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(fMRI)

结构磁共振图像，一般指传统的T1、T2等短时间相对静止的图像，而功能像指随时在发生变化的图像。但即使是T1、T2等传统的结构像，也完全有可能因为血流的多少、水分子的微小变化而导致信号的微小变化。具体到fMRI，狭义的概念指基于BOLD信号的技术，略广义的概念至少应该包括CBF和CVB的技术（如果基于注射对比剂的DSC技术和不注射对比剂的ASL）等。
by “功能像与结构像的区别”

2d格式如下图：

3d格式如下图：

（2）结构像(sMRI)（T1结构）
sMRI的目标是获取身体给定区域（如腹部）的解剖特征图像，为高分辨率图像，以脑成像为例,sMRI扫描脑灰质,白质,脑脊液的形态结构等以判断是否有病变或损伤。

2、预处理数据（格式：.nii或.hdr/.img）

（1）功能像
【注】如果dicom数据是2d格式，不能用SPM自带转换工具转换成nii格式，必须借助其他软件（mricron自带的dcm2niigui.exe就可以）；如果dicom数据是3d格式，可以使用SPM自带转格式工具转成nii格式。

（2）结构像

二、对单个被试进行预处理基本流程

1、格式转换

①使用spm12自带转换工具

②使用mricron软件

2、使用SPM12进行预处理

（1）准备参数

TR：MATLAB中用dicominfo读取功能像dicom文件子信息得到。单位是ms，图中TR=2s。

Number of slices：用SPM的显示（display）功能，读取**功能像（fMRI）**数据得到其信息。下图中切片数为30。

（2）具体步骤

①时间层校正（slicetiming）

Session：输入所有的功能像，一般因为设备启动初期的不稳定性，舍去前5~10个数据。
TA：TR-TR/Numbers Of Slices。
Slice Order：隔层扫描或顺序扫描，如果是隔层扫描，则输入1:2：Numbers Of Slices 2:2：Numbers Of Slices；如果是顺序扫描，则输入1:1：Numbers Of Slices。
【注意：如果是隔层扫描，处理顺序应该是先时间层校正，后头动校正；如果是顺序扫描，处理顺序是先头动校正，后时间层校正。】
Reference Slice：一般选取最中间层，即Slice Order的中间层。

②头动校正（realign）

一般选择Estimate & Reslice,得到头动校正的评估图像，如果平动或转动角度过大的数据应舍去。

Session：输入时间层校正后的所有功能像数据（前缀是a）
其余设置默认即可。
评估图像：一般认为，平动范围≤±2mm，转动范围≤±2degree为有效数据。

③配准（coregister）

Reference Image：选取头动校正后生成的平均文件（前缀是mean）。
Source Image：输入需要配准的结构像数据。
其余设置默认即可。

④分割（segment）

Volumes：输入配准后的结构像，即T1结构像。
Save Bias Corrected：选择“Save Bias Corrected”，则会生成偏差校准后的结构像文件。（前缀是m）
Deformation Fields：选择“Forward”，则将分割后的结构像文件标准化到MRI空间中，生成前缀为y的结构像，将用于后续的标准化。

⑤标准化（normailize）

分为两步：
1、将时间层校正和头动校正后的功能像标准化到MNI空间（标准空间）中。

Deformation Field：选择分割生成的前缀为y的结构像数据。
Images to Write：选择经过时间层校正和头动校正的所有功能像数据。（前缀为ar）
Voxel sizes：改为[3 3 3]。

2、将偏差校正后的结构像标准化到MNI空间（标准空间）中，可用于后续将功能像激活叠加在结构像上。

Deformation Field：选择分割生成的前缀为y的结构像数据。
Images to Write：选择经过偏差校正的结构像。（前缀为m）
Voxel sizes：改为[1 1 1]。

⑥平滑（smooth）

Images to smooth：输入标准化后的所有功能像。（前缀是wra）
平滑后（上）与未预处理（下）的功能像进行比较：

三、对多个被试进行批处理

后续再补。。。

基于SPM12对fMRI数据进行预处理及其批处理相关推荐

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 ...
fMRI数据处理_预处理_3_批处理和结果解读
1.输出结果解读根据电脑性能差异,我们上一篇文章运行单个被试的时间大概需要2-4个小时,现在让我们打开输出文件夹看看都有那些输出: 1.1fmriprep文件夹可以看到输出文件夹里除了每个被试的输 ...
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 ...
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 ...
基于多模态成像遗传学数据来预测帕金森病相关基因和大脑区域的新型CERNNE方法
系列文章目录基于聚类演化随机森林的阿尔兹海默症的多模态数据分析基于多模态成像遗传学数据来预测帕金森病相关基因和大脑区域的新型CERNNE方法系列文章目录前言阅览文章之前记得一键三联哦,做文章 ...
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 ...
时间序列数据的预处理
来源:Deephub Imba 本文约2600字,建议阅读5分钟在本文中,我们将看到在深入研究数据建模部分之前应执行的常见时间序列预处理步骤和与时间序列数据相关的常见问题. 时间序列数据随处可见,要 ...
matlab指纹图像采集,基于MATLAB实现的指纹图像预处理
西南民族大学学报·自然科学版第 34 卷第 4 期 Journal of Southwest University for Nationalities⋅Natural Science Edition ...
【深度学习】基于深度学习的数据增广技术一览
◎作者系极市原创作者计划特约作者Happy 周末在家无聊,偶然兴心想对CV领域常用的数据增广方法做个简单的调研与总结,重点是AI时代新兴的几种反响还不错的方法.各种第三方与官方实现代码等.那么今天由H ...

基于SPM12对fMRI数据进行预处理及其批处理