为了验证想法,找不到开放数据集,因此自己从新浪爱问爬取了数据.自己爬的数据和学界开放的数据对比,数据显得非常脏.这里有三个含义:第一:数据不规范,比 ...

使用spm预处理fMRI数据

使用spm预处理fMRI数据相关推荐

最新文章

热门文章